[深度学习] boostdesc_bgm.tar.gz

说明：opencv编译过程中的错误信息中缺失的文件主要包含boostdesc_bgm和vgg_generated类型的多个文件。还有找寻不到文件更改路径的cmakelist.txt文件
<zhuodesheng> 上传 | 大小：1mb

[深度学习] 吴恩达深度学习与神经网络课程_LogisticRegression网络识别猫

说明：本资源是本人在写吴恩达课程作业时的代码，由于吴恩达课程中的有些库中的函数现已被弃用，或是无法使用。本文件中的代码基于吴恩达课程中的代码进行了改进，可以运行
<Hubert321> 上传 | 大小：5mb

[深度学习] dlib-18.17.100-cp34-none-win_amd64.whl

说明：dlib-18.17.100-cp34-none-win_amd64.whl下载至某一目录，cmd进入该目录，pip install dlib-18.17.100-cp34-none-win_amd64.whl安装
<luxianwang> 上传 | 大小：1mb

[深度学习] Digit Recognition.zip

说明：提供了完整代码。 项目功能要求：可以根据自己手工书写一个数字得带小数，拍照后，程序能将该手写数字转换成对应的数字。 经过查阅资料，将其大致分为一下三个部分: ① 数字的定位、分割、保存. ② 小数点的识别. ③ 网络的训练、测试和最佳模型参数保存加载.
<qq_45363979> 上传 | 大小：23mb

[深度学习] tutorials等1个文件.zip

说明：下载tutorials 找到anaconda目录的Lib/site-packages里面的tensorflow-core 找到examples目录，如果文件夹下只有saved_model这个文件，则是没有tutorials 把下载的tutorials复制粘贴到该目录下
<weixin_42899627> 上传 | 大小：75kb

[深度学习] TensorFlow教程.pdf

说明：尽管TensorFlow设计上足够灵活，可以用于进行各种复杂的数值计算。 但通常人们使用TensorFlow来实现机器学习模型，尤其常用于实现神经网络模型。 从原理上说可以使用张量构建计算图来定义神经网络，并通过自动微分机制训练模型。 但为简洁起见，一般推荐使用TensorFlow的高层次keras接口来实现神经网络网模型。
<hkd_ywg> 上传 | 大小：3mb

[深度学习] 深度学习之--CNN卷积神经网络__整理版.docx

说明：前段时间学习了BP网络和CNN网络，做了一些笔记，整理了相关公式推导，以及一些扩展，算是比较全面的深度学习入门资料啦~
<Liyyeee> 上传 | 大小：12mb

[深度学习] 第一章_数学基础.pdf

说明：深度学习通常又需要哪些数学基础？深度学习里的数学到底难在哪里？通常初学者都会有这些问题，在网络推荐及书本推荐里，经常看到会列出一系列数学科目，比如微积分、线性代数、概率论、复变函数、数值计算、优化理论、信息论等等。这些数学知识有相关性，但实际上按照这样的知识范围来学习，学习成本会很久，而且会很枯燥，本章我们通过选举一些数学基础里容易混淆的一些概念做以介绍，帮助大家更好的理清这些易混淆概念之间的关系。
<hkd_ywg> 上传 | 大小：355kb

[深度学习] 第四章_经典网络.pdf

说明：LeNet-5是由$LeCun$ 提出的一种用于识别手写数字和机器印刷字符的卷积神经网络（Convolutional Neural Network，CNN）$^{[1]}$，其命名来源于作者$LeCun$的名字，5则是其研究成果的代号，在LeNet-5之前还有LeNet-4和LeNet-1鲜为人知。LeNet-5阐述了图像中像素特征之间的相关性能够由参数共享的卷积操作所提取，同时使用卷积、下采样（池化）和非线性映射这样的组合结构，是当前流行的大多数深度图像识别网络的基础。
<hkd_ywg> 上传 | 大小：12mb

[深度学习] 第六章_循环神经网络(RNN).pdf

说明：时间序列数据是指在不同时间点上收集到的数据，这类数据反映了某一事物、现象等随时间的变化状态或程度。一般的神经网络，在训练数据足够、算法模型优越的情况下，给定特定的x，就能得到期望y。其一般处理单个的输入，前一个输入和后一个输入完全无关，但实际应用中，某些任务需要能够更好的处理序列的信息，即前面的输入和后面的输入是有关系的
<hkd_ywg> 上传 | 大小：5mb

[深度学习] 生成对抗网络(GAN).pdf

说明：生成对抗网络(GAN, Generative adversarial network)自从2014年被Ian Goodfellow提出以来，掀起来了一股研究热潮。GAN由生成器和判别器组成，生成器负责生成样本，判别器负责判断生成器生成的样本是否为真。生成器要尽可能迷惑判别器，而判别器要尽可能区分生成器生成的样本和真实样本。
<hkd_ywg> 上传 | 大小：5mb

[深度学习] 第八章_目标检测.pdf

说明：目标检测（Object Detection）的任务是找出图像中所有感兴趣的目标（物体），确定它们的类别和位置，是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态，加上成像时光照、遮挡等因素的干扰，目标检测一直是计算机视觉领域最具有挑战性的问题。
<hkd_ywg> 上传 | 大小：13mb