ग्राफिक्स के लिए अलग परतों।

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)
एक नोटबुक में चलाएँ
TensorFlow ग्राफिक्स का उद्देश्य विभिन्न ग्राफिक्स परतों (जैसे कैमरे, परावर्तन मॉडल, मेष संकल्प) और 3D व्यूअर फ़ंक्शंस (जैसे 3D TensorBoard) का एक सेट प्रदान करके उपयोगी ग्राफिक्स फ़ंक्शंस को समुदाय के लिए व्यापक रूप से सुलभ बनाना है, जिनका उपयोग आपके मशीन लर्निंग मॉडल में किया जा सकता है पसंद।

पिछले कुछ वर्षों में उपन्यास भिन्न ग्राफिक्स परतों में वृद्धि देखी गई है जो तंत्रिका नेटवर्क आर्किटेक्चर में डाली जा सकती है। स्थानिक ट्रांसफॉर्मर से अलग-अलग ग्राफिक्स रेंडरर्स के लिए, ये नई परतें उपन्यास और अधिक कुशल नेटवर्क आर्किटेक्चर बनाने के लिए कंप्यूटर विजन और ग्राफिक्स रिसर्च के वर्षों में अर्जित ज्ञान का लाभ उठाती हैं। स्पष्ट रूप से ज्यामितीय पुजारियों और मशीन लर्निंग मॉडल में बाधाओं को मॉडलिंग करने से आर्किटेक्चर के द्वार खुल जाते हैं, जिन्हें स्व-देखरेख में मजबूत, कुशलतापूर्वक और अधिक महत्वपूर्ण रूप से प्रशिक्षित किया जा सकता है।

आरंभ करने के लिए, अधिक विस्तृत अवलोकन , इंस्टॉलेशन गाइड और एपीआई देखें