[机器学习] dlib-19.19.tar.bz2

说明：Dlib是一个现代化的C ++工具箱，其中包含用于在C ++中创建复杂软件以解决实际问题的机器学习算法和工具，被广泛用于工业界和学术界。
<TracelessLe> 上传 | 大小：10mb

[深度学习] pytorch-1.6.0.dev20200531-py3.7_cuda10.2.89_cudnn7.6.5_0.tar.bz2

说明：本版本是当前最新开发版本。PyTorch是一个开源的Python机器学习库，基于Torch，用于自然语言处理等应用程序。2017年1月，由Facebook人工智能研究院（FAIR）基于Torch推出了PyTorch。它是一个基于Python的可续计算包，提供两个高级功能：1、具有强大的GPU加速的张量计算（如NumPy）。2、包含自动求导系统的的深度神经网络。
<TracelessLe> 上传 | 大小：466mb

[深度学习] CGAN生成MNIST手写数据

说明：使用tensorflow2.0中的keras进行的CGAN生成MNIST手写图片的尝试，是本人一篇博客的全文代码
<liyihao17> 上传 | 大小：5kb

[深度学习] TensorFlow1.x_GAN_and_CGAN.zip

说明：Tensorflow GAN 与 CGAN 教程，直达博客Tensorflow 笔记 ⅩⅣ——生成时对抗网络：GAN 与 CGAN，详细解读 GAN 与 CGAN 以及使用TensorFlow1.x 与 TensorFlow2.x 进行实现
<qq_39567427> 上传 | 大小：17mb

[机器学习] 作业资料 第一讲：SLAM概述与预备知识

说明：1 习题说明 • 第 i 节课习题所有材料打包在 Li.zip 中，∀i = 1 . . . 8。 • 习题分为若⼲种：计算类习题，需要读者编程计算⼀个实际问题，我们会附有参考答案以供⾃测。 操作类习题，会指导读者做⼀个具体的实验，给出中间步骤截图或结果。简述类习题则提供阅读材 料，需要读者阅读材料后，回答若⼲问题。 • 每个习题会有⼀定的分值。每次习题分值加和为 10 分。你需要获得 8 分以上才能得到“通过”的评 价。带 ∗ 的习题为附加题，会在总分之外再提供⼀定的分值，所以总和可能超过 1
<WhiffeYF> 上传 | 大小：72mb

[深度学习] tensorboard-1.12.2-py3-none-any.whl

说明：TensorBoard是一个可视化工具，它可以用来展示网络图、张量的指标变化、张量的分布情况等。特别是在训练网络的时候，我们可以设置不同的参数（比如：权重W、偏置B、卷积层数、全连接层数等），使用TensorBoader可以很直观的帮我们进行参数的选择。
<TracelessLe> 上传 | 大小：2mb

[深度学习] tensorflow_gpu-1.12.0-cp36-cp36m-linux_x86_64.whl

说明：TensorFlow是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。TensorFlow 最初由Google大脑小组（隶属于Google机器智能研究机构）的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的
<TracelessLe> 上传 | 大小：268mb

[机器学习] NLP自然语言处理培训视频

说明：本资源为tanxinxueyuan的NLP自然语言处理培训视频，及供大家学习交流使用。
<u014205268> 上传 | 大小：143byte

[深度学习] 人群检测trained_model

说明：博文https://blog.csdn.net/HJJ19881016/article/details/106596841中已经训练好的模型
<HJJ19881016> 上传 | 大小：124mb

[深度学习] SPLT论文以及代码

说明：VOT-2018LT and OxUvA long-term benchmarks 排名靠前的long-term tracking
<buerlm> 上传 | 大小：171mb

[深度学习] MBMD论文以及code

说明：The winner of VOT2018LT，目标跟踪必读论文之一，long-term tracking必读论文
<buerlm> 上传 | 大小：5mb

[机器学习] 最新《自动微分手册》

说明：自动微分是一种通用的技术，用于将函数的计算值转换为可计算导数的值。导数计算只给用于计算函数值的每个操作增加一个常数的开销，因此可微函数与原始函数具有相同的复杂度阶数。
<syp_net> 上传 | 大小：250kb