在好例子网,分享、交流、成长!
您当前所在位置:首页Python 开发实例Python语言基础 → 68771-深度学习实战:基于TensorFlow 2和Keras(原书第2版)_源码

68771-深度学习实战:基于TensorFlow 2和Keras(原书第2版)_源码

Python语言基础

下载此实例
  • 开发语言:Python
  • 实例大小:5.83M
  • 下载次数:18
  • 浏览次数:78
  • 发布时间:2022-10-17
  • 实例类别:Python语言基础
  • 发 布 人:玉磊
  • 文件格式:.zip
  • 所需积分:2

实例介绍

【实例简介】68771-深度学习实战:基于TensorFlow 2和Keras(原书第2版)_源码
【实例截图】

from clipboard
【核心代码】

.
├── Deep Learning with TensorFlow 2 and Keras
│   ├── Chapter 1
│   │   ├── imdb.py
│   │   ├── mnist.py
│   │   ├── mnist_V1.py
│   │   ├── mnist_V10.py
│   │   ├── mnist_V2.py
│   │   ├── mnist_V3.py
│   │   ├── mnist_V4.py
│   │   ├── mnist_V5.py
│   │   ├── mnist_V6.py
│   │   ├── mnist_V7.py
│   │   ├── mnist_V8.py
│   │   ├── mnist_V9.py
│   │   ├── simple_dense.py
│   │   └── simple_model.py
│   ├── Chapter 10
│   │   ├── DBN.ipynb
│   │   ├── Kmeans.ipynb
│   │   ├── PCA.ipynb
│   │   ├── Restricted_boltzmann_Machines_MNIST.ipynb
│   │   ├── Self_Organized_Maps.ipynb
│   │   └── VAE.ipynb
│   ├── Chapter 11
│   │   ├── DQNCartPole.ipynb
│   │   ├── DQN_Atari_v2.ipynb
│   │   ├── DQN_atari.py
│   │   ├── Gym_introduction.ipynb
│   │   └── random_agent_playing.ipynb
│   ├── Chapter 2
│   │   ├── GradientTape.py
│   │   ├── autograph.py
│   │   ├── autograph_timing.py
│   │   ├── batch_datasets.py
│   │   ├── computational_graph.py
│   │   ├── datasets.py
│   │   ├── distribute_strategy.online
│   │   ├── estimators.py
│   │   ├── mirrored_strategy.py
│   │   ├── model.png
│   │   ├── shared_layers.py
│   │   └── shared_model.png
│   ├── Chapter 3
│   │   ├── MNIST_using_estimators.ipynb
│   │   ├── boston_house_prediction.ipynb
│   │   ├── multiple_linear_regression.ipynb
│   │   └── simple_linear_regression.ipynb
│   ├── Chapter 4
│   │   ├── VGG16_implemented.py
│   │   ├── cat.jpg
│   │   ├── cifar10.py
│   │   ├── cifar10_CNN_DEEP.py
│   │   ├── cifar10_CNN_DEEP_DATA_AUGUMENT.py
│   │   ├── horses_and_humans
│   │   ├── how_to_download_vgg16_weights.h5
│   │   ├── imdb_CNN.py
│   │   ├── leNet_CNN_mnist.py
│   │   ├── mnist_V9.py
│   │   ├── steam-locomotive.jpg
│   │   ├── tf_hub.py
│   │   ├── vgg16_features.py
│   │   ├── vgg16_pretrained.py
│   │   └── visual_qa.py
│   ├── Chapter 6
│   │   ├── DCGAN.ipynb
│   │   └── VanillaGAN.ipynb
│   ├── Chapter 7
│   │   ├── bert_paraphrase.py
│   │   ├── create_embedding_with_text8.py
│   │   ├── elmo_from_tfhub.py
│   │   ├── explore_text8_embedding.py
│   │   ├── google_sent_enc_from_tfhub.py
│   │   ├── neurips_papers_node2vec.py
│   │   ├── random-walks.txt
│   │   ├── spam_classifier.py
│   │   ├── tf2_cbow_model.py
│   │   ├── tf2_matrix_factorization.py
│   │   └── tf2_skipgram_model.py
│   ├── Chapter 8
│   │   ├── alice_text_generator.py
│   │   ├── gru_pos_tagger.py
│   │   ├── lstm_sentiment_analysis.py
│   │   ├── peephole_lstm.py
│   │   ├── seq2seq_with_attn.py
│   │   └── seq2seq_wo_attn.py
│   ├── Chapter 9
│   │   ├── ConvolutionAutoencoder.ipynb
│   │   ├── DenoisingAutoencoder.ipynb
│   │   ├── SparseAutoEncoder.ipynb
│   │   ├── VanillaAutoEncoder.ipynb
│   │   ├── parse.py
│   │   └── sentence_vector_gen.ipynb
│   ├── LRFinder
│   │   ├── common.py
│   │   ├── lr_finder.py
│   │   ├── train_with_best_lr.py
│   │   ├── train_with_range_clr.py
│   │   └── train_with_std_lr.py
│   └── Software and hardware list.pdf
└── 好例子网_68771-深度学习实战:基于TensorFlow 2和Keras(原书第2版)_源码.zip

12 directories, 88 files


实例下载地址

68771-深度学习实战:基于TensorFlow 2和Keras(原书第2版)_源码

不能下载?内容有错? 点击这里报错 + 投诉 + 提问

好例子网口号:伸出你的我的手 — 分享

网友评论

发表评论

(您的评论需要经过审核才能显示)

查看所有0条评论>>

小贴士

感谢您为本站写下的评论,您的评论对其它用户来说具有重要的参考价值,所以请认真填写。

  • 类似“顶”、“沙发”之类没有营养的文字,对勤劳贡献的楼主来说是令人沮丧的反馈信息。
  • 相信您也不想看到一排文字/表情墙,所以请不要反馈意义不大的重复字符,也请尽量不要纯表情的回复。
  • 提问之前请再仔细看一遍楼主的说明,或许是您遗漏了。
  • 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦,又没人会搭理,于人于己都无利。

关于好例子网

本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享,对搜索内容的合法性不具有预见性、识别性、控制性,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论平台是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定,若资源存在侵权或相关问题请联系本站客服人员,点此联系我们。关于更多版权及免责申明参见 版权及免责申明

;
报警