[深度学习] 图片数据集加标签，辅助代码

说明： 深度学习离不开数据集，该代码为辅助人工进行快速增加标签，或人工评价结果质量，并将根据评价结果将数据保存到对应文件夹
<lifthandofgod> 上传 | 大小：925byte

[深度学习] facenet谷歌预训练模型

说明： 这是谷歌的预训练模型，而之前在facenet上的20170512的模型代码运行时会报错，所以分享出来不需要到谷歌云盘上下载了
<m0_38005587> 上传 | 大小：91mb

[深度学习] keras_face_recognition_cnn

说明： keras_face_recognition_cnn 利用深度学习网络、keras框架进行人脸识别，训练、验证、测试，最后loss、准确率输出，详细的注释
<u011204487> 上传 | 大小：81mb

[深度学习] flash.sh 源文件

说明： 使用此文件对TX2进行Clone，在TX2自带的R28.1上使用时会出错，使用此文件进行替换再执行Clone。
<u013947807> 上传 | 大小：59kb

[深度学习] jetson TX2环境搭建

说明： 个人总结的jetson TX1/TX2开发板使用记录，中间验证了一些基础功能。
<maommmao> 上传 | 大小：2mb

[深度学习] TensorFlow for Deep Learning - 2018

说明： TensorFlow for Deep Learning - 2018
<liaowenfeng> 上传 | 大小：12mb

[深度学习] Deep Learning for Beginners Concepts, Techniques and Tools - 2017

说明： Deep Learning for Beginners Concepts, Techniques and Tools - 2017
<liaowenfeng> 上传 | 大小：516kb

[深度学习] yolo_marktool

说明： darknet-yolo的深度学习框架数据集格式制作工具，已经打包好的程式。
<chenleiyfk> 上传 | 大小：22mb

[深度学习] ResNet的Keras实现

说明： VGGNet和GoogLeNet等网络都表明有足够的深度是模型表现良好的前提，但是在网络深度增加到一定程度时，更深的网络意味着更高的训练误差。误差升高的原因是网络越深，梯度弥散[还有梯度爆炸的可能性]的现象就越明显，所以在后向传播的时候，无法有效的把梯度更新到前面的网络层，靠前的网络层参数无法更新，导致训练和测试效果变差。所以ResNet面临的问题是怎样在增加网络深度的情况下有可以有效解决梯度消失的问题。ResNet中解决深层网络梯度消失的问题的核心结构是残差网络。
<shengshengwang> 上传 | 大小：4kb

[深度学习] ResNet的TensorFlow实现

说明： VGGNet和GoogLeNet等网络都表明有足够的深度是模型表现良好的前提，但是在网络深度增加到一定程度时，更深的网络意味着更高的训练误差。误差升高的原因是网络越深，梯度弥散[还有梯度爆炸的可能性]的现象就越明显，所以在后向传播的时候，无法有效的把梯度更新到前面的网络层，靠前的网络层参数无法更新，导致训练和测试效果变差。所以ResNet面临的问题是怎样在增加网络深度的情况下有可以有效解决梯度消失的问题。ResNet中解决深层网络梯度消失的问题的核心结构是残差网络。
<shengshengwang> 上传 | 大小：10kb

[深度学习] darknet-yolo深度学习训练工具集

说明： Windows下打包好的可以直接使用的darknet-yolo深度学习程式，仅仅需要自己做数据集就可以训练了，再次建议使用GPU，不过只需要你装好驱动即可。Linux版本若有需要私我吧。
<chenleiyfk> 上传 | 大小：82mb

[深度学习] 模式识别模式识别模式识别

说明： 模式识别
<qq_43360393> 上传 | 大小：7mb