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. 卷积神经网络（CNN）

  2. 很全面，很深刻的卷积神经网络（CNN）原理讲解。

  3. 所属分类：讲义

    • 发布日期：2016-09-07
    • 文件大小：841kb
    • 提供者：sinat_34618200

  1. 面向机器智能Tensorflow实践

  2. 　完整书签版 本书是一本*佳的TensorFlow入门指南。几位作者都来自研发一线，他们用自己的宝贵经验，结合众多高质量的代码，生动讲解TensorFlow的底层原理，并从实践角度介绍如何将两种常见模型——深度卷积网络、循环神经网络应用到图像理解和自然语言处理的典型任务中。此外，还介绍了在模型部署和编程中可用的诸多实用技巧。 　　全书分为四部分，共9章。第一部分（第1~2章）讨论TensorFlow的设计模式以及选择TensorFlow作为深度学习库的优势和面临的挑战，并给出详细的安装指南。第

  3. 所属分类：机器学习

    • 发布日期：2017-12-03
    • 文件大小：92mb
    • 提供者：bjbhi

  1. 卷积神经网络的工作原理

  2. 详细解读了卷积神经网络是如何工作的，从CNN卷积层、激活层、池化层到全链接层，及多层CNN作用进行了通熟易懂的讲解

  3. 所属分类：深度学习

    • 发布日期：2018-03-14
    • 文件大小：3mb
    • 提供者：yxl564710062

  1. CNN详细介绍

  2. 本文详细讲解了CNN的原理，附有例子说明。The ReLU layer+The convolution layer+The pooling layer

  3. 所属分类：深度学习

    • 发布日期：2018-05-09
    • 文件大小：766kb
    • 提供者：pan_ying_gang

  1. TensorFlow for Machine Intelligence

  2. 绝佳的TensorFlow入门指南 本书是一本*佳的TensorFlow入门指南。几位作者都来自研发一线，他们用自己的宝贵经验，结合众多高质量的代码，生动讲解TensorFlow的底层原理，并从实践角度介绍如何将两种常见模型——深度卷积网络、循环神经网络应用到图像理解和自然语言处理的典型任务中。此外，还介绍了在模型部署和编程中可用的诸多实用技巧。, 全书分为四部分，共9章。第一部分（第1~2章）讨论TensorFlow的设计模式以及选择TensorFlow作为深度学习库的优势和面临的挑战，并给

  3. 所属分类：机器学习

    • 发布日期：2018-02-27
    • 文件大小：19mb
    • 提供者：luxes_yuer

  1. 白话深度学习与TensorFlow高清pdf

  2. 本书基本独立成册，适用于零基础的初学者。 基础篇（第1～3章），讲解了机器学习、深度学习与实践的上下文知识，如基本的机器学习与深度学习算法，TensorFlow框架的安全与配置，简单的深度学习实践。该篇是阅读和实践的基石。 原理与实践篇（第4～8章），介绍“老牌”的深度学习网络的数学原理和工程实现原理，尤其是第4章，如果能基本读懂，后面的网络实现层面的问题基本都可以迎刃而解。涵盖BP网络、CNN、RNN的结构、思路、训练与使用，以及一些常见的综合性问题。该篇是学习深度学习的重点和难点，作者通过

  3. 所属分类：深度学习

    • 发布日期：2019-07-15
    • 文件大小：35mb
    • 提供者：jcway

  1. 卷积神经网络课件以及minist手写体识别程序

  2. 本课件首先借用国外大牛的一个cnn的视频讲解介绍cnn的原理；然后分析了minist手写体识别框架；附带的两个程序是手写体识别程序在不同框架下搭建的。可以运行；

  3. 所属分类：深度学习

    • 发布日期：2020-12-13
    • 文件大小：23mb
    • 提供者：weixin_44864552

  1. DenseNet：比ResNet更优的CNN模型

  2. 本文来自于个人博客，本篇文章首先介绍DenseNet的原理以及网路架构，然后讲解DenseNet在Pytorch上的实现。在计算机视觉领域，卷积神经网络（CNN）已经成为最主流的方法，比如最近的GoogLenet，VGG-19，Incepetion等模型。CNN史上的一个里程碑事件是ResNet模型的出现，ResNet可以训练出更深的CNN模型，从而实现更高的准确度。ResNet模型的核心是通过建立前面层与后面层之间的“短路连接”（shortcuts，skipconnection），这有助于训练

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：770kb
    • 提供者：weixin_38518376

  1. DenseNet：比ResNet更优的CNN模型

  2. 本文来自于个人博客，本篇文章首先介绍DenseNet的原理以及网路架构，然后讲解DenseNet在Pytorch上的实现。在计算机视觉领域，卷积神经网络（CNN）已经成为最主流的方法，比如最近的GoogLenet，VGG-19，Incepetion等模型。CNN史上的一个里程碑事件是ResNet模型的出现，ResNet可以训练出更深的CNN模型，从而实现更高的准确度。ResNet模型的核心是通过建立前面层与后面层之间的“短路连接”（shortcuts，skip connection），这有助于训

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：760kb
    • 提供者：weixin_38652270