[深度学习] 2018TensorFlow英文版

说明：该文档是英文版2018年最新的tensorflow教程，发布于2018年8月，并且在不断更新，最新版本tensorflow引入了动态图机制，是一个革新点。欢迎大家一起交流学习！
<jinyuan7708> 上传 | 大小：869kb

[深度学习] 2018TensorFlow中文版

说明：该文档是2018年最新的tensorflow教程，发布于2018年8月，并且在不断更新，最新版本tensorflow引入了动态图机制，是一个革新点。欢迎大家一起交流学习！
<jinyuan7708> 上传 | 大小：1mb

[机器学习] 机器视觉线阵系统选型

说明：机器视觉线阵系统选型，涉及相机、镜头、采集卡、光源等配件的选型说明，经验分享
<ivan_suisui> 上传 | 大小：852kb

[机器学习] 小学数学运算题生成器

说明：自动生成运算题，支持加减乘除及混合运算，生成习题的同时还能自动同步生成答案。
<weixin_43159726> 上传 | 大小：77kb

[机器学习] deepbayes-2018-day6

说明：深度学习贝叶斯，这是一份密集的6天速成课程中的第六天的课程内容（内附PPT和jupyter notebook python代码）。 在 Deep|Bayes 夏季课程中，授课人将讨论贝叶斯方法如何结合深度学习，并在机器学习应用中实现更好的结果。近期研究表明贝叶斯方法的利用可以带来许多好处。学生将学到对理解当前机器学习研究非常重要的方法和技术。他们还将体会贝叶斯方法和强化学习之间的联系，学习神经网络的现代随机优化方法和正则化技术。在课程之后，授课人还设置了实践环节。 备注：由于文件上传大小限制，故
<u013468614> 上传 | 大小：23mb

[机器学习] deepbayes-2018-day5

说明：深度学习贝叶斯，这是一份密集的6天速成课程中的第五天的课程内容（内附PPT和jupyter notebook python代码）。 在 Deep|Bayes 夏季课程中，授课人将讨论贝叶斯方法如何结合深度学习，并在机器学习应用中实现更好的结果。近期研究表明贝叶斯方法的利用可以带来许多好处。学生将学到对理解当前机器学习研究非常重要的方法和技术。他们还将体会贝叶斯方法和强化学习之间的联系，学习神经网络的现代随机优化方法和正则化技术。在课程之后，授课人还设置了实践环节。 备注：由于文件上传大小限制，故
<u013468614> 上传 | 大小：29mb

[机器学习] deepbayes-2018-day4

说明：深度学习贝叶斯，这是一份密集的6天速成课程中的第四天的课程内容（内附PPT和jupyter notebook python代码）。 在 Deep|Bayes 夏季课程中，授课人将讨论贝叶斯方法如何结合深度学习，并在机器学习应用中实现更好的结果。近期研究表明贝叶斯方法的利用可以带来许多好处。学生将学到对理解当前机器学习研究非常重要的方法和技术。他们还将体会贝叶斯方法和强化学习之间的联系，学习神经网络的现代随机优化方法和正则化技术。在课程之后，授课人还设置了实践环节。 备注：由于文件上传大小限制，故
<u013468614> 上传 | 大小：27mb

[机器学习] deepbayes-2018-day3

说明：深度学习贝叶斯，这是一份密集的6天速成课程中的第三天的课程内容（内附PPT和jupyter notebook python代码）。 在 Deep|Bayes 夏季课程中，授课人将讨论贝叶斯方法如何结合深度学习，并在机器学习应用中实现更好的结果。近期研究表明贝叶斯方法的利用可以带来许多好处。学生将学到对理解当前机器学习研究非常重要的方法和技术。他们还将体会贝叶斯方法和强化学习之间的联系，学习神经网络的现代随机优化方法和正则化技术。在课程之后，授课人还设置了实践环节。 备注：由于文件上传大小限制，故
<u013468614> 上传 | 大小：19mb

[机器学习] 贝叶斯网络学习及数据分类研究

说明：西安电子科技大学李艳颖提出了学习高维网络结构的混合算法，探讨了含隐变量和选择变量的贝叶斯网络的本质图及等价转化问题. 并针对数据分类问题，构建了一个贝叶斯网络分类器模型，同时研究了k- 最近邻分类器的k值选择问题。
<destinyzhoujunyu> 上传 | 大小：1mb

[机器学习] deepbayes-2018-day2

说明：深度学习贝叶斯，这是一份密集的6天速成课程中的第二天的课程内容（内附PPT和jupyter notebook python代码）。 在 Deep|Bayes 夏季课程中，授课人将讨论贝叶斯方法如何结合深度学习，并在机器学习应用中实现更好的结果。近期研究表明贝叶斯方法的利用可以带来许多好处。学生将学到对理解当前机器学习研究非常重要的方法和技术。他们还将体会贝叶斯方法和强化学习之间的联系，学习神经网络的现代随机优化方法和正则化技术。在课程之后，授课人还设置了实践环节。 备注：由于文件上传大小限制，故
<u013468614> 上传 | 大小：32mb

[机器学习] deepbayes-2018-day1

说明：深度学习贝叶斯，这是一份密集的6天速成课程中的第一天的课程内容（内附PPT和jupyter notebook python代码）。 在 Deep|Bayes 夏季课程中，授课人将讨论贝叶斯方法如何结合深度学习，并在机器学习应用中实现更好的结果。近期研究表明贝叶斯方法的利用可以带来许多好处。学生将学到对理解当前机器学习研究非常重要的方法和技术。他们还将体会贝叶斯方法和强化学习之间的联系，学习神经网络的现代随机优化方法和正则化技术。在课程之后，授课人还设置了实践环节。 备注：由于文件上传大小限制，故
<u013468614> 上传 | 大小：55mb

[机器学习] labelme数据增强

说明：用该文件可以实现以下功能: 用labelme工具打1张图片的标签,生成1.png和1.json 在终端中运行命令python a.py生成20张数据增强后的图片及其对应的json文件,包括翻转,加噪,模糊,加减曝光等图片 在终端中运行python labelme2COCO.py生成COCO格式数据集,可以进行mask-rcnn 和faster-rcnn 等的输入数据集
<xiaoshengsinian> 上传 | 大小：684kb