TensorFlow 2.0是对1.x版本做了一次大的瘦身，Eager Execution默认开启，并且使用Keras作为默认高级API，这些改进大大降低的TensorFlow使用难度。本文主要记录了一次曲折的使用Keras+TensorFlow2.0的B

我们不难发现机器学习可以比以往更快、更准确地回答问题。它在更多的关键任务中得到应用，因此了解如何推进行预测变得越来越重要。在这篇文章中，我们将使用开源机器学习框架TensorFlow的Keras API构建一个神经网络模型。模型经过训练，我们让它与可解释性

在标准TensorFlow库中，计算规范根据计算图静态地完成，并且它与计算图地执行相分离。这个编程地模型被称为lazy、deferred、dynamic或者asynchronous。以命令式编写代码：系统每执行一行代码就会得到一个可用的结果。在tensor

在这篇文章中，作者将向您展示如何通过在FloydHub上使用TensorFlow进行迁移学习，从而教您自己的Cozmo机器人识别日常物体。安装Cozmo Python SDK，创建一个新的virtualenv，并将cozmo-tensorflow项目克隆到

TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统，其命名来源于本身的运行原理。Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow为张量从流图的一端流动到另一端计算过程。Tens

去年，谷歌推出面向移动端和嵌入式的神经网络计算框架TensorFlow Lite，将这股潮流继续往前推。TensorFlow Lite如何进行操作？本文将介绍TFLite在有道云笔记中用于文档识别的实践过程，以及 TFLite 都有些哪些特性，供大家参考。

有一个令人震惊的事实，即人工智能和机器学习的工具和技术在近期迅速兴起。深度学习，或者说“注射了激素的机器学习”，数据科学家和机器学习专家在这个领域有数不胜数等可用的库和框架。Theano、Keras、 TensorFlow 是几个基于 Python 构建的

在深度学习的历史上，神经网络的方法在1980-1990年之后开始明显地发挥效力，在数据量、计算力的推动下，用深度学习神经网络的方法使得我们在研究和开发上获得了比其它方法更高的准确率。在2011年之前，深度学习的方法能达到的图像误识率都是26%，而在今天这个