分享
移动深度学习
电子书推荐
-
-
深度学习入门之PyTorch.廖星宇(带详细书签).pdf 评分:
深度学习如今已经成为了科技领域最炙手可热的技术，在本书中，我们将帮助你入门深度学习的领域。本书将从人工智能的介绍入手，了解机器学习和深度学习的基础理论，并学习如何用PyTorch框架对模型进行搭建。通过阅读本书，你将会学习到机器学习中的线性回归和logistic回归，深度学习的优化方法，多层全连接神经网络，卷积神经网络，循环神经网络以及生成对抗网络，同时从零开始对PyTorch进行学习，了解PyTorch基础及如何用其进行模型的搭建，最后通过实战了解最前沿的研究成果和PyTorch在实际项目中的应用。 第1章 深度学习介绍 1 1.1 人工智能 1 1.2 数据挖掘、机器学习与深度学习 2 1.2.1 数据挖掘 3 1.2.2 机器学习 3 1.2.3 深度学习 4 1.3 学习资源与建议 8 第2章 深度学习框架 11 2.1 深度学习框架介绍 11 2.2 PyTorch 介绍 13 2.2.1 什么是PyTorch 13 2.2.2 为何要使用PyTorch 14 2.3 配置PyTorch 深度学习环境 15 2.3.1 操作系统的选择 15 2.3.2 Python 开发环境的安装 16 2.3.
上传时间：2019-03 大小：52.1MB
11.20MB深度学习入门之PyTorch代码 廖星宇
2021-06-07廖星宇的深度学习入门之PyTorch的所有代码
22.13MB动手学深度学习pytorch.pdf
2022-02-26动手学深度学习pytorch.全面介绍深度学习的动手学习文档。
- 52.11MB
深度学习pytorch廖星宇带详细书签
2018-09-16深度学习pytorch廖星宇带详细书签，最好的入门pytorch的书籍
- 12.58MB
深度学习PyTorch极简入门PDF教程.pdf
2020-01-15深度学习PyTorch极简入门PDF教程，18章合为一个文件 第01课：深度学习概述 第02课：深度学习 Python 必备知识点 ... 第18课：项目实战——利用 PyTorch 构建 RNN 模型
- 7.59MB
LESSON 7 认识深度学习，认识PyTorch.pdf
2021-11-26LESSON 7 认识深度学习，认识PyTorch.pdf
- 1.94MB
（翻译）60分钟入门深度学习工具-PyTorch.pdf
2020-04-10（翻译）60分钟入门深度学习工具-PyTorch 公号：机器学习初学者 一、Pytorch是什么？ 二、AUTOGRAD 三、神经网络 四、训练一个分类器 五、数据并行
28KB深度学习原理与PyTorch实战.docx
2023-09-13深度学习原理与PyTorch实战.docx
57.16MB深度学习之Pytorch
2018-03-27国内少有的学习 pytorch的资料,适合初学者, 希望对大家有帮助,清晰版本
- 731B
深度学习与PyTorch入门学习教程.txt打包整理.zip
2022-03-05深度学习与PyTorch入门学习教程.txt打包整理.zip
- 21.58MB
d2l-zh-pytorch.pdf
2022-02-14d2l-zh-pytorch.pdf
- 3.1MB
Python深度学习基于Pytorch深度学习.pdf
2022-12-26机器视觉-深度学习
- 64.25MB
Dive-into-DL-PyTorch.rar
2020-06-10Dive-into-DL-PyTorch.pdf 和Dive-into-DL-PyTorch-master(for chinese version) 资料pytorch
- 8.35MB
Deep Learning with Pytorch.pdf
2019-04-27《Deep Learning with Pytorch》是一本英文原版书籍，是一本pytorch入门书籍，对于这个领域的研究者来说，这是一个非常有价值的参考文献！分享出来共同学习！
- 1.78MB
60分钟入门深度学习工具-PyTorch.zip
2020-01-02作为Deep learning领域的model的重要开发工具，pytorch一直以来倍受广大研究人员的好评。以下附上由ML学习初学者公众号领头人黄海广博士翻译的“60分钟入门深度学习工具-PyTorch”，让大家感受不一样的学习节奏。
- 14.54MB
Deep-Learning-with-PyTorch.rar
2021-07-12Pytorch的深度学习应用操作
- 293.88MB
YOLOv8-deepsort 实现智能车辆目标检测+车辆跟踪+车辆计数
2023-10-06本资源纯属免费，不收任何钱和任何积分，纯粹为爱发电，本资源已经为大家整合好了的，看我的博客部署好直接用：https://blog.csdn.net/Little_Carter/article/details/133610076?spm=1001.2014.3001.5501 资源原本项目源码地址：https://github.com/MuhammadMoinFaisal/YOLOv8-DeepSORT-Object-Tracking 本资源提供了基于YOLOv8-deepsort算法的智能车辆目标检测、车辆跟踪和车辆计数的实现方案。首先，利用YOLOv8算法对视频中的车辆目标进行检测，并对检测到的目标进行标记。然后，通过deepsort算法对标记的车辆目标进行跟踪，实现车辆目标的持续跟踪。最后，根据跟踪结果对车辆数量进行统计，实现车辆计数功能。本资源提供了完整的代码实现和详细的使用说明，帮助读者快速掌握基于YOLOv8-deepsort的智能车辆目标检测、车辆跟踪和车辆计数技术。
98KBYOLOv8网络结构图，自制visio文件，yolov8.vsds，需要的自取，在原有的基础上直接改就行了
2024-03-12YOLOv8网络结构图，自制visio文件，yolov8.vsds，需要的自取，在原有的基础上直接改就行了
- 367.44MB
yolov8(2023年8月版本),已经下好yolov8s.pt和yolov8n.pt
2023-10-09yolov8(2023年8月版本),已经下好yolov8s.pt和yolov8n.pt，需要创建的文件夹都以创建，方便大家不用再去GitHub下载 可以搭配该博客：https://blog.csdn.net/weixin_43366149/article/details/132206526?spm=1001.2014.3001.5501
- 26.50MB
Transformer模型实现长期预测并可视化结果（附代码+数据集+原理介绍）
2023-11-12这篇文章给大家带来是Transformer在时间序列预测上的应用，这种模型最初是为了处理自然语言处理（NLP）任务而设计的，但由于其独特的架构和能力，它也被用于时间序列分析。Transformer应用于时间序列分析中的基本思想是：Transformer 在时间序列分析中的应用核心在于其自注意力机制，这使其能够有效捕捉时间序列数据中的长期依赖关系。通过并行处理能力和位置编码，Transformer 不仅提高了处理效率，而且确保了时间顺序的准确性。其灵活的模型结构允许调整以适应不同复杂度这篇文章给大家带来是Transformer在时间序列预测上的应用，这种模型最初是为了处理自然语言处理（NLP）任务而设计的，但由于其独特的架构和能力，它也被用于时间序列分析。Transformer应用于时间序列分析中的基本思想是：Transformer 在时间序列分析中的应用核心在于其自注意力机制，这使其能够有效捕捉时间序列数据中的长期依赖关系。通过并行处理能力和位置编码，Transformer 不仅提高了处理效率，而且确保了时间顺序的准确性。定制化训练个人数据集进行训练利用python和pytorch实现
- 141KB
社交平台上经济类话题的文章热度信息，数据是真实的，但不是真实日期
2023-03-16使用LSTM模型进行时序预测的代码与说明见：https://blog.csdn.net/Q_M_X_D_D_/article/details/109366895
- 123.13MB
Unet眼底血管图像分割数据集+代码+模型+系统界面+教学视频.zip
2024-02-17本资源配套对应的视频教程和图文教程，手把手教你使用Unet做眼底图像分割的训练、测试和界面封装，包含了Unet原理的解析、处理好的训练集和测试集、训练和测试的代码以及训练好的模型，并封装为了图形化界面，只需点击上传按钮上传图像即可完成眼底图像的预测。 随着生活水平的提高，眼科疾病以及心脑血管疾病的发病率呈现逐年增长的趋势。视网膜血管是这类疾病诊断和监测的重要信息来源，其形态和状况的变化可以反映出许多疾病的早期病理变化。然而，由于受眼底图像采集技术的限制以及视网膜血管自身结构的复杂性和多变性，使得视网膜血管的分割变得非常困难。传统方法依靠人工手动分割视网膜血管，不仅工作量巨大，极为耗时，而且受主观因素影响严重。通过眼底血管图像分割可以提高诊断准确性、效率以及推动科学研究和改进治疗方法等方面。 B站主页：https://space.bilibili.com/161240964 C站主页：https://blog.csdn.net/ECHOSON
- 62.4MB
行人跌倒数据集（VOC格式）
2023-01-30行人跌倒数据集（VOC格式）
- 40.38MB
YOLOV5 + 双目相机实现三维测距（新版本）
2024-04-14YOLOV5 + 双目相机实现三维测距（新版本）
- 728KB
全新的SOTA模型YOLOv9
2024-02-22当今的深度学习方法专注于如何设计最合适的目标函数，以使模型的预测结果尽可能接近真实值。同时，还需要设计一个合适的架构，以便获取足够的信息进行预测。现有方法忽略了一个事实：当输入数据经过逐层的特征提取和空间变换时，会丢失大量信息。本文将深入探讨数据在深度网络中传输时数据丢失的重要问题，即信息瓶颈和可逆函数问题。我们提出了可编程梯度信息（PGI）的概念，以应对深度网络实现多个目标所需的各种变化。PGI能够为目标任务提供完整的输入信息，以计算目标函数，从而获得可靠的梯度信息以更新网络权重。此外，我们还设计了一种基于梯度路径规划的新型轻量级网络架构——广义高效层聚合网络（GELAN）。GELAN的架构证明了PGI在轻量级模型上获得了优越的结果。我们在基于MS COCO数据集的目标检测上验证了所提出的GELAN和PGI。结果显示，GELAN仅使用传统的卷积运算符就实现了比基于深度卷积的最新方法更好的参数利用率。PGI可用于从轻量级到大型的各种模型，它可以获取完整信息，使得从零开始训练的模型比使用大型数据集预训练的最新模型获得更好的结果，比较结果如图1所示。
- 850.77MB
YOLOV5口罩检测数据集+代码+模型 2000张标注好的数据+教学视频.zip
2021-12-14YOLOV5口罩检测数据集+代码+模型 2000张标注好的数据+教学视频 代码的下载地址在：https://gitee.com/song-laogou/yolov5-mask-42 大家可以按照这里的视频教程配置环境：https://www.bilibili.com/video/BV1YL4y1J7xz/ 更多数据请看：https://blog.csdn.net/ECHOSON/article/details/121892887 遇到问题请小伙伴通过私信联系作者，感谢大家的支持！
- 2.50MB
Deep Learning Tuning Playbook（中译版）
2023-01-30由五名研究人员和工程师组成的团队发布了《Deep Learning Tuning Playbook》，来自他们自己训练神经网络的实验结果以及工程师的一些实践建议，目前在Github上已有1.5k星。此版本为中文翻译版，提供给大家免费下载，因为本人知识水平有限，翻译过程中可能有误，随时欢迎大家指出错误，我会随时更正。
- 1.70MB
pycharm连接autodl服务器（yolov8训练自己的数据集）
2024-02-16里面没写怎么配置yolov8环境，这个参考官方文档就行很简单一行代码即可
- 101KB
zotero翻译插件.xpi
2022-04-152023/9/2 更新
- 115.85MB
Informer模型实战案例(代码+数据集+参数讲解)
2023-11-10本篇博客带大家看的是Informer模型进行时间序列预测的实战案例，它是在2019年被提出并在ICLR 2020上被评为Best Paper，可以说Informer模型在当今的时间序列预测方面还是十分可靠的，Informer模型的实质是注意力机制+Transformer模型，Informer模型的核心思想是将输入序列进行自注意力机制的处理，以捕捉序列中的长期依赖关系，并利用Transformer的编码器-解码器结构进行预测，通过阅读本文你可以学会利用个人数据集训练模型。Informer是一种用于长序列时间序列预测的Transformer模型,但是它与传统的Transformer模型又有些不同点，与传统的Transformer模型相比，Informer具有以下几个独特的特点： 1. ProbSparse自注意力机制：Informer引入了ProbSparse自注意力机制，该机制在时间复杂度和内存使用方面达到了O(Llog L)的水平，能够有效地捕捉序列之间的长期依赖关系。 2. 自注意力蒸馏：通过减少级联层的输入，自注意力蒸馏技术可以有效处理极长的输入序列，提高了模型处理长序列的能力
