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. Stanford CS 20: Tensorflow for Deep Learning Research

  2. 该资源是Stanford CS 20: Tensorflow for Deep Learning Research的课件（ppt和笔记），

  3. 所属分类：深度学习

    • 发布日期：2018-03-17
    • 文件大小：26mb
    • 提供者：sakuralu

  1. Python-GoogleDeepLearning笔记TensorFlow

  2. Google Deep Learning笔记（TensorFlow）

  3. 所属分类：其它

    • 发布日期：2019-08-11
    • 文件大小：10mb
    • 提供者：weixin_39840387

  1. 吴恩达DL深度学习笔记v3.03.pdf

  2. Coursera深度学习教程中文笔记 课程概述 这些课程专为已有一定基础（基本的编程知识，熟悉Python、对机器学习有基本了解）， 想要尝试进入人工智能领域的计算机专业人士准备。介绍显示：“深度学习是科技业最热门 的技能之一，本课程将帮你掌握深度学习。” 在这5堂课中，学生将可以学习到深度学习的基础，学会构建神经网络，并用在包括吴 恩达本人在内的多位业界顶尖专家指导下创建自己的机器学习项目。Deep Learning Specialization对卷积神经网络 (CNN)、递归神经网络 (R

  3. 所属分类：深度学习

    • 发布日期：2019-08-19
    • 文件大小：14mb
    • 提供者：drjiachen

  1. Deep Learning(深度学习)学习笔记整理系列之(一)_光环大数据培训.pdf

  2. TensorFlow深度学习进阶笔记之 Deep Learning(深度学习)学习笔记整理系列之(一)_光环大数据培训

  3. 所属分类：其它

    • 发布日期：2019-08-26
    • 文件大小：693kb
    • 提供者：bjgfs

  1. TensorFlow2.x_keras_and_tfrecords.ipynb

  2. Tensorflow 笔记系列教程，直达博客Tensorflow 笔记 XII——再梳理猫狗数据集 Transfer Learning 与 TFRecord

  3. 所属分类：深度学习

    • 发布日期：2020-05-22
    • 文件大小：6mb
    • 提供者：qq_39567427

  1. Lecture_7_TransferLearning.zip

  2. TensorFlow TransferLearning教程，直达博客Tensorflow 笔记 Ⅹ——Transfer Learning for Kaggle Dataset，详细解读 TransferLearning 原理，包括TensorFlow1.x 与 TensorFlow2.x 的高阶与低阶 API 的实现

  3. 所属分类：深度学习

    • 发布日期：2020-05-06
    • 文件大小：3mb
    • 提供者：qq_39567427

  1. tensorFLow-Learning笔记

  2. tensorFLow-Learning笔记

  3. 所属分类：深度学习

    • 发布日期：2021-01-02
    • 文件大小：32mb
    • 提供者：bruce__ray

  1. NTU-ReinforcementLearning-Notes:国立台湾大学李宏毅老师讲解的深度强化学习学习笔记-源码

  2. 李宏毅深度强化学习笔记 课程主页： 视频： 李宏毅老师讲这门课不是从MDP开始讲起，而是从如何获得最佳奖励出发，直接引出政策梯度（以及PPO），再讲Q-learning（原始Q-learning，DQN，各种DQN的升级），然后是A2C（以及A3C，DDPG），紧接着介绍了一些Reward Shaping的方法（主要是好奇心，课程学习，分层学习） ，，最后介绍模仿学习（逆RL）。比较全面的展现了深度强化学习的核心内容，也比较直观。跟伯克利学派的课类似，与UCL上来就讲MDP，解各种值迭代的思路

  3. 所属分类：其它

  1. David-Silver-Reinforcement-learning：David Silver的“强化学习”课程注释以及各种算法的实现-源码

  2. David-Silver强化学习 这个软件库包含了强化学习笔记由与各种算法的讨论，无论是在Keras的实现（与TensorFlow后端），并沿的框架。 教学大纲： 第一周：强化学习简介[] [ ] 第2周：马尔可夫决策过程[] [ ] 第3周：通过动态编程进行规划[] [ ] 第4周：无模型预测[] [ ] 第5周：无模型控制[] [ ] 第6周：价值函数逼近[] [ ] 第7周：政策梯度方法[] [ ] 第8周：学习与计划整合[] [ ] 第9周：探索与开发[] [ ]

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：19mb
    • 提供者：weixin_42144201