[目录] K210 YOLO V3框架 这是一个清晰，可扩展的yolo v3框架 实时显示召回率和精度 易于与其他数据集一起使用 支持多个模型主干并扩展更多 支持n个输出层和m个锚点 支持模型重量修剪 便携式型号用于Kendryte 芯片 Voc培训 设置环境 在ubuntu 18.04， Python 3.7.1测试，在requirements.txt其他测试。 准备数据集 首先使用脚本： wget https://pjreddie.com/media/files/VOCtrainval_11-May-2012.tar wget https://pjreddie.com/media/files/VOCtrainval_06-Nov-2007.tar wget https://pjreddie.com/media/files/VOCtest_06-Nov-2007.tar t

实体关系提取 基于TensorFlow的实体和关系提取。基于TensorFlow的实体和关系撤消，2019语言与智能技术竞赛信息撤除（实体与关系撤回）任务解决方案。 如果您对信息抽取论文研究感兴趣，可以查看我的博客。 抽象 该代码以管道式的方式处理实体及关系抽取任务，首先使用一个多标签分类模型判断句子的关系种类，然后将句子和可能的关系类型输入序列标注模型中，序列标注模型标注出句子中的实体，最终结合预测的关系和实体输出实体-关系列表：（实体1，关系，实体2）。 该代码以管道方式处理实体和关系提取任务。 首先，使用多标签分类模型来判断句子的关系类型。 然后，将句子和可能的关系类型输入到序列标签模

基于Tensorflow 2.x实现的声纹识别大数据集预测模型和预训练模型，源码地址：https://github.com/yeyupiaoling/VoiceprintRecognition-Tensorflow

主要介绍了基于Tensorflow一维卷积用法详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

基于tensorflow的深度学习项目，包括人脸识别、目标检测、超分辨重建，涵盖CNN、RNN、GAN等主要框架。

唐宇迪博士物体检测faster-rcnn，基于tensorflow框架，很实用

针对传统异物识别准确率较低的问题，提出一种基于TensorFlow的深度卷积神经网络的异物识别模型。将巡检图像进行图像灰度化和尺寸压缩等预处理，并采用三维块匹配滤波(BM3D)算法进行图像去噪得到实验所需的训练数据。提出基于TensorFlow的深度卷积神经网络框架，通过使用框架中的TensorBoard模块设计深度卷积神经网络模型结构与优选模型参数，并针对ReLU激活函数与特征权重进行理论分析。实验结果表明，经过15次迭代训练后，深度卷积神经网络比传统的支持向量机(SVM)、极限学习机(ELM)和BP神经网络算法具有更强的巡检图像识别能力；与经典的LeNet-5和VGGNet模型以及相关文献中的模型相比，所提模型更具有优越性。

基于tensorflow对minst数据集进行分类，分别用了卷积神经网络和softmax回归算法。

无监督方面提取 基于tensorflow2.3的BERT实现 依存关系 Python3 张量流2.3

node-facenet 基于TensorFlow用于Node.js的人脸识别实现