原创 一文搞定TensorFlow 2.0版本-最常用功能操作代碼+CNN卷積神經網絡案例+LSTM案例+RESNET模型案例+GAN網絡模型
更爲實用強大的Tensorflow2.0版本來了，如何具體運用2.0版本新增的強大功能實現常用CNN圖像識別、RNN文本分類、GAN模型呢？？分享一篇融合了2.0版本最常用功能操作代碼+CNN卷積神經網絡案例+LSTM案例+RES
2020-06-22 07:26:38
原创 門店視頻解析DTW《二》——用戶畫像數據挖掘與銷售解決方案
到訪客戶的訂購空調價格purchase price預測技術~ x = layers.Conv1D(128, 5, activation='relu')(embedded_posts) x = layers.MaxPooling1D
2020-06-22 07:26:38
原创 AI四大熱門的應用方向與AI智能系統產品孵化講解（算法原理結構與代碼解讀）
本章重點講解AI應用方向熱門之一 《一》AI智能客服系列篇 對話機器人是最近一個熱門話題，許多公司都在開發自己的智能客服系統。 原理：下面我們先來看下聊天機器人的神仙組合模型Seq2Seq+attention起源： Seq2Seq
2020-06-22 07:26:38
原创 tensorflow2.0系列-6 基於keras構建CNN交通標識圖像檢測模型【tensorflow2.0實戰教程 圖像識別模型代碼】
【AI算法推薦】：tensorflow2.0建模教程系列 【導讀】 在tensorflow2.0建模系列教程中，前四節我們用代碼演繹了： 系列1：如何用tf2.0進行自定義層網絡的設計（add.weight） 系列2：如何用tf2
2020-06-22 07:26:38
原创 GCN (Graph Convolutional Network) 圖卷積網絡解析
最近研究圖卷積，看到一篇言簡意賅的解析文章，包括GNC層代碼自定義。版權聲明：本文轉載自CSDN博主「邢翔瑞」的原創文章，遵循 CC 4.0 BY-SA 版權協議，轉載請附上原文出處鏈接及本聲明。 原文鏈接：https://blo
2020-06-22 07:26:38
1
原创 tensorflow2.0 rc版使用教程 常用操作集合系列1——Layer自定義層的設計add.weight（w,b權重設置）
推薦： 【tensorflow2.0最新建模教程】，如下： tensorflow2.0教程 常用操作集合1—Layer自定義層的設計 常用操作集合系列2—Model自定義模型的設計 常用操作集合系列3—Model自定義模型的訓練和
2020-06-22 07:26:38
原创 變分VAE 編碼器網絡《一 編碼過程：代碼實現》
變分自編碼器原理： 1將輸入圖像壓縮成編碼（採用形式爲平均值和方差的分佈） 2隨機上採樣 ，針對編碼器生成的編碼隨機採樣 3對於隨機採樣的元素，進行解碼轉換，（按照輸入圖片的樣式），解碼生成類輸入圖像 1編碼過程 import
2020-06-22 07:26:38
原创 【圖像識別Bert版】運用AI解決樣本過少的問題，提高圖像識別效果——加入VGG16預訓練基（卷積神經網絡）
現實中，存在一些深度學習任務，某些樣本的數據集樣本量較少，面對這樣的情況，我們該怎麼做呢？ 通常有如下幾種方式： 1數據增強，通過圖像裁剪，水平翻轉等方式豐富有限的樣本集。 2使用在大規模多種類數據集上訓練好的AI模型，例如VG
2020-06-22 07:26:38
1
原创 膠囊網絡可以PK掉CNN嗎？//——暫時不能 膠囊網絡的不足點思考
卷積神經網絡的不足： 1.缺少數據點的空間方位信息與組合對應關係信息 2.應對圖片的角度變化以及方向扭轉上的調整識別率不高。 膠囊網絡： 相對於CNN網絡對於數據信息的標量表達，絳囊網絡增加了信息的方向與大小，實現信息向量化表達
2020-06-22 07:26:38
1
原创 【推薦】快速超好用的RL強化學習框架——天授1500行代碼實現DQN /PG/A2C
強化學習算法已經有各種實現平臺，譬如基於tensorflow的OpenAI Baselines，rllib，基於Pytorch的 PyTorch DRL ，rlpyt。最新推薦一個輕量快速實現的RL框架，由清華大學的本科生推出，相
2020-06-22 07:26:38
1
原创 bert中文文本情感分類 微博評論挖掘之Bert實戰應用案例-文本情感分類
Bert模型全稱Bidirectional Encoder Representations from Transformers，主要分爲兩個部分：1訓練語言模型（language model）的預訓練（pretrain）部分，2
2020-06-22 07:26:38
原创 【推薦】熱門的圖神經網絡GCN原理剖析 +源碼分享
圖神經網絡近來已火很久，重點是針對關係型數據（關係型數據最早的表示即原始的圖網絡：節點，邊，權重）展開深度學習，進行標籤分類等數據工作。 以上是GCN的核心工作原理類似於圖像壓縮工程： 1.圖像像素矩陣化 2.傅里葉變換（拉普拉
2020-06-22 07:26:38
1
原创 【圖像CNN識別】Keras之父提出可替代Conv2D的深度可分離卷積——快速提升視覺識別模型
《AI工匠BOOK》持續更新AI算法與最新應用，如果您感興趣，歡迎關注AI工匠（AI算法與最新應用前沿研究）。 在Keras之父的深度學習書中，設計了一種讓圖像識別任務性能提高几個百分點的網絡層，該網絡層不僅可以替代 Conv2
2020-06-22 07:26:38
1
原创 智能客服系列2 python基於Keras實現翻譯系統/聊天機器人——Seq2Seq模型+attention（代碼篇1-LSTM模型實現）
導讀部分 對話系統最核心的部分是什麼，seq2seq,現在tensorflow已經提供seq2seq封裝的調用方法，相對方便，但是理解seq2seq內部原理，自己動手寫的話是對模型設計思路的梳理，加深對原設計的理解。長期來說，有益
2020-06-22 07:26:38
2