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. c/c++ 学习总结 初学者必备

  2. 用变量a给出下面的定义 a) 一个整型数（An integer） b) 一个指向整型数的指针（A pointer to an integer） c) 一个指向指针的的指针，它指向的指针是指向一个整型数（A pointer to a pointer to an integer） d) 一个有10个整型数的数组（An array of 10 integers） e) 一个有10个指针的数组，该指针是指向一个整型数的（An array of 10 pointers to integers） f) 一

  3. 所属分类：C

    • 发布日期：2009-09-16
    • 文件大小：51200
    • 提供者：rzvs8275161

  1. Deep Learning（深度学习）学习笔记整理系列pdf

  2. 原创作者是Zouxy,整个笔记在他博客上，为了方便大家保存阅读，我将其整理成了pdf文档，希望大家多多交流。 目录 一、概述 2 二、背景 5 三、人脑视觉机理 8 四、关于特征 10 4.1、特征表示的粒度 10 4.2、初级（浅层）特征表示 11 4.3、结构性特征表示 14 4.4、需要有多少个特征？ 16 五、Deep Learning的基本思想 17 六、浅层学习（Shallow Learning）和深度学习（Deep Learning） 18 七、Deep learning与Neu

  3. 所属分类：其它

    • 发布日期：2015-09-09
    • 文件大小：1048576
    • 提供者：cdownload_zxl

  1. 深度学习常用网站总结（持续更新）

  2. 1. Nvidia官网 CUDA版本号 https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html 2. Nvidia官网 CUDA Toolkit下载 https://developer.nvidia.com/cuda-toolkit-archive 3. Nvidia官网 cuDNN下载（必须要Nvidia账号） https://developer.nvidia.com/cudnn 4. 清华镜像源 Anaconda下

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：21504
    • 提供者：weixin_38692162

  1. 深度学习自学记录（3）——两种多分类混淆矩阵的Python实现（含代码）

  2. 深度学习自学记录（3）——两种多分类混淆矩阵的Python实现（含代码）1、什么是混淆矩阵2、分类模型评价指标3、两种多分类混淆矩阵3.1直接打印出每一个类别的分类准确率。3.2打印具体的分类结果的数值4、总结 1、什么是混淆矩阵 深度学习中，混淆矩阵是ROC曲线绘制的基础，同时它也是衡量分类型模型准确度中最基本，最直观，计算最简单的方法。它可以直观地了解分类模型在每一类样本里面表现，常作为模型评估的一部分。它可以非常容易的表明多个类别是否有混淆（也就是一个class被预测成另一个class）。

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：211968
    • 提供者：weixin_38645865

  1. [DL]PyTorch 学习总结（1）

  2. 本系列文章为“深度之眼” PyTorch 框架班学习笔记。 安装 PyTorch（macOS 操作系统下） pip install torch 查询 PyTorch 版本 import torch print(torch.__version__) # 1.5.0 张量是什么？ 张量是一个多维数组： – 标量是一个 0 维数组； – 向量是一个 1 维数组； – 矩阵是一个 2 维张量。 torch.tensor 有什么功能？ 最重要的功能是可以求导： – data：被转换为 tensor 的

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：53248
    • 提供者：weixin_38748556

  1. 百度飞桨PaddlePaddle深度学习心得分享

  2. 能参加到这次的百度飞桨七日“Python小白逆袭大神”打卡营是一次偶然的了解得知的这个机会，之前因为课程和基础不够扎实参加到AI实战营没有顺利跟完全程，这一次很开心可以顺利跟上并且结营。下面的内容就简要的总结一下这几天的学习内容和踩过的小坑吧。 本次课程的课程目标： 1.掌握Python的基础语言、进阶知识和常用的深度学习库，能够利用Python爬取数据并进行可视化分析 2.掌握人工智能基础知识、应用，体验人工智能的前沿技术 3.了解飞桨平台及百度AI技术、应用，掌握AI Studio的使用方法

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：231424
    • 提供者：weixin_38712092

  1. 深度学习–第9篇: Pytorch模型创建与nn.Module

  2. Pytorch模型创建与nn.Module1. 模型创建步骤1.1 构建模型的两要素2. nn.Module属性2.1 torch.nn2.2 nn.Module3. 模型容器Containers3.1 nn.Sequential3.2 nn.ModuleList3.3 nn.ModuleDict3.4 容器总结4. AlexNet创建5. VGG16创建6. MobileNetv2创建 1. 模型创建步骤 原创文章 23获赞 6访问量 1992

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：115712
    • 提供者：weixin_38610573

  1. 深度学习总结1

  2. 1）开发环境：Anaconda spyder 坑：使用时spyder路径要设置为工作文件夹路径，否则一下库找不到。 python语句空格可视化设置:Tools->perferences->Editor下打开show blank space 2）环境安装pip install mxnet 如果使用jupyter notebook，需要先在命令行切换到工作文件夹后打开jupyter notebook 深度学习更适合于没有模型或者很难取得模型的情况，这种情况下用大数据堆积然后

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：76800
    • 提供者：weixin_38537777

  1. 深度学习（基于Tensorflow2.0）学习笔记——Day4

  2. 主要内容 昨天我们已经成功训练了一个有效的神经网络，并且对官方提供的Fashion-MNIST数据集进行了分类，准确率达到了80%以上。但是这个准确率远远达不到应用的要求，那么，如何来提高神经网络的分类效率呢？这也就引出了我们接下来学习的内容： 数据归一化处理 回调函数的作用 数据归一化处理 归一化大家都不陌生，简单的理解，它的作用就是把你需要用到的数据经过处理后（通过某种算法）将其限制在你所规定的范围内。那么神经网络为什么需要归一化呢？我总结了以下几点： 取消量纲。举一个直观的例子，若样本x的

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：67584
    • 提供者：weixin_38683195

  1. Windows Server云服务器配置深度学习环境WS

  2. 之前在自己的机器上用pip磕磕绊绊配置过一次，今天在云服务器上相当于复习了一下。 总结一下需要注意的点： 1.anaconda与要使用的python的版本要互相对应。 2.pycharm要装上python的解释器，在project interpreter中可以找到。 3.这次用的anaconda真的香，比如sklearn就不用自己安装，上一次用pip安装时候有各种依赖的血泪史我至今还记得。 4.安装keras之前要安装tensorflow，并且版本要互相兼容。 5.我出现了命令行import c

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：35840
    • 提供者：weixin_38675969

  1. 深度学习学习笔记（1）

  2. 这几天开始搞毕业设计，跟着老师算是正式入门深度学习了，在此记录一下这几天的收获 1.深度学习环境配置 首先是深度学习环境的配置，以前都是用pycharm写一些小程序小打小闹，结果电脑炸了什么都没有了，现在刚好一切从新开始，也算是做个备份和总结 目前python的环境配置最好的方法还是Anaconda，使用十分便捷，自带许多基础库，可以说是新手必备。但由于各种各样的原因直接使用Anaconda下载或更新库会非常慢且容易出错，且换源似乎也无法解决。于是我就在Anaconda Prompt改用pip进

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：74752
    • 提供者：weixin_38707153

  1. deep-learning-for-image-processing:用于图像处理的深度学习，包括分类和对象检测等-源码

  2. 深度学习在图像处理中的应用教程 前言 本教程是对本人研究生期间的研究内容进行整理总结，总结的同时也希望能够帮助更多的小伙伴。 本教程会以视频的方式进行分享，教学流程如下： 1）介绍网络的结构与创新点2）使用Pytorch进行网络的建造与训练3）使用Tensorflow（内部的keras模块）进行网络的建造与训练 教程目录，单击重新相应视频（后续会根据学习内容增加） 图像分类 LeNet（已​​完成） AlexNet（已​​完成） VggNet（已​​完成） GoogLeNet（已​​完成） R

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：984064
    • 提供者：weixin_42131439

  1. 讲座_视频_概述：应用深度学习最终项目-源码

  2. 讲座视频总结 该代码被用作我在2020年秋季在哥伦比亚大学进行的应用深度学习课程（COMS 4995）的最终项目。该代码分为4部分。 预处理：这用于将我的课程成绩单存储库转换为唯一的结构化数据集。 我希望将其以csv的形式存储，以便易于阅读和编辑。 基于单词嵌入的基本摘要：此代码用于构建基线模型，该基线模型计算每个文档的文档嵌入，并选择与整个文档嵌入的余弦相似度最高的3个句子作为摘要。 句子嵌入是通过对单词嵌入词进行平均来计算的，并将文档嵌入作为文档中所有句子嵌入的平均值。 BERT的提取

  3. 所属分类：其它

    • 发布日期：2021-02-28
    • 文件大小：157696
    • 提供者：weixin_42112658

  1. 深度解读：深度学习在IoT大数据和流分析中的应用

  2. 本文来自于InfoQ，论文对目前不同的深度学习方法进行了总结，并详细讨论了使用深度学习方法对IoT数据进行分析的优势，以及未来面临的挑战。在物联网时代，大量的感知器每天都在收集并产生着涉及各个领域的数据。由于商业和生活质量提升方面的诉求，应用物联网（IoT）技术对大数据流进行分析是十分有价值的研究方向。这篇论文对于使用深度学习来改进IoT领域的数据分析和学习方法进行了详细的综述。从机器学习视角，作者将处理IoT数据的方法分为IoT大数据分析和IoT流数据分析。1.为了更好的在IoT领域内应用深度

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：1048576
    • 提供者：weixin_38523728

  1. 基于像素梯度的深度学习：Pytorch：基于像素梯度的深度学习（HOG + CNN）-源码

  2. Pytorch：基于像素梯度的深度学习（HOG + CNN） 概述 一种新颖的基于像素梯度的CNN。 为CNN的输入制作“像素渐变数组” 。 与基于灰度图像的普通CNN相比，精度更高。 Pytorch实现为自定义的torchvision.transforms 。 像素渐变阵列 图像的梯度方向是图像处理中的基本组成部分之一，并且经典用于“定向直方图（HOG）功能”，这是最成功的描述符之一。 该存储库是将其带入深度学习领域的建议： 制作量化像素渐变的3维数组（=“像素渐变数组”）。 使用像

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：217088
    • 提供者：weixin_42117082

  1. Udacity的无人驾驶汽车项目：此存储库包含我关于Udacity的第1学期的无人驾驶汽车纳米学位项目的总结报告，该项目专注于决策的计算机视觉和深度学习-源码

  2. Udacity的无人驾驶汽车项目：此存储库包含我关于Udacity的第1学期的无人驾驶汽车纳米学位项目的总结报告，该项目专注于决策的计算机视觉和深度学习

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：6291456
    • 提供者：weixin_42116713

  1. Python的框架/库总结（深度学习向）

  2. 下面总结了一些我平时常用的库，并配有解释，不多废话，直接上！ 1深度学习库 Tensflower（用过） 先说我对tensflower的理解，入门特别推荐，安装方便，代码一堆，通俗是真的通俗，易懂也是真的易懂，不过支持前期入门，并不支持深入使用。谷歌公司开发的神经网络开源库，主要优点是可进行分布式计算，API稳定，兼容性比较好。张量（Tensor）是他的基本数据单位，可在各种设备上运行，在图形处理和语音识别方面有不俗实力 pytorch（用过） 作为torch的Python版本，由Faceboo

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：81920
    • 提供者：weixin_38689113

  1. deeplearning学习总结（三）——卷积神经网络（CNN）

  2. 1. CNN介绍 1.1 为什么引入CNN CNN是一种主要用于图像识别的神经网络深度学习方法，当图片像素过大，例如为3000*3000时（当然这也太大了），在Keras中根本无法使用Dense层直接运算，因此需要引入CNN。简单的说：CNN在工作过程中提取图片边缘信息，丢弃掉剩余信息，使图片信息变小，更便于运算。 1.2 CNN工作方式 计算机通过寻找诸如边缘和曲线之类的低级特点来分类图片， 经过卷积层后构建出更抽象的概念。CNN采用了局部连接和权值共享，保持了网络的深层构架，同时又减少了网络

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：125952
    • 提供者：weixin_38548589

  1. 《深度学习的数学》二刷总结

  2. 最近在配合花书看台大李宏毅的DeepLearning课程，其中遇到了Gradient Descent（梯度下降）的知识，感觉不是很熟练。想到之前老师给买过一本日本涌井良幸的《深度学习的数学》，其中对这部分讲解的比较浅显易懂，于是打算二刷一遍这本书，并借助MarginNote将书中重点标记总结。 此篇博文将记录所有的总结，二刷完成之后，再将知识进行分章放置，暂时先按照自己二刷时间排序。 关于《深度学习的数学》，喜欢此本书的同学可以评论私信我邮箱，给你们分享。因为上传资源显示有重复的，就不再上传了。

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：446464
    • 提供者：weixin_38622125

  1. [DL]PyTorch 学习总结（2）

  2. 文章目录1. 计算图1.1 动态图1.2 静态图1.3 计算图示例2. 张量的运算2.1 张量的四则运算2.2 对数，指数，幂函数运算2.3 三角函数2.4 变换函数2.5 降维函数2.6 比较函数3. 张量的索引，变换，拼接与拆分3.1 张量的索引3.2 张量的变换3.3 张量的拼接3.4 张量的拆分 1. 计算图 一个深度学习模型是由“计算图”构成的。所谓计算图是一个有向无环图（directed acyclic graph）。数据是这个图的节点（node），运算是这个图的边（edge）。如下

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：56320
    • 提供者：weixin_38706055
« 12 3 4 5 6 7 8 »