注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 机器学习和深度学习个人笔记合集

  2. Machine Learning(机器学习)是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演译。在过去的十年中，机器学习帮助我们自动驾驶汽车，有效的语音识别，有效的网络搜索，并极大地提高了人类基因组的认识。机器学习是当今非常普遍，你可能会使用这一天几十倍而不自知。很多研究者也认为这是最好的人工智能的取得方式。在本课中，您将学习

  3. 所属分类：机器学习

    • 发布日期：2019-04-17
    • 文件大小：81mb
    • 提供者：action_now_

  1. aimet:AIMET是一个为经过训练的神经网络模型提供高级量化和压缩技术的库-源码

  2. AI模型效率工具包（AIMET） 是一个为经过训练的神经网络模型提供高级模型量化和压缩技术的库。它提供的功能已被证明可改善深度学习神经网络模型的运行时性能，同时具有较低的计算和内存需求，并且对任务准确性的影响最小。 AIMET设计用于和模型。 我们还托管-一组针对8位推理进行了优化的流行神经网络模型。我们还为用户提供了使用AIMET量化浮点模型的方法。 目录 为什么选择AIMET？ 支持高级量化技术：使用整数运行时的推理比使用浮点运行时的推理要快得多。例如，模型在Qualcomm Hexag

  3. 所属分类：其它

  1. HEMnet:使用分子标记改善H和E组织病理注释的神经网络软件-源码

  2. HEMnet-苏木精和曙红与分子神经网络 描述 深度学习自动化癌症诊断软件，使用分子标记来改善苏木精和曙红（H＆E）染色组织的病理学注释。 安装 码头工人 您可以使用以下命令下载并运行docker映像： docker pull andrewsu1/hemnet docker run -it andrewsu1/hemnet conda 安装Openslide（这是打开整个幻灯片图像所必需的）-下载 从environment.yml文件创建一个conda环境 conda env crea

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：451mb
    • 提供者：weixin_42120550

  1. coursera-deep-learning-specialization:deeplearning.ai提供的Coursera深度学习专业内所有课程的笔记，编程作业和测验-源码

  2. Coursera上的深度学习专业化（由deeplearning.ai提供） deeplearning.ai提供的Coursera所有课程的编程作业和测验。 授课老师： 笔记 有关Coursera深度学习专业中所有课程的详细面试准备笔记，请 设置 运行setup.sh以（i）下载经过预先​​训练的VGG-19数据集，并（ii）提取所有分配所需的经过z​​ip压缩的经过预先训练的模型和数据集。 学分 此仓库包含我针对该专业的工作。除非另有说明，否则代码库，测验问题和图表均取自的“ 。 编程作业 课

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：175mb
    • 提供者：weixin_42160645

  1. seismic_deep_learning:几个Python脚本使用深度学习从地球物理图像中提取地质结构-源码

  2. 深度学习的3D地震解释：简介 在这里，我们将分享使用深度学习来解释2D和/或3D地震反射数据中的地质结构（例如，断层，盐体和层位）的代码，教程和示例。 您可以在我们的上找到一些视觉示例，并在我们的找到更多技术细节。 首先，您不需要任何特殊的硬件，软件，数据或经验，只需一点时间。 查看 。 讲解 盐 本教程将向您展示如何使用2-D卷积神经网络在二维地震图像中映射盐，以进行像素分类。 本教程描述了如何使用U-Net类型卷积神经网络加快映射速度。 缺点 本教程将向您展示如何在3D地震体中绘制

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：26mb
    • 提供者：weixin_42128558

  1. Demo:迷你项目演示-源码

  2. 许可证和证明 -伦敦帝国理工学院和Coursera： 1.使用TensorFlow 2自定义模型， 2.改善深度神经网络：超参数调整，正则化 和优化， 3.构建机器学习项目， 4.卷积神经网络， 5. TensorFlow 2入门， 6.神经网络和深度学习， 深度学习项目 [2019 |现在] TensorFlow框架 1. Classification of Image digits with SVHN dataset. [github demo] 2. Classification of f

  3. 所属分类：其它

  1. DL-wine-quality-源码

  2. DL葡萄酒质量 这个项目可以让AI预测葡萄酒的质量。 动机 我想学习深度学习，并且用keras创建了我的第一个神经网络。 我的目标是： 使用深度学习库（Keras） 为机器学习模型准备数据集 组成一个简单的神经网络 神经网络的调整参数 改善分数的步骤 项目结构 /DL-wine-quality ├── Wine-dataset │ ├── wine.csv [6497 entries] ├── Quality_wine_predictor │ ├── __init__.py │

  3. 所属分类：其它

  1. DeepFaceDrawing-Jittor-源码

  2. DeepFaceDrawing：从草图深度生成面部图像 我们的系统的一个版本是使用实现的，您需要首先安装Jittor。 我们还将在pytorch中提供一个版本。 主页： 抽象的 最新的深层图像到图像转换技术允许从徒手素描中快速生成人脸图像。 但是，现有的解决方案倾向于过度适合草图，因此需要专业草图或什至边线图作为输入。 为了解决这个问题，我们的关键思想是隐式地对合理的人脸图像的形状空间进行建模，并在该空间中合成人脸图像以近似输入草图。 我们采取从本地到全球的方法。 我们首先学习关键面部组件的特

  3. 所属分类：其它

  1. 深度学习专业化：Deeplearning.ai的深度学习专业化-源码

  2. Deeplearning.ai的深度学习专业 神经网络与深度学习 建立猫分类器，以70％的准确度识别猫！ 生成红色和蓝色的点以形成一朵花。 然后安装神经网络以正确分类这些点。 实现神经网络的所有构建模块。 建立一个对猫和非猫图像进行分类的深度神经网络。 改善深度神经网络 初始化 正则化 渐变检查

  3. 所属分类：其它

  1. ConvNorm：卷积归一化的正式实施：改进深度神经网络的鲁棒性和培训-源码

  2. 转换规范 该存储库是卷积归一化的官方实现：提高深度神经网络的鲁棒性和培训 我们介绍了一种简单有效的“卷积归一化”方法，该方法可以充分利用傅立叶域中的卷积结构，并作为简单的即插即用模块，可以方便地合并到任何ConvNets中。 我们表明，卷积归一化可以减少权重矩阵的分层频谱范数，从而改善网络的Lipschitzness，从而为深度ConvNets简化训练并提高鲁棒性。 将其应用于噪声破坏和生成对抗网络（GAN）下的分类中，我们表明卷积归一化可提高常见ConvNet（例如ResNet）的鲁棒性和GA

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：49kb
    • 提供者：weixin_42120541

  1. 改善深度神经网络：深度学习-源码

  2. 改善深层神经网络 通过正则化和超参数调整来改善深度学习模型！

  3. 所属分类：其它

  1. deeplearning.ai-源码

  2. 自然语言处理 具有分类空间和向量空间的自然语言处理 具有概率模型的自然语言处理 使用序列模型进行自然语言处理 注意模型的自然语言处理 深度学习 神经网络与深度学习 改善深度神经网络：超参数调整，正则化和优化 构建机器学习项目 卷积神经网络 序列模型 机器学习 线性回归 逻辑回归 正则化 多类别分类 神经网络 偏差和方差 支持向量机 高斯核 K均值聚类 主成分分析 异常检测 推荐系统

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：54mb
    • 提供者：weixin_42129300

  1. Fraud_Detection：识别信用卡上的欺诈交易-源码

  2. 欺诈识别 识别信用卡上的欺诈交易。 想象一下，站在杂货店的结帐柜台后排成一排，您的收银员却很安静地宣布您的卡已被拒绝。 在这一刻，您可能没有考虑决定命运的数据科学。 不好意思，并且确定您有足够的资金来支付为您的50个最亲密的朋友举办一场史诗般的玉米片派对所需要的一切，您可以再次尝试购买卡片。 结果相同。 当您离开并允许收银员照看下一位客户时，您会从银行收到一条短信。 “如果您真的想在切达干酪上花费500美元，请按1。” 虽然目前可能很麻烦（并且常常令人尴尬），但这种防欺诈系统实际上每年为消

  3. 所属分类：其它

  1. Coursera-源码

  2. Coursera Coursera上提供的代码（无作业） 深度学习专业化： C1。 神经网络与深度学习 C2。 改善深度神经网络：超参数调整，正则化和优化 C3。 构建机器学习项目没有密码 C4。 卷积神经网络\ C5。 序列模型\ TensorFlow：先进技术专长： C1。 使用TensorFlow的自定义模型，层和损失函数 C2。 使用TensorFlow进行自定义和分布式培训 C3。 使用TensorFlow的高级计算机视觉 C4。 使用TensorFlow进行生成型深度学习

  3. 所属分类：其它

  1. 深度学习专业课程：解决课程上的深度学习专业课程-源码

  2. Coursera上的深度学习专业 我想说感谢教授 和他的同事对深度学习提供这种精品课程。 笔记 课程的问题和内容归Coursera所有，解决方案归我所有。 请仅参考解决方案以供参考，并尝试首先自行解决问题。 1.神经网络与深度学习 第一周 第二周 第三周 第四周 2.改善深度神经网络-超参数调整，正则化和优化 第一周 第二周 第三周 3.构建机器学习项目 第一周 第二周 作者 Prashant Singh /

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：59mb
    • 提供者：weixin_42113794

  1. DeepLearning.ai概述：该存储库包含我的个人笔记和DeepLearning.ai专业课程的摘要。 我喜欢这门课的每一步，希望你也喜欢我的笔记-源码

  2. DeepLearning.ai课程笔记 该存储库包含有关专业课程的我的个人笔记和摘要。 我喜欢这门课程的每一点，希望您也喜欢我的笔记。 包含五门可以在上学习的课程。 这五个课程的标题是： 神经网络和深度学习。 改善深度神经网络：超参数调整，正则化和优化。 构建机器学习项目。 卷积神经网络。 序列模型。 这是迄今为止我学习过的最好的深度学习系列课程。 请享用！ 关于本专业（来自官方的深度学习专业页面） 如果您想闯入AI，那么本专业将为您提供帮助。 深度学习是最受追捧的技术技能之一。

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：13mb
    • 提供者：weixin_42131890

  1. Coursera：课程的测验和作业-源码

  2. Coursera作业 该存储库旨在帮助在学习过程中遇到困难的Coursera学习者。 测验和编程作业属于Coursera，请不要将其用于任何其他目的。 如有任何问题，请随时与我联系，我的电子邮件是 。 经济学院专业化高级机器学习 深度学习导论 Python数据科学导论 Python中的应用机器学习 大数据导论 大数据建模与管理系统 大数据交互与处理 文字检索和搜索引擎 文本挖掘和分析 数据挖掘中的模式发现 数据挖掘中的聚类分析 数据科学家的工具箱 R编程 获取和清理数据 算法工具箱 数据结构 图

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：90mb
    • 提供者：weixin_42118056

  1. 深度解释处罚：论文“解释有用：惩罚性解释以使神经网络与先验知识对齐”中使用CDEP的代码https：//arxiv.orgabs1909.13584-源码

  2. 使用/复制论文中的CDEP的官方代码解释很有用：惩罚性解释，以使神经网络与先验知识保持一致（ICML 2020 ）。 这段代码规范化了解释（通过上下文分解计算）以改善神经网络（在pytorch中训练）。 注意：此存储库正在积极维护。 如有任何疑问，请提出问题。 文件资料 完整的数据/模型/代码，用于复制和试验CDEP 文件夹包含用于运行和惩罚上下文分解的核心代码 此外，我们对4个数据集进行了实验，每个数据集都位于各自的文件夹中这些文件夹中的笔记本显示了各种文本的演示 用python 3.6

  3. 所属分类：其它

  1. 使用Tensorflow和Sciencekit学习路径机器学习：使用两个最受欢迎的框架开发和应用机器学习技术-源码

  2. 学习路径-使用TensorFlow和scikit-learn进行机器学习 使用两个最受欢迎的框架开发和应用机器学习技术 您将学到什么： 使用TensorFlow创建深度神经网络 通过集*现数据中的隐藏模式和结构 使用TensorFlow掌握线性回归技术 实施神经网络并改善预测 将NLP和情感分析应用于您的数据 使用距离指标来预测聚类 使用sklearn的简单语法创建自己的估算器 探索scikit-learn中可用的前馈神经网络

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：134mb
    • 提供者：weixin_42141437

  1. deep-significance:为深度神经网络启用简单的统计显着性测试-源码

  2. 深度意义：用于深度神经网络的简便更好的意义测试 内容 :exclamation_question_mark: 为什么？ 尽管近十年来深度学习经历了惊人的增长，但统计假设检验并未支持大部分实验证据。 取而代之的是，通常基于单个性能得分得出结论。 这是有问题的：神经网络显示高度非凸的损耗表面（Li等人，2018），其性能取决于发现的特定超参数或诸如Dropout掩码之类的随机因素，使得架构之间的比较更加困难。 基于仅比较几个分数（的平均值），我们常常不能得出一个模型类

  3. 所属分类：其它

    • 发布日期：2021-04-02
    • 文件大小：846kb
    • 提供者：weixin_42157567
« 12 »