[深度学习] word2vec.zip

说明： This tool provides an efficient implementation of the continuous bag-of-words and skip-gram architectures for computing vector representations of words. These representations can be subsequently used in many natural language processing applications
<cymy001> 上传 | 大小：204kb

[深度学习] tensorflow-gpu_1.12.3_offline_install.7z

说明： 适用于无法在线安装深度学习TF框架的童鞋们，把 解压出来的所有包安装一遍就可以了
<dangxushenggis> 上传 | 大小：125mb

[深度学习] VGG Face Dataset.7z

说明： 资源下载来自 ://www.robots.ox.ac.uk/~vgg/data/vgg_face/
<dangxushenggis> 上传 | 大小：112mb

[深度学习] VGG Face Dataset.7z

说明： 资源下载来自 ://www.robots.ox.ac.uk/~vgg/data/vgg_face/
<dangxushenggis> 上传 | 大小：112mb

[深度学习] Driving prediction with a deep neural network - Google Patents 谷歌专利

说明： Driving prediction with a deep neural network - Google Patents 谷歌专利
<blackmarlin> 上传 | 大小：306kb

[深度学习] XLNet作者讲解XLNet

说明： Recurrent.ai联合创始人 杨植麟：自然语言理解模型：XLNet
<guotong1988> 上传 | 大小：228mb

[深度学习] megaage.tar.gz

说明： 亚洲人脸年龄预估数据集，其中训练集40000张，测试集3950张，年龄范围在0-69岁
<num270710> 上传 | 大小：44mb

[深度学习] SSD网络模型结构搭建.py

说明： 经过局部对比度标准化后的特征输入下采样层，为了保证不变性的同时获取较高的识别率，因此对池化层也进行多尺度的的变换，根据输出特征的维度相应调整池化层的采样间隔。其采样间隔越大输出特征映射图就越模糊，特征不变性就越强。经过下采样后将所有特征图传递给全连接层，用于下一步的目标分类识别。
<weixin_40255359> 上传 | 大小：23kb

[深度学习] 用keras搭建CNN跑cifar10.py

说明： 经过局部对比度标准化后的特征输入下采样层，为了保证不变性的同时获取较高的识别率，因此对池化层也进行多尺度的的变换，根据输出特征的维度相应调整池化层的采样间隔。其采样间隔越大输出特征映射图就越模糊，特征不变性就越强。经过下采样后将所有特征图传递给全连接层，用于下一步的目标分类识别。
<weixin_40255359> 上传 | 大小：3kb

[深度学习] 经典+改进ZFNet网络结构.docx

说明： 经过局部对比度标准化后的特征输入下采样层，为了保证不变性的同时获取较高的识别率，因此对池化层也进行多尺度的的变换，根据输出特征的维度相应调整池化层的采样间隔。其采样间隔越大输出特征映射图就越模糊，特征不变性就越强。经过下采样后将所有特征图传递给全连接层，用于下一步的目标分类识别。
<weixin_40255359> 上传 | 大小：695kb

[深度学习] 改进ZFNet可视化特征图代码.docx

说明： 输入层中原本固定采样区域分别加入偏移向量，然后在卷积核中通过双线性插值的算法将带有偏移向量的采样点集中在一起，并且使得带偏移向量的输出特征图与输入的特征图具有一致的空间分辨率，最终传递给下一个网络层。这样在不改变空间分辨率的情况下，实现对不规则图像特征的提取。
<weixin_40255359> 上传 | 大小：240kb

[深度学习] VGG改进的依据.docx

说明： 输入层中原本固定采样区域分别加入偏移向量，然后在卷积核中通过双线性插值的算法将带有偏移向量的采样点集中在一起，并且使得带偏移向量的输出特征图与输入的特征图具有一致的空间分辨率，最终传递给下一个网络层。这样在不改变空间分辨率的情况下，实现对不规则图像特征的提取。
<weixin_40255359> 上传 | 大小：102kb