ग्राफिक्स के लिए अलग-अलग परतें।
import numpy as np import tensorflow as tf import trimesh import tensorflow_graphics.geometry.transformation as tfg_transformation from tensorflow_graphics.notebooks import threejs_visualization # Download the mesh. !wget https://storage.googleapis.com/tensorflow-graphics/notebooks/index/cow.obj # Load the mesh. mesh = trimesh.load("cow.obj") mesh = {"vertices": mesh.vertices, "faces": mesh.faces} # Visualize the original mesh. threejs_visualization.triangular_mesh_renderer(mesh, width=400, height=400) # Set the axis and angle parameters. axis = np.array((0., 1., 0.)) # y axis. angle = np.array((np.pi / 4.,)) # 45 degree angle. # Rotate the mesh. mesh["vertices"] = tfg_transformation.axis_angle.rotate(mesh["vertices"], axis, angle).numpy() # Visualize the rotated mesh. threejs_visualization.triangular_mesh_renderer(mesh, width=400, height=400)
TensorFlow ग्राफ़िक्स का उद्देश्य अलग-अलग ग्राफ़िक्स परतों (जैसे कैमरा, परावर्तन मॉडल, मेष कनवल्शन) और 3D व्यूअर फ़ंक्शंस (जैसे 3D TensorBoard) का एक सेट प्रदान करके समुदाय के लिए उपयोगी ग्राफ़िक्स फ़ंक्शंस को व्यापक रूप से सुलभ बनाना है, जिनका उपयोग आपके मशीन लर्निंग मॉडल में किया जा सकता है। पसंद।
पिछले कुछ वर्षों में उपन्यास विभेदक ग्राफिक्स परतों में वृद्धि देखी गई है जिन्हें तंत्रिका नेटवर्क आर्किटेक्चर में डाला जा सकता है। स्थानिक ट्रांसफॉर्मर से लेकर अलग-अलग ग्राफिक्स रेंडरर्स तक, ये नई परतें उपन्यास और अधिक कुशल नेटवर्क आर्किटेक्चर बनाने के लिए कंप्यूटर विज़न और ग्राफिक्स अनुसंधान के वर्षों में प्राप्त ज्ञान का लाभ उठाती हैं। मशीन लर्निंग मॉडल में ज्यामितीय पुजारियों और बाधाओं को स्पष्ट रूप से मॉडलिंग करने से आर्किटेक्चर के द्वार खुलते हैं जिन्हें आत्म-पर्यवेक्षित फैशन में मजबूती से, कुशलता से और अधिक महत्वपूर्ण रूप से प्रशिक्षित किया जा सकता है।
आरंभ करने के लिए, अधिक विस्तृत सिंहावलोकन , स्थापना मार्गदर्शिका , और API देखें।
पिछले कुछ वर्षों में उपन्यास विभेदक ग्राफिक्स परतों में वृद्धि देखी गई है जिन्हें तंत्रिका नेटवर्क आर्किटेक्चर में डाला जा सकता है। स्थानिक ट्रांसफॉर्मर से लेकर अलग-अलग ग्राफिक्स रेंडरर्स तक, ये नई परतें उपन्यास और अधिक कुशल नेटवर्क आर्किटेक्चर बनाने के लिए कंप्यूटर विज़न और ग्राफिक्स अनुसंधान के वर्षों में प्राप्त ज्ञान का लाभ उठाती हैं। मशीन लर्निंग मॉडल में ज्यामितीय पुजारियों और बाधाओं को स्पष्ट रूप से मॉडलिंग करने से आर्किटेक्चर के द्वार खुलते हैं जिन्हें आत्म-पर्यवेक्षित फैशन में मजबूती से, कुशलता से और अधिक महत्वपूर्ण रूप से प्रशिक्षित किया जा सकता है।
आरंभ करने के लिए, अधिक विस्तृत सिंहावलोकन , स्थापना मार्गदर्शिका , और API देखें।
