Variational convnets with tfprobability
在贝叶斯神经网络中，层权重是分布，而不是张量。使用 tfprobability（TensorFlow Probability 的 R 包装器），我们可以构建具有概率层的常规 Keras 模型，从而“免费”获得不确定性估计。在这篇文章中，我们展示了如何定义、训练和从概率卷积神经网络中获得预测。
TensorFlow 2.0 is here - what changes for R users?
TensorFlow 2.0 终于在上周发布了。作为 R 用户，我们有两种问题。首先，我的 keras 代码还能运行吗？其次，有什么变化？在这篇文章中，我们将回答这两个问题，然后介绍 r-tensorflow 生态系统中令人兴奋的新发展。
深度学习模型 - 来自 Google AI Research 的 BERT - 在各种自然语言处理 (NLP) 任务中取得了最先进的成果。在本教程中，我们将展示如何使用 Keras 从 R 加载和训练 BERT 模型。
So, how come we can use TensorFlow from R?
您是否曾经想过为什么可以从 R 调用 TensorFlow（通常称为 Python 框架）？如果没有 - 那应该是这样的，因为 R 包 keras 和 tensorflow 旨在使这个过程对用户尽可能透明。但要让它们成为这些有用的精灵，首先必须有人驯服 Python。
Discrete Representation Learning with VQ-VAE and TensorFlow Probability
在考虑变分自动编码器 (VAE) 时，我们通常会将先验描绘为各向同性的高斯。但这绝不是必需的。van den Oord 等人的“神经离散表示学习”中描述的矢量量化变分自动编码器 (VQ-VAE) 具有离散潜在空间，可以学习令人印象深刻的简洁潜在表示。在这篇文章中，我们结合了 Keras、TensorFlow 和 TensorFlow Probability 的元素，看看我们是否可以生成与 Kuzushiji-MNIST 中的字母相似的令人信服的字母。
Getting started with TensorFlow Probability from R
TensorFlow Probability 提供了广泛的功能，从概率网络层上的分布到概率推理。它与核心 TensorFlow 和 (TensorFlow) Keras 无缝协作。在这篇文章中，我们简要介绍了分布层，然后使用它在变分自动编码器中采样和计算概率。
Image-to-image translation with pix2pix
条件 GAN (cGAN) 可用于根据另一种对象生成一种类型的对象 - 例如，基于照片的地图或基于黑白的彩色视频。在这里，我们展示了如何使用 Keras 和 Eager Execution 实现 pix2pix 方法。
Getting started with deep learning in R
许多领域都受益于深度学习的使用，借助 R keras、tensorflow 和相关软件包，您现在可以轻松地在 R 中进行最先进的深度学习。在这篇文章中，我们想提供一些关于如何最好地开始的指导。
Classifying physical activity from smartphone data
使用 Keras 训练卷积神经网络来对身体活动进行分类。该数据集是根据 30 名受试者在携带腰部安装的内置惯性传感器智能手机时进行基本活动和姿势转换的记录构建的。
Analyzing rtweet Data with kerasformula
kerasformula 包为 R 接口提供了 Keras 的高级接口。它的主要接口是 kms 函数，这是一个使用公式和稀疏矩阵的 keras_model_sequential 的回归式接口。我们使用 kerasformula 根据推文的转发和收藏频率来预测推文的受欢迎程度。
Getting the GPU usage of NVIDIA cards with the Linux dstat tool
dstat 是一个很棒的小工具，它允许您获取 Linux 机器的资源统计信息。它具有模块化架构，允许您开发其他插件，并且易于使用。最近，我正在分析使用 Keras 和 Tensorflow 开发的深度学习管道，我需要有关 […] 的详细统计数据
