人工智能（第2版）

tensorflow-tutorial-samples

TensorFlow2教程 TensorFlow 2.0 Tutorial 入门教程实战案例

人工智能-Tensorflow入门-熟悉安装和基本的使用。

Tensorflow入门-熟悉安装和基本的使用。 适合纯想学习Tensorflow环境搭建的学员， 通过学习可以学会tensorflow安装和体验tensorflow技术。

AI人工智能资料 机器学习和深度学习知识 day05-Tensorflow IO操作-队列和线程、文件读取、图片处理 共40页.pptx

【课程简介】 本课程适合所有需要学习机器学习技术的...day06-Tensorflow、人工神经网络、卷积神经网络、图片识别 共65页.pptx day07-CIFAR图像分类 图像识别、分布式会话函数、分布式TensorFlow、推荐系统 共76页.pptx

OpenCV+TensorFlow 入门人工智能图像处理 全视频加源代码

OpenCV+TensorFlow 入门级别的人工智能图像处理视频教程

tensorflow-tutorial-samples：TensorFlow2教程TensorFlow 2.0教程入门教程实战案例

TensorFlow 2.0教程入门教程实战案例 用最白话的语言，讲解机器学习，神经网络与深度学习样本基于TensorFlow 1.4和TensorFlow 2.0实现 相关链接 ， ， ， OpenAI体育馆 介绍了策略梯度算法（策略梯度）来玩...

Tensorflow2.0-入门教程初级中文版（含源码）.zip

深度学习教程，找国外的网上找到的资料（已翻译成...本教程主要是引导大家正确入门AI，0基础估计要学习1个月左右，学习完成后，估计大家就会对人工智能有一个正确的认识，里面含20多个代码案例，包含开发的各个环节。

opencv+tensorflow入门人工智能图像处理.txt

OpenCV+TensorFlow 入门人工智能图像处理（无密完整）

OpenCV-TensorFlow-入门人工智能图像处理.zip

OpenCV-TensorFlow-入门人工智能图像处理.zip

tensorflow-stack-ts:TensorFlow.js全栈入门套件

TensorFlow-Stack-TS-启动您的AI项目TensorFlow.js全栈入门套件动机开始从事AI项目时，并且要通过一系列工具获得一些概念验证。 但是，一旦项目的这一阶段结束，您就想开发一个应用程序，甚至只是一个测试床来进行...

TensorFlow，人工智能，微信小程序实战入门视频教程和资料

TensorFlow，人工智能，微信小程序实战入门视频教程和资料。TensorFlow，人工智能，微信小程序实战入门视频教程和资料。

[AI教程]TensorFlow入门：Hello World与基本操作-代码

[AI教程]TensorFlow入门：Hello World与基本操作-代码

TensorFlow基础教程01

TensorFlow基础教程，简单清晰明了， 让你快速入门今日极度火热的人工智能深度学习圈

tensorflow2.0-神经网络实现垃圾分类源代码，含数据集+模型下载地址

小白入门tensorflow写的一个简单程序，利用自建神经网络和vgg16两种方式实现垃圾分类。 总共四种分类结果，训练集中每一种类别对应1000个样本，测试集中每一种类别对应100个样本。 软件架构 classify_garbage.py为...

TensorFLow-Learning深度学习入门的一些简单例子

TensorFLow-Learning深度学习入门的一些简单例子

Google老师亲授TensorFlow2.0入门到进阶（教学视频、笔记）

Google老师亲授TensorFlow2.0入门到进阶（教学视频、笔记） 第1章 Tensorflow简介与环境搭建 第2章 Tensorflow keras实战 第3章 Tensorflow基础API使用 第4章 Tensorflow dataset使用 第5章 Tensorflow Estimator...

Introduction-to-TensorFlow-for-Artificial-Intelligence-Machine-Learning-and-Deep-Learning-Coursera:该存储库包含Coursera课程针对人工智能，机器学习和深度学习的TensorFlow简介的作业

用于人工智慧机器学习和深度学习课程的TensorFlow简介该存储库包含Coursera课程《面向人工智能，机器学习和深度学习的TensorFlow入门》的作业。

tensorflow入门实战项目：猫狗识别和人马识别数据库

tensorflow入门实战项目： 二分类项目： 猫狗识别和人马识别

YOLOv8-deepsort 实现智能车辆目标检测+车辆跟踪+车辆计数

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。

YOLOV5 + 双目相机实现三维测距（新版本）

YOLOV5 + 双目相机实现三维测距（新版本）

yolov8(2023年8月版本),已经下好yolov8s.pt和yolov8n.pt

yolov8(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

YOLOv8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

YOLOv8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

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

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

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

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

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）

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

行人跌倒数据集（VOC格式）

行人跌倒数据集（VOC格式）

全新的SOTA模型YOLOv9

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。

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

YOLOV5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！

Deep Learning Tuning Playbook（中译版）

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。