[深度学习] Pillow-7.0.0-cp35-cp35m-manylinux1_x86_64.whl

说明：Pillow-7.0.0-cp35-cp35m-manylinux1_x86_64.whl 依赖包 安装指令 pip install Pillow-7.0.0-cp35-cp35m-manylinux1_x86_64.whl
<liu1guo2qiang3> 上传 | 大小：2mb

[深度学习] scikit_image-0.16.2-cp37-cp37m-manylinux1_x86_64.whl

说明：scikit_image-0.16.2-cp37-cp37m-manylinux1_x86_64.whl 安装命令 pip install scikit_image-0.16.2-cp37-cp37m-manylinux1_x86_64.whl
<liu1guo2qiang3> 上传 | 大小：25mb

[深度学习] scipy-1.4.1-cp37-cp37m-manylinux1_x86_64.whl

说明：scipy-1.4.1-cp37-cp37m-manylinux1_x86_64.whl 安装命令 pip install scipy-1.4.1-cp37-cp37m-manylinux1_x86_64.whl
<liu1guo2qiang3> 上传 | 大小：24mb

[深度学习] DICOMtoNIfTI_v1.10.5.zip

说明：DICOMtoNIfTI_v1.10.5 Dicom图像转换，转换为nii格式，方便人工智能深度学习处理
<zhenhualan> 上传 | 大小：3mb

[深度学习] tensorflow-yolo模型

说明：YOLO将物体检测作为回归问题求解。基于一个单独的end-to-end网络，完成从原始图像的输入到物体位置和类别的输出。
<weixin_43678051> 上传 | 大小：1mb

[深度学习] cudnn-10.1-windows10-x64-v7.6.3.30.zip

说明：跟cuda10.1对应的cudnn10.1版本，对window10的，liunx系统不能用。深度学习入门，装cuda、cudnn、tensorflow_gpu版本、python版本，这里太多坑了，安装时一定要注意版本的一致性别看错了
<jiachang98> 上传 | 大小：263mb

[深度学习] torchvision-0.4.1a0+a263704-cp37-cp37m-linux_armv7l.whl

说明：torchvision-0.4.1a0+a263704-cp37-cp37m-linux_armv7l.whl 与torch1.3.0搭配使用 command：pip install torchvision-0.4.1a0+a263704-cp37-cp37m-linux_armv7l.whl
<qq_28038685> 上传 | 大小：15mb

[深度学习] my_network.zip

说明：简单的全连接网络，用于理解神经网络概念和tensorflow搭建模型的过程，包括训练样本集，可以直接替换掉样本集
<qq_43493208> 上传 | 大小：4mb

[深度学习] bvlc_googlenet.zip

说明：包含bvlc_googlenet.caffemodel、bvlc_googlenet.prototxt、synset_words.txt文件，可以用于opencv的dnn模块的测试，如果opencv编译时选择了openvino，可以作为net.setPreferableBackend参数设置DNN_BACKEND_INFERENCE_ENGINE加速推断，DNN_BACKEND_OPENCV未加速的对比情况。
<yangdashi888> 上传 | 大小：47mb

[深度学习] tensorflow-2.1.0_win64

说明：tensorflow-2.1.0_win64（CPU版本）下载链接和提取码。
<ellison909> 上传 | 大小：70byte

[深度学习] tensorflow-gpu_2.1.0_win64

说明：tensorflow-gpu-2.1.0_win64下载链接和提取码。
<ellison909> 上传 | 大小：70byte

[深度学习] 深度学习word2vector测试语料text8

说明：深度学习中word2vector测试语料text8 word2vec是google的一个开源工具，能够根据输入的词的集合计算出词与词之间的距离。 它将term转换成向量形式，可以把对文本内容的处理简化为向量空间中的向量运算，计算出向量空间上的相似度，来表示文本语义上的相似度。 word2vec计算的是余弦值，距离范围为0-1之间，值越大代表两个词关联度越高。 词向量：用Distributed Representation表示词，通常也被称为“Word Representation”或“W
<qq_37489906> 上传 | 大小：26mb