[深度学习] 深度学习相关资料

说明： 包含深度学习的基本理论与方法及教程，有相关讲义与学习笔记。
<qq_20657717> 上传 | 大小：116mb

[深度学习] cs224n 2018版作业包括解析

说明： cs224n 2018版作业包括解析，附带作业lecture和解答。
<m0_37285185> 上传 | 大小：105mb

[深度学习] deeplearning.ai合集1-5包括预训练模型下载（附赠最新python cookbook）

说明： deeplearning.ai合集1-5包括预训练模型下载,从coursera作业里面直接下载，含最新序列模型（附赠最新python cookbook）
<m0_37285185> 上传 | 大小：103byte

[深度学习] PCANet源代码基础解读

说明： 本人作为matlab初学者，在研读PCANet源代码过程中，对 im2col_mean_removal.m，PCA_FilterBank.m ，PCANet_output.m ，HashingHist.m和PCANet_train.m中的相关函数做了详细的注释
<whwxglxn> 上传 | 大小：67kb

[深度学习] deeplearning4j

说明： 经典数据挖掘开源系统, 国外创业公司Skymind的产品, 目前最新的版本更新到了0.7.2。
<guojfx> 上传 | 大小：35mb

[深度学习] yolo权重文件

说明： 如果觉得练时间太长，可以用中间自动保存的模型继续训练，中间自动保存模型，默认文件夹不改变的情况下在backup里面，训练命令为 ./darknet detector train cfg/voc.data cfg/yolo-voc.cfg yolo.weights
<qq_34763204> 上传 | 大小：76mb

[深度学习] RCNN、Fast-RCNN、 Faster R-CNN论文

说明： 目标检测要解决的问题就是物体在哪里，是什么这整个流程的问题。然而，这个问题可不是那么容易解决的，物体的尺寸变化范围很大，摆放物体的角度，姿态不定，而且可以出现在图片的任何地方，更何况物体还可以是多个类别。文档阐述了物体检测的方法流程和改进
<qq_29391245> 上传 | 大小：12mb

[深度学习] lenet5 网络 + 改进的网络 + 手写字体图片

说明： 6000张28x28 手写数字图片，lenet的网络实现，个人简单的改进的一个网络，包括训练的模型。
<eatapples> 上传 | 大小：37mb

[深度学习] 反卷积神经网络

说明： 反卷积跟1维信号处理的反卷积计算是很不一样的，FCN作者称为backwards convolution，有人称Deconvolution layer is a very unfortunate name and should rather be called a transposed convolutional layer. 我们可以知道，在CNN中有con layer与pool layer，con layer进行对图像卷积提取特征，pool layer对图像缩小一半筛选重要特征，对于经典的图
<lzfzzu> 上传 | 大小：8mb

[深度学习] glove.42B.300d 压缩包2/2

说明： GloVe is an unsupervised learning algorithm for obtaining vector representations for words. Training is performed on aggregated global word-word co-occurrence statistics from a corpus, and the resulting representations showcase interesting linear su
<guotong1988> 上传 | 大小：1000mb

[深度学习] glove.42B.300d 压缩包1/2

说明： GloVe is an unsupervised learning algorithm for obtaining vector representations for words. Training is performed on aggregated global word-word co-occurrence statistics from a corpus, and the resulting representations showcase interesting linear su
<guotong1988> 上传 | 大小：819mb

[深度学习] nlpcc 2018 知识图谱 数据集

说明： Task 7 - Open Domain Question Answering In this year’s NLPCC open domain QA share task, we focus on KNOWLEDGE and propose three sub-tasks, including (a) knowledge-based question answering (KBQA), (b) knowledge-based question generation (KBQG), and (
<guotong1988> 上传 | 大小：694mb