代码使用tensorflow实现的神经网络二分类，数据集为糖尿病化验数据，其中前八列为特征，第九列为期望结果，准确率81.75%，内有详细的代码注解，适合新手学习使用

主要为大家详细介绍了基于TensorFlow的CNN实现Mnist手写数字识别，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

我就废话不多说了，大家还是直接看代码吧！ import tensorflow as tf import numpy as np input = tf.constant(1,shape=(64,10,1),dtype=tf.float32,name='input')#shape=(batch,in_width,in_channels) w = tf.constant(3,shape=(3,1,32),dtype=tf.float32,name='w')#shape=(filter_width,in_channels,out_channels) conv1 = tf.nn.conv1d(inpu

深度学习项目 手写体识别 前置：bootstrap，jquery 后台：django，tensorflow 数据集：Mnist 网络结构：CNN-池-CNN-池-CNN-全连接-Softmax 简介 新建一个虚拟环境，然后安装相关模块pip install -r requirements/dev.txt 初始化表python manage.py migrate 最后运行python manage.py runserver 运行示例 浏览器输入： : : 在画板写数字，点击识别即可

使用python写的一个简单的GAN生成曲线的代码，主要是验证GAN算法的有效性，给定一条曲线，通过不断迭代训练生成与之相似的另外一条曲线。

通过TensorFlow搭建卷积神经网络实现猫狗识别代码，训练和测试代码完整，下载之后可以直接运行测试打码，运行环境在Linux下，需要把代码中的路径修改为本机实际路径

基于tensorflow开发的深度学习程序，可以直接使用，适合实际和学习使用，代码注释全面，容易理解，

具有EDSR，WDSR和SRGAN的单图像超分辨率 基于的实现 （EDSR）的超分辨率挑战赛冠军。 （WDSR），是超分辨率挑战赛（真实轨道）的获胜者。 （SRGAN）。 这是对可用的基于Keras / Tensorflow 1.x的旧实现的完整重写。 某些部分仍在进行中，但是您已经可以通过高级培训API如本文中所述训练模型。 此外，您还可以在SRGAN上下文中EDSR和WDSR模型。 笔记本中提供了和示例 DIV2K自动下载给定比例（2、3、4或8）和降级运算符（“ bicubic”，“ unknown”，“ mild”或“ difficult”）的培训和验证图像。 重要提示：如果

基于Tensorflow的端到端在线语音关键词识别/行为检测

实验室开放基金项目可行性研究报告（未完）-基于Tensorflow深度学习框架的电网仿真高性能数据挖掘平台技术研究.docx