مؤتمر Google I / O هو التفاف! تابع جلسات TensorFlow اعرض الجلسات

طبقات مختلفة للرسومات.

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)
تشغيل في جهاز كمبيوتر محمول
أهداف TensorFlow الرسومات في صنع الرسومات وظائف مفيدة يمكن الوصول إليها على نطاق واسع في المجتمع من خلال توفير مجموعة من الطبقات الرسومات اختلاف (مثل الكاميرات، ونماذج الانعكاس، شبكة تلافيف) وظائف المشاهد 3D (على سبيل المثال 3D TensorBoard) التي يمكن استخدامها في جهازك نماذج التعلم خيار.

شهدت السنوات القليلة الماضية ارتفاعًا في طبقات الرسومات الجديدة القابلة للتفاضل والتي يمكن إدراجها في بنيات الشبكات العصبية. من المحولات المكانية إلى عارضين الرسومات التفاضلية ، تستفيد هذه الطبقات الجديدة من المعرفة المكتسبة على مدار سنوات من رؤية الكمبيوتر وأبحاث الرسومات لبناء هياكل شبكات جديدة وأكثر كفاءة. تفتح النمذجة المسبقة والقيود الهندسية في نماذج التعلم الآلي الباب أمام البنى التي يمكن تدريبها بقوة وكفاءة والأهم من ذلك ، بطريقة تخضع للإشراف الذاتي.

للبدء، نرى أكثر تفصيلا نظرة عامة ، و دليل التركيب ، و API .