Toggle navigation
首页
(current)
问答
文章
话题
商城
登录
注册
欢迎加入昂钛客ai问答
立即注册
用户登录
最新推荐
社群小伙简要tensorflow原工程目录，能否分析源码？大家一起来做
某毕业小伙，防火防盗，防群友。亲历毕设被坑过程。
昂钛客文章分享、问题回答18年5，6月分活动预告。
tensorflow训练分类自己的图片（CNN超详细入门版）
目标检测|YOLOv2原理与实现(附YOLOv3)
tensorflow实现mnist数据集上图片的训练和测试
实例分割初探，Fully Convolutional Instance-aware Semantic Segmentation论文解读
用tensorlayer导入Slim模型迁移学习
本站征文署名作者，价格上不封顶，首发48小时后作者随意发送！
tensorflow加载VGG19模型数据并可视化每一层的输出
最新问题
»
CNN处理的图片是24*24的方阵，对于并不是方阵的图片，如24*24矩阵的上三角元素，能否训练？
0 回答
如何理解计算力
1 回答
安装pyspark出错
0 回答
关于CRNN的相关问题
0 回答
tensorflow框架下vgg迁移学习
0 回答
15
请问lstm，回归函数中 里面各个量的shape 应该怎么处理？又应该按照什么规律reshape，打字也好给视频也好求求谁给我解释清楚这个问题吧？！！！！我被这个问题弄的快疯了！！！
0 回答
安装tensorflow object_detection 出现问题
0 回答
66
lstm 测试集 拟合对象是正弦曲线，可以拟合，但是在测试集中 真实值和预测值的误差同样是正弦曲线，疑似模型没有意识到曲线的周期
1 回答
悬赏问题
»
3
CNN处理的图片是24*24的方阵，对于并不是方阵的图片，如24*24矩阵的上三角元素，能否训练？
5
关于CRNN的相关问题
15
请问lstm，回归函数中 里面各个量的shape 应该怎么处理？又应该按照什么规律reshape，打字也好给视频也好求求谁给我解释清楚这个问题吧？！！！！我被这个问题弄的快疯了！！！
66
lstm 测试集 拟合对象是正弦曲线，可以拟合，但是在测试集中 真实值和预测值的误差同样是正弦曲线，疑似模型没有意识到曲线的周期
100
Seq2Seq模型预测部分改写
30
谁能帮我解释一下这段简单代码，必有重谢
10
卷积神经网路提取特征
5
pytorch利用onnx模块导出xxx.proto文件的时候出错
热门文章
»
用tensorlayer导入Slim模型迁移学习
81426 浏览
某毕业小伙，防火防盗，防群友。亲历毕设被坑过程。
3970 浏览
tensorflow训练分类自己的图片（CNN超详细入门版）
2550 浏览
tensorflow加载VGG19模型数据并可视化每一层的输出
1262 浏览
目标检测|YOLOv2原理与实现(附YOLOv3)
1204 浏览
“快到没朋友”的目标检测模型YOLO v3体验上手
963 浏览
利用seq2seq的Decoder-Encoder机制实现序列生成模型（上）
788 浏览
2018年6月京东多轮对话NLP比赛开始了，天南海北的7个小伙伴如何一起参与？
749 浏览
最新文章
»
特征工程普及文
38 浏览
关于TensorFlow和cuda和cudnn版本对应关系的“经验”
162 浏览
几种单变量筛选的方法
113 浏览
win10+ubuntu16.04双系统+cuda+cudnn+tensorRT深度学习环境
194 浏览
一个好用的中文近义词工具包
134 浏览
JDDC[京东 2018年NLP竞赛]小组进度沟通专用
461 浏览
TF-IDF算法分析与实现
135 浏览
卷积神经网络基础与mnist数据集
189 浏览
推荐专家
»
陈云飞
架构师
向TA提问
石宏伟
软件工程师
向TA提问
王苏宏
it
向TA提问
陈子东
学生
向TA提问
王铎皓
深度学习工程师
向TA提问
闫鹏飞
学生
向TA提问
我要提问
分享经验
最新公告
热议话题
»
tensorflow
nlp
seq2seq
cnn
yolo
python
迁移学习
GAN
深度学习
tensorboard
Slim
TensorFlow实例
VGG
目标检测
ocr
机器学习
faster R-CNN
损失函数
生成式对抗网络
theano
卷积神经网络
图片分类
rnn
opencv
mnist
财富榜
»
admin
2637 金币
swsuh2018
1753 金币
北京-国贸-AI大数据
1136 金币
迷你莫扎特
1131 金币
随心
823 金币
FeiYee
507 金币
LittleMiss
386 金币
La-fe
274 金币
×
发送私信
发给:
内容:
