本书是原书的第二版Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow-2E代码实现，最新的用tensorflow2.0来实现

1、使用tensorflow_datasets tensorflow_datasets是一个非常有用的库，其中包含了很多数据集，通过运行： tfds.list_builders() 可以查看其中包含的所有数据集。 导入需要的库 import os import numpy as np import tensorflow as tf import matplotlib.pyplot as plt import tensorflow_datasets as tfds 加载数据集 (raw_train, raw_validation, raw_test), metadata = tfds.loa

一 实现思路 1. 加载 MNIST 数据集，得到训练集与测试集 2. 将训练集与测试集转换为DataSet对象 3. 将数据顺序打散 避免每次读取数据顺序相同，使得模型记住训练集的一些特点，降低模型泛化能力。 4. 设置批训练 从训练集总数中随机抽取batchsize个样本，来进行模型训练，相比于使用所用样本构建模型，批训练花费的时间更少，计算效率更高。每训练一个次，就叫一个step，当经历若干个step使得把训练集所有样本训练过以后，那叫一个epoch 5. 数据预处理 图片像素值进行标准化，使得处于0到1的区间 图片的类别转化成one-hot编码 图片的标签是数字0到数字10，是属于多分

本资源为北京大学周健老师《人工智能实践：Tensorflow笔记2》课程公开资料，内含课件及课程源码。

nlpgnn 包装说明 自然语言处理领域当前正在发生巨大变化，近年来，已经提出了许多出色的模型，包括BERT，GPT等。 同时，图形神经网络作为一种精美的设计正在诸如TextGCN和Tensor-TextGCN等自然语言处理领域中不断使用。 该工具箱专用于自然语言处理，希望以最简单的方式实现模型。 关键字：NLP； 神经网络 楷模： 伯特 阿尔伯特 GPT2 TextCNN Bilstm +注意 GCN，GAN 杜松子酒 TextGCN，TextSAGE 示例（有关更多详细信息，请参见测试）： BERT-NER（中英文版） BERT-CRF-NER（中英文版） BERT-CLS

tensorflow2.0 Gpu版本，在cuda11.0 cudnn8.0-vs2019 下编译，需要依赖cuda11.0和cudnn8.0.

其中最主要介绍tensorflow的基础教程，详细明了，包括从基础到实战的视频教程，数学讲解清晰，包括resnet，rnn，goolenet，lstm，域对抗等网络的搭建实战，是有偿的，需要的可以联系我（Chovy-QW），很值得看。

简易石头剪刀布tensorflow2.0学习检测软件，并使用已经训练好的模型判别石头剪刀布

SSD模模型的tensorflow2版本，有需要的可以看

import matplotlib.pyplot as plt from tensorflow import keras import tensorflow as tf import matplotlib as mpl import pandas as pd import numpy as np import sklearn import time import sys import os # 加载数据 from sklearn.datasets import fetch_california_housing housing = fetch_california_housing() print