tensorflow标签_AtomGit开源社区

tensorflow

【万字超全指南+踩坑】NVIDIA580& CUDA13& cuDNN9.13 一次全部安装最新版 Win11& Ubuntu& WSL2

英伟达全家桶安装指南本文提供了Linux（Ubuntu）、Windows和WSL2环境下安装最新版英伟达驱动及相关工具的全套方案。安装完成后，作者提供了详细的验证方法，包括版本检查、编译测试及常见问题解决方案。本文包含3万多字详细配置记录，适用于不同平台需求，建议读者按需参考对应章节。

m0_67209388
2025-10-09 15:27:02

 5434

 53

#linux #windows #机器学习 +4
Dify私有化离线部署Plugin（插件）本地打包安装问题：以OpenAI-API-compatible为例

Dify离线插件本地打包与部署教程本文详细介绍了Dify 1.0版本后在离线环境下部署插件的解决方案。针对OpenAI-API-compatible插件，通过本地重新打包（使用dify-plugin-repackaging工具）和修改Dify配置文件（关闭签名验证FORCE_VERIFYING_SIGNATURE=false）的方式，解决了离线安装时出现的网络不通和空指针异常问题。关键步骤包括：

weixin_42485090
2025-08-18 13:21:52

 1.1w

 51

#人工智能 #自然语言处理 #tensorflow
Kaggle Notebook GPU使用教程（保姆版详细教程）

Kaggle平台在线GPU使用教程，详细版

 Guynl:)
2025-03-21 09:44:16

 6892

 20

#python #pip #人工智能 +3
（傻瓜教程）TensorBoard可视化工具简单教程及讲解（TensorFlow与Pytorch）

首先庆祝踩坑踩了一万个的我终于搞懂TensorBoard的原理了，是我太蠢了！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！首先说明一下Tensorboard是个神马东西，官方给出的声明：TensorBoard是一个可视化工具，它可以用来展示网络图、张量的指标变化、张量的分布情况等。特别是在训练网络的时候，我们可以设置不同的参数（比如：权重W、偏置B、卷积层数、全连接层数等），使用T

resumebb
2020-06-10 20:48:58

 10.7w

 229

#tensorflow #深度学习 #python +1
TensorLayer：TensorFlow 上的一站式深度学习与强化学习库

TensorLayer是一个基于TensorFlow的开源深度学习库，解决了Keras灵活性不足和TensorFlow编码繁琐的问题。它提供高层API实现快速建模，同时保持底层透明性，支持灵活修改。性能与原生TensorFlow相当，文档完善且社区活跃，覆盖学术和工业界用户。目前已升级为多后端框架TensorLayerX，支持TensorFlow、PyTorch等6种框架及多种硬件，建议新用户直接

 logikol775
2026-06-13 15:18:04

 332

 10

#深度学习 #tensorflow #人工智能 +1
训练模型（TF）

📌 TensorFlow 训练模型常见导入总结。

2501_94220570
2026-05-28 17:26:22

 91

#tensorflow #人工智能 #python
模型部署

输入↓第一层↓第二层↓输出x = 1.57输入Tensor↓隐藏层Tensor↓输出Tensor这些过程数据都需要内存存放。

2501_94220570
2026-05-31 17:28:34

 227

 6

#tensorflow #人工智能 #python
TensorFlow训练石头剪刀布数据集

本文将演示石头剪刀布图片库的神经网络训练过程。包含了不同的手势图片，来自不同的种族、年龄和性别。注意：指定目录根据自己的实际情况设定。若wget无法下载，尝试使用浏览器手动下载！然后解压下载的数据集。检测数据集的解压结果，打印相关信息。各打印两张石头剪刀布训练集图片调用TensorFlow的keras进行数据模型的训练和评估。Keras是开源人工神经网络库，TensorFlow集成了keras的调

 llfjfz
2023-03-28 20:19:42

 1852

 1

#tensorflow #python
TensorFlow Serving：生产环境的模型推理服务方案

TensorFlow Serving 不是一个新工具，但它解决的问题很实在。模型训练只是第一步，怎么把模型稳定地放到生产环境里持续服务，才是工程团队要长期面对的挑战。它提供了完整的生命周期管理和版本控制机制，对需要在生产环境部署 TensorFlow 模型的团队来说，是一个成熟且经过验证的选择。队要长期面对的挑战。它提供了完整的生命周期管理和版本控制机制，对需要在生产环境部署 TensorFlow

shanyuanlogic241
2026-06-07 19:19:48

 378

 10

#tensorflow #人工智能 #python +1
基于Python和TensorFlow架构的高校手写数字识别系统(设计源文件+万字报告+讲解)（支持资料、图片参考_降重降ai）

全连接层分类:将提取的特征展平，通过全连接层进行分类，输出10个类别的概率分布，最终通过softmax函数得到预测结果。对输入的手写数字图像进行归一化处理，将像素值缩放到0到1之间，确保数据的一致性和模型的稳定性。利用先进的卷积神经网络技术，算法具有极高的识别准确率，确保每个手写数字都能被准确识别。提供直观的结果展示，每次识别的结果都能通过图像展示，方便用户查看和验证。多层卷积操作用于提取图像中的

 北夷烟雪江中雨
2026-06-07 15:32:05

 42

#python #人工智能 #tensorflow
GPflow：基于 TensorFlow 的高斯过程建模库

GPflow是基于TensorFlow的高斯过程建模开源库，提供模块化的核函数、似然函数和推断方法组合。它利用TensorFlow的自动微分和GPU加速能力，支持Python 3.7+，安装简单。文档完善，社区活跃，适用于空间插值、时间序列预测等任务。作为成熟的高斯过程工具，GPflow适合需要概率建模的研究者和工程师，但要求用户具备一定理论基础。其模块化设计和TensorFlow底层支持使其在性

 infosphere40837
2026-06-06 20:40:33

 235

 7

#tensorflow #人工智能 #python +1
基于深度学习卷积神经网络，利用Tensorflow和Keras等工具实现图像年龄和性别检测建立基于深度学习的人脸性别年龄识别评估系统

本文介绍了一个基于深度学习的人脸性别年龄识别系统。该系统采用卷积神经网络(CNN)架构，使用TensorFlow和Keras框架实现。系统主要功能包括：通过人脸图像预测性别(二元分类)和年龄(回归分析)。关键技术步骤包括：1)数据预处理(图像缩放、归一化)；2)构建双输出CNN模型(共享特征提取层，分别输出年龄和性别预测)；3)模型训练与评估(采用MAE评估年龄预测，准确率评估性别分类)。文章提供

 DeepLearningYolo
2026-06-05 17:07:12

 203

 3

#深度学习 #cnn #tensorflow
TensorFlow Object Detection API 环境配置与踩坑记录

↓tf_keras缺失↓升级 TensorFlow 2.14↓tf-slim case/cond 不兼容↓手动补丁修复↓训练启动↓↓定位到 XLA↓发现缺少 CUDA Toolkit↓安装 nvidia-cuda-toolkit↓配置 XLA_FLAGS↓训练恢复正常TFRecord 数据正常pipeline.config 正常SSD 模型正常根因是 TensorFlow XLA 无法找到 lib

shikong2011
2026-06-05 00:00:00

 236

 5

#python #tensorflow
机器学习中的数据形式转换（TensorFlow VS Numpy）

在机器学习中，我们有两个常用的运算库（TensorFlow 和 Numpy），由于库的开发与发展历史的种种原因，他们有着不同的数据形式。用一个外层中括号表示数组，内层的中括号表示数据，每一个内层中括号表示一个数据，而内层中括号中数字的个数表示了数据维度的大小。再者就是数据维度的变换了，在数据训练的过程中，我们常见到对数据维度的变换。所以，当我们去处理数据的时候需要使用 Numpy ，而在模型训练的

 dear6_6
2026-06-03 19:57:46

 272

 8

#机器学习 #人工智能 #numpy +1
在LiCO中实现模型训练

为了获得更加稳健的深度学习训练模型，一些庞大的训练在个人电脑上无法实现，本文主要以在LiCO中实现tensorflow2.0-gpu训练模型为例，为读者提供参考，若文档存在问题，请读者提出宝贵的意见。提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录一、在ubuntu中下载docker二、利用docker下载镜像三、构造自己的容器四、修改容器名，生成镜像五、发布自定义镜像六、

DTTRA
2021-07-15 18:14:24

 1910

 3

#docker #深度学习 #tensorflow
Deepseek-V4-Flash 快速部署与调用指南

在本地部署大语言模型时，很多开发者往往会陷入“环境配不通、权重下不动、跑起来就爆显存”的困境。尤其是面对参数量巨大的模型，如何在有限的硬件资源上实现流畅推理，同时保证对话的连贯性和响应速度，是一个极具挑战性的工程问题。很多时候，我们并不是缺乏算力，而是缺少一套系统化的落地方案，从环境构建到显存优化，每一个环节的疏忽都可能导致整个项目停滞不前。如果你正打算将开源大模型集成到自己的应用中，或者希望在本

 zhiSiBuYu0517
2026-05-27 15:13:59

 674

 9

#神经网络 #深度学习 #tensorflow
如何使用Python和深度学习实现图像识别——从入门到实战

本文介绍了使用Python和TensorFlow/Keras实现图像识别的完整流程。首先讲解环境配置和图像预处理方法，包括RGB转换、尺寸调整和归一化处理。然后提供两种解决方案：1）直接使用MobileNetV2等预训练模型进行零训练识别；2）通过迁移学习自定义训练模型，详细说明数据增强、模型构建、训练调优和评估预测等步骤。文章还涵盖模型保存部署、常见问题解决和模型选择建议，特别强调了预处理匹配、

禅染111
2026-05-27 12:00:00

 398

 5

#python #深度学习 #开发语言 +2
tensorflow2.0-keras-LaneNet车道线检测模型复现细节总结

lanenet模型的复现文章有很多，原文的代码是基于tensorflow1.0版本实现的。本文将在以tensorflow2.0版本为后端的keras上对lanenet模型进行复现，实现细节和原文有出入，但是实现目的和原文是一致的。希望读者能够为本文提出宝贵的建议。

DTTRA
2021-08-29 17:57:04

 2515

 7

#python #tensorflow #深度学习 +1
在微信小游戏中使用tensorflow的face-landmarks-detection

做人脸识别，先要获取面部特征，然后提取面部图片。https://www.npmjs.com/package/@tensorflow-models/face-landmarks-detection查看这个包的源码，发现要下载3个模型文件：facemesh：https://tfhub.dev/mediapipe/tfjs-model/facemesh/1/default/1iris：https://t

火星牛
2021-06-21 18:03:07

 2706

 3

#tensorflow #小程序 #人脸识别 +1
【PyTorch 零基础入门保姆级教程】从安装到实战，小白也能快速学会深度学习框架

PyTorch是Meta开源的深度学习框架，凭借Python风格语法、动态计算图和丰富生态成为新手入门首选。本文提供PyTorch快速安装指南（10分钟完成CPU版本搭建），详解三大核心知识点：张量、自动求导和神经网络模块，并附MNIST手写数字识别完整实战代码。针对常见报错给出解决方案，推荐从基础到进阶的学习路线。PyTorch以其易用性和强大功能，已成为学术界和工业界的标准工具，是深度学习入门

 六月星辰梓
2026-05-26 13:47:06

 599

 10

#深度学习 #pytorch #人工智能 +4
昇腾CANN社区治理：一个PR从提交到合并的全过程

昇腾CANN开源社区通过两个核心仓库（community和cann-agreements）规范贡献流程。贡献者需先签署CLA协议，遵循从Fork到Merge的7步生命周期：签署CLA→Fork仓库→开发测试→提交PR→CI检查→Reviewer审查→Maintainer合并。常见问题包括未签CLA导致PR被拒、缺少DCO签名、PR包含不相关改动等。社区要求代码规范、测试覆盖、commit mess

2501_94386845
2026-05-25 18:39:22

 483

 9

#tensorflow #php
跟着 MDN 学CSS day_16：（深入掌握背景与边框的艺术）

本文深入解析了CSS背景与边框的两个核心任务，通过构建层次感卡片标题和装饰性卡片，展示了关键技术的实战应用。第一部分重点讲解了边框简写、背景尺寸控制（cover vs contain）以及半透明背景增强文字可读性的技巧。第二部分则演示了如何利用border-radius四值语法创建不对称圆角，并通过CSS多重背景功能实现复杂的星星图案布局。文章特别强调了rgba()透明度控制、background

ZCH��
2026-05-25 10:05:26

 556

 12

#css #前端 #tensorflow +2
昇腾NPU的驱动程序，NPU和CPU之间的桥梁

昇腾NPU驱动采用分层架构实现PyTorch调用NPU执行模型。驱动位于CANN架构最底层，分为HDF（驱动框架）、HDK（硬件开发工具包）和Runtime Library（用户态接口）三层。HDF定义驱动标准框架，HDK提供开发工具，Runtime Library是上层框架调用接口。驱动版本不匹配会导致NPU不可用，因为各层接口需要严格兼容。驱动作为硬件抽象层，是连接软件栈与物理硬件的关键桥梁，

2501_94386845
2026-05-24 11:07:45

 404

 4

#transformer #tensorflow #神经网络 +2
cann-recipes-train：4卡Ascend 910训GLM-4-9B的全流程踩坑实录

本文分享了在4张Ascend 910 NPU上微调GLM-4-9B模型时遇到的三大性能瓶颈及优化方案。原生的HuggingFace Trainer实现存在数据加载CPU瓶颈、hccl梯度同步延迟高和显存碎片化问题，导致吞吐仅340 tokens/s。通过采用cann-recipes-train工具链，使用NPU原生数据加载器、优化hccl通信拓扑和显存池化管理，最终将吞吐提升至1120 token

2501_94386845
2026-05-23 16:29:33

 389

 7

#tensorflow