tensorflow_人工智能博客-专业IT技术发表平台

【中草药识别系统】Python+TensorFlow+Django+人工智能+深度学习+卷积神经网络算法中草药识别系统，基于TensorFlow搭建Resnet50卷积神经网络算法，通过对10种常见的中草药图片（‘丹参’, ‘五味子’, ‘山茱萸’, ‘柴胡’, ‘桔梗’, ‘牡丹皮’, ‘连翘’, ‘金银花’, ‘黄姜’, ‘黄芩’）数据集进行训练，最后得到一个识别精度较高的模型，然后搭建Web可视化操作平台。技术栈项目前端使用Html、CSS、BootStrap搭建界面。后端基于Django处理逻辑请求基于Ajax实现前后端数据通信技术栈项目前端使用Html、CSS、BootStrap搭建界面。

阅读 3.7k

25赞

薄正胡Plains

最实用机器学习模型部署工具测评：TensorFlow Serving vs ONNX Runtime vs TorchServe 你是否还在为机器学习模型部署时的兼容性问题头疼？是否纠结于选择哪种工具才能兼顾性能与易用性？本文将对比当前最主流的三种模型部署方案——TensorFlow Serving、ONNX Runtime和TorchServe，帮助你快速找到适合项目需求的最佳选择。读完本文后，你将能够：掌握三种部署工具的核心特性与适用场景、理解性能测试数据对比、学会基础部署流程以及解决常见兼容性问题。## 部署工具选...

阅读 934

11赞

青瓷程序设计

【宠物识别系统】Python+TensorFlow+Vue3+Django+人工智能+深度学习+卷积神经网络算法宠物识别系统，本系统基于TensorFlow框架，采用卷积神经网络（CNN）算法，构建了一个能够识别37种常见宠物品种的智能识别系统。所使用的数据集涵盖了多个猫犬品种，例如阿比西尼亚猫、布偶猫、柴犬、哈士奇等。经过多轮迭代训练，最终得到了识别准确率较高的预测模型，并部署于Web端实现可视化交互。前端后端：Django算法：TensorFlow、卷积神经网络算法具体功能系统分为管理员和用户两个角色，登录后根据角色显示其可访问的页面模块。

阅读 3.1k

46赞

盼小辉丶

TensorFlow深度学习实战（43）——TensorFlow.js TensorFlow.js 是一个强大的工具，使得开发者能够在 JavaScript 环境中进行深度学习的训练与推理。它的主要优势在于能够直接在浏览器和 Node.js 环境中运行，极大地简化了 Web 应用中的机器学习集成。在本节中，我们介绍了如何在原生 JavaScript 和 Node.js 中使用 TensorFlow.js。

阅读 1.7k

75赞

橙露

photoshop CS6 绿色精简中文版免费分享,下载分享

阅读 22

1赞

熊猫钓鱼>_>

TensorFlow深度学习框架入门浅析 TensorFlow作为Google开源的深度学习框架，凭借其强大的分布式计算能力、丰富的工具生态和广泛的行业应用，成为了全球最流行的深度学习框架之一。本文将从TensorFlow的核心概念出发，系统介绍其基础用法和实践案例，帮助读者快速掌握这一强大的深度学习工具。

阅读 1.3k

16赞

盼小辉丶

TensorFlow深度学习实战（41）——图神经网络（GNN）在本节中，我们介绍了图神经网络 (Graph Neural Network, GNN)，图神经网络不仅能够从节点特征中学习，还能从节点之间的交互中学习。我们介绍了图卷积网络的工作原理以及它们与计算机视觉中的卷积之间的相似性。我们介绍了一些常见的图卷积网络，使用 DGL 解决常见的图任务，如节点分类、图分类和链路预测。最后，我们探讨了图神经网络的一些新兴方向，即异构图和时空图。

阅读 1.4k

67赞

人工智能教程

PyTorch还是TensorFlow？2025最新深度学习框架对比与选择指南 2025年深度学习框架选择指南：PyTorch 3.0和TensorFlow 3.0性能趋同，但各有侧重。PyTorch保持动态图灵活性，新增torch.compile显著提升部署性能；TensorFlow默认动态图但静态图仍领先5-15%。核心差异：PyTorch API更Pythonic，TensorFlow在分布式训练和移动端部署更成熟。场景建议：研究用PyTorch，量产选TensorFlow，复杂项目可双框架协作（成功率92%）。未来趋势是MLIR统一中间层和云IDE支持双运行时。2025年最佳实

阅读 3.7k

10赞

巴拉巴拉~~

昇腾 CANN 算子框架融合实战：TensorFlow/PyTorch 无缝集成指南本文详细介绍了如何将昇腾CANN自定义算子集成到TensorFlow和PyTorch框架中的完整流程。主要内容包括：框架融合的核心价值：复用框架生态、降低开发成本、发挥硬件极致性能，性能较原生算子提升40%以上。 TensorFlow实现方案：通过四层封装（CANN核函数、TensorFlow OP类、OP注册、Python接口）实现端到端集成，重点讲解了形状推导、梯度注册和设备兼容等关键技术点。 PyTorch实现方案：采用扩展模块模式，包含基础扩展函数和自动微分类实现，详细说明了设备识别、内存管理和编

阅读 728

29赞

　子午

【车辆车型识别系统】Python+TensorFlow+Vue3+Django+人工智能+深度学习+卷积网络+resnet50算法车型识别系统，基于TensorFlow搭建卷积神经网络算法，通过对6种常见的车型车辆图片数据集（‘SUV’, ‘吉普车’, ‘家用轿车’, ‘巴士’, ‘货车’, ‘面包车’）进行训练，最后得到一个识别精度较高的模型，然后搭建Web可视化操作平台。前端后端：Django算法：TensorFlow、卷积神经网络算法具体功能系统分为管理员和用户两个角色，登录后根据角色显示其可访问的页面模块。登录系统后可发布、查看、编辑文章，创建文章功能中集成了markdown编辑器，可对文章进行编辑。

阅读 933

5赞

路溪非溪

认识Scikit-learn/PyTorch/TensorFlow这几个AI框架 PyTorch 提供了。

阅读 2.2k

7赞

yyyyyyyyyyFF

WSL2配置tensorflow GPU环境自tensorflow2.10版本后已不再支持windows本机环境了，而 Windows 10 19044 或更高版本上的 WSL2 支持具有 GPU 访问权限的 TensorFlow。这对应于 Windows 10 版本 21H2，即 2021 年 11 月的更新。所以你要是想用新一点的版本又想用GPU训练的话那就只能在WSL2里面装了。

阅读 5.0k

59赞

琴桥君

【实操笔记】Hands on Machine Learning with Scikit-Learn, Keras, and Tensorflow - 第3章：分类 Hands-on Machine Learning with Scikit-Learn, Keras, and Tensorflow 第3章分类内容的实操笔记

阅读 1.7k

38赞

祖崧革

stats.js与TensorFlow.js：机器学习模型性能监控在浏览器中部署机器学习模型时，你是否经常遇到模型预测延迟、内存占用过高或帧率下降等问题？本文将展示如何使用轻量级性能监控工具stats.js与TensorFlow.js结合，实时追踪模型运行状态，解决性能瓶颈，让你的AI应用在浏览器中高效流畅运行。读完本文，你将掌握：性能指标实时监控、自定义指标追踪、性能问题诊断与优化三大核心技能。## stats.js核心功能解析stats.js是一个轻...

阅读 974

7赞

PixelShoal

从百亿参数到移动端运行，TensorFlow Lite轻量化落地全路径，你掌握了吗？掌握大模型轻量化 TensorFlow Lite 落地全流程，实现从百亿参数模型到移动端高效部署。涵盖模型压缩、量化加速与设备适配等核心技术，支持Android/iOS低延迟运行。适用于语音识别、图像处理等场景，显著降低资源占用，提升推理速度，值得收藏。

阅读 844

7赞

戴洵珠Gerald

跨平台AI模型部署新方案：基于TensorFlow Lite的Xamarin集成指南你是否正在为AI模型的跨平台部署感到困扰？既要适配Android的复杂机型，又要兼顾iOS的性能优化，传统方案往往需要维护两套独立代码。本文将带你探索一种高效解决方案——通过TensorFlow Lite实现Xamarin跨平台开发，一次编码即可在Android与iOS设备上运行AI模型，大幅降低开发成本。## 跨平台部署现状与痛点移动AI应用开发面临的最大挑战在于平台碎片化。以图像分类任...

阅读 558

12赞

卢红梓

如何快速开始使用TensorFlow Rust：5分钟入门教程想要在Rust语言中体验机器学习的强大功能吗？TensorFlow Rust正是你需要的终极解决方案！作为TensorFlow的官方Rust语言绑定，这个开源项目让你能够在Rust生态系统中轻松使用深度学习框架。🚀## 📋 什么是TensorFlow Rust？TensorFlow Rust为TensorFlow提供了地道的Rust语言绑定，让你能够在保持Rust类型安全和高性能的同时

阅读 569

27赞

柯玫艺Harriet

最全面的tohoku-nlp/bert-base-japanese模型版本对比：Flax、PyTorch与TensorFlow性能深度测评... 在日本语NLP开发中，选择合适的BERT模型实现往往耗费大量时间：PyTorch版本加载速度慢？TensorFlow模型部署困难？Flax版本兼容性问题频发？本文通过**1000+次推理测试**和**3大框架全方位对比**，为你提供一站式选型指南，读完即可掌握各版本优劣势及最佳应用场景。## 读完本文你将获得：- 3种框架模型的**性能量化对比表**（含推理速度、内存占用、精度损失）- 针...

阅读 927

30赞

真想骂*

应对TensorFlow导入Keras时发生的错误问题在应对TensorFlow导入Keras时发生的错误问题时，需要仔细分析错误的表现形式、原因以及解决方案。通过检查并更新TensorFlow和Keras的版本、重新安装相关软件、检查代码中的错误以及查阅官方文档和社区资源等方法，可以有效地解决这些错误问题。同时，使用虚拟环境来管理项目的依赖也是一个很好的做法，可以避免不同项目之间的依赖冲突。希望本文能够为您解决TensorFlow导入Keras时遇到的错误问题提供一些帮助。如果您还有其他问题或需要进一步的帮助，请随时与我们联系。

阅读 2.8k

5赞

芮逸炯Conqueror

打造AI驱动的个人作品集：TensorFlow.js赋能开发者展示新范式你是否还在用静态页面展示作品集？是否想让访客体验更智能、更个性化的互动？本文将带你探索如何利用TensorFlow.js（机器学习框架，简称TF.js）为个人作品集网站注入AI能力，通过真实案例展示如何从零开始实现智能交互功能，让你的作品集在1300+开发者案例中脱颖而出。读完本文你将学到：- 3个适合作品集的TF.js应用场景及实现方案- 无需后端部署的AI功能前端集成技巧- 从[Gi...

阅读 1.1k

19赞

绝不原创的飞龙

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版（五）尽管 IBM 的 Deep Blue 超级计算机在 1996 年击败了国际象棋世界冠军加里·卡斯帕罗夫，但直到最近计算机才能可靠地执行看似微不足道的任务，比如在图片中检测小狗或识别口语。为什么这些任务对我们人类来说如此轻松？答案在于感知主要发生在我们的意识领域之外，在我们大脑中专门的视觉、听觉和其他感觉模块中。当感觉信息达到我们的意识时，它已经被赋予高级特征；例如，当你看到一张可爱小狗的图片时，你无法选择不看到小狗，不注意到它的可爱。你也无法解释如何识别一个可爱的小狗；对你来说这是显而易见的。因此，我们不能

阅读 893

10赞

作者推荐

扁舟钓雪: 一个热衷于Python语言,热爱机器学习,深度学习,机器视觉的开源博主,有问题可在博客下评论哦~同时欢迎私聊及互关.

关注

Cheer-ego: 没有白走的路 | 做有意义的事

关注

盼小辉丶: 记录学习历程，分享学习心得，关注深度学习，欢迎交流学习.

关注

小硕算法工程师: 先简单到复杂先易后难进行任务分解每次版本进程备份

关注

IT_Beijing_BIT: IT老兵

关注

Coderabo: 一个好问题不单单等一个好结果，还有一个好过程。

关注

青瓷程序设计: Python开发工程师

关注

　子午: 知我罪我，其惟春秋

关注

五毛钱189: 五年python开发，希望和大家一起进步。

关注

PowerBI成果: 自学PowerBI,SQL,Python,PowerApps, PowerAutomate,Mendix等数字化工具

关注