[深度学习] torchvision-0.7.0-py38_cu102.tar.bz2

说明：安装pytorch时，torchvision独立于torch。torchvision包由流行的数据集（torchvision.datasets）、模型架构(torchvision.models)和用于计算机视觉的常见图像转换组成t(torchvision.transforms)。
<weixin_40571814> 在 上传 | 大小：6291456

[机器学习] kconfig-frontends-4.11.0.1.tar.bz2

说明：px4 make menuconfig工具；三步骤：1）./configure 2) make 3) sudo make install
<niu_88> 在 上传 | 大小：443392

[机器学习] 贝叶斯+EM算法实现代码（python+详细注释）

说明：贝叶斯图像分割python实战，EM算法图像分割Python实战代码+详细注释，演示PPT及数据打包。相关讲解地址： https://blog.csdn.net/sinat_35907936/article/details/109266603 https://blog.csdn.net/sinat_35907936/article/details/109167111 https://blog.csdn.net/sinat_35907936/article/details
<sinat_35907936> 在 上传 | 大小：4194304

[机器学习] nuXmv-2.0.0-win64.tar.gz

说明：nuXmv是一种新的符号模型检查器，用于分析同步有限状态和有限状态系统。 nuXmv扩展NuSMV沿着两个主要方向: 对于有限状态的情况，nuXmv具有基于最先进的基于SAT的算法的强大验证引擎。 对于无限状态的情况，nuXmv具有基于SMT的验证技术，通过与数学5。 查看的完整列表特征由nuXmv提供，或者看看用户手册。 nuXmv目前以二进制形式获得许可，用于非商业或学术目的。
<qq_37400312> 在 上传 | 大小：35651584

[机器学习] 多元时间序列数据集资料

说明：该数据集描述包括样本数量、类别数、特征数、时间序列长度，除了Libras数据集的时间序列长度为等长的，其他数据集时间序列长度为不等长。
<zhenglei_wei> 在 上传 | 大小：317718528

[深度学习] GRU的matlab时间序列神经网络

说明：门控循环单元是循环神经网络LSTM的一种变体，通常用于时间序列的预测。与LSTM的门机制相比较，GRU模型更简单，只有两个门，分别是更新门、重置门
<zhenglei_wei> 在 上传 | 大小：458752

[深度学习] 模型剪枝2015-2020论文合集|已分类已整理

说明：模型剪枝领域，2015-2020论文合集，根据github上awesome-pruning 下载整理的，包括基本所有的论文和综述，已分类整理重命名（如CVPR2020-论文名）十分全，强烈建议下载阅读~
<qq_31622015> 在 上传 | 大小：87031808

[机器学习] nlp_project.zip

说明：基于Word2Vec的词向量空间模型，包括对文本预料的预处理，去停用词，分词以及训练等，可以基于语料查询词汇相似度，对词向量进行降维显示。
<qq_45194222> 在 上传 | 大小：8192

[机器学习] 相机专家-LACM系列相机使用说明

说明：相机专家-LACM系列相机使用说明，dalsa线扫相机DEMO说明，CamExpert界面说明，工业视觉
<u012400386> 在 上传 | 大小：3145728

[深度学习] 基于PyTorch的口罩检测与分类mask_detection代码详解

说明：针对口罩检测，进行调研，包括了分类器的设计，人脸检测的设计。 其中主要分为两阶段，先是人脸检测，然后将检测到的人脸，进行二分类，标签为戴口罩，不戴口罩。包括了pytorch的代码，ppt的讲解，技术文档。 人脸识别是MTCNN，然后分类可以自己训练，我采用的是ResNet-18.
<qq_32998593> 在 上传 | 大小：51380224

[VR] 开源激光SLAM优质论文

说明：开源激光SLAM优质论文，包括carto,lio,loam,lego-loam,lio-sam,gmapping,hector-slam
<Start_From_Scratch> 在 上传 | 大小：20971520

[深度学习] 基于PyTorch的口罩检测与分类mask_detection代码详解.zip

说明：针对口罩检测，进行调研，包括了分类器的设计，人脸检测的设计。 其中主要分为两阶段，先是人脸检测，然后将检测到的人脸，进行二分类，标签为戴口罩，不戴口罩。包括了pytorch的代码，ppt的讲解，技术文档。 人脸识别是MTCNN，然后分类可以自己训练，我采用的是ResNet-18.
<qq_32998593> 在 上传 | 大小：4194304