神经网络与深度学习
电子书推荐
-
Michael Nielsen所著的Neural Networks and Deep Learning-神经网络与深度学习 高清PDF 评分:
Michael Nielsen所著的Neural Networks and Deep Learning,非常适合用来入门神经网络和深度学习。原书为网页版书籍。这里提供PDF版本书籍。
上传时间:2018-05 大小:12.94MB
- 3.56MB
neural-networks-and-deep-learning.pdf
2021-10-05neural-networks-and-deep-learning.pdf
- 5.68MB
Neural networks and deep learning.pdf
2019-07-11这是深度学习的一本入门书籍(英文版),书中理论与实践有机结合,易于上手。
- 1.36MB
Neural Networks and Deep Learning.pdf
2020-11-19神经网络和深度学习英文版,Deep Learning explained to your granny – A visual introduction for beginners who want to make their own Deep Learning Neural Network
- 3.6MB
Neural Network and Deep Learning_中文版(Michael Nielsen著)
2018-02-13深度学习入门经典,以初学者的角度来讲解,python实现自己的深度学习,另外有很多训练的trick
- 13.20MB
《Neural Networks and Deep Learning》(美)Michael Nielsen 著 英文版.pdf
2019-05-09《Neural Networks and Deep Learning》(美)Michael Nielsen 著 英文版
- 51.50MB
"Neural Networks and Deep Learning" by Michael Nielsen 中英文(文字版)
2018-04-23深度学习大牛的权威之作。CNN的第一层通常都是卷积层。你必须记住的第一件事应当是卷积层(conv layer)的输入是什么。就像之前说的,输入是一个32*32*3的像素数列。要解释这个卷积层,最好的办法就是想象一下下面场景:你举着手电筒将光束打在一幅图像的左上角。我们假定这个光束覆盖的范围是5*5。
- 21.11MB
中文翻译版Neural Networks and Deep Learning(by Michael Nielsen)& 源码实例
2018-01-02Michael Nielsen的⼀本书兼顾理论和动⼿实践的书。讲解了神经网络和深度学习的众多核心概念,也包含了作者对深度学习的深刻理解和透彻思考,并附代码实例。非常适合初学者入门。
- 2.84MB
《Neural Networks and Deep Learning》中文版
2018-11-14非常清晰非常清晰!!!Michael Nielsen 大神的 《Neural Networks and Deep Learning》 网络教程一直是很多如我一样的小白入门深度学习的很好的一本初级教程。不过其原版为英文,对于初期来说我们应该以了解原理和基本用法为主,所以中文版其实更适合初学者。幸好国内有不少同好辛苦翻译了一个不错的中文版本,并且使用 LaTex 进行排版以方便阅读。
- 58.64MB
深度学习入门和进阶的经典书籍
2018-02-28两本经典深入的深度学习入门和进阶的书籍(魏秀参教授的解析卷积神经网络,Michael Nielsen的Neural Networks and Deep Learning),自己读过,觉得这两本书挺好,特意分享给大家(特别是英文的那本,让读者深入理解神经网络的本质)
- 15.93MB
Neural Network andDeep Learning中英文两本.rar
2019-05-15Neural Networks and Deep Learning英文作者Michael Nielsen,中文版Xiaohu Zhu ,Freeman Zhang翻译
- 3.15MB
《神经⽹络与深度学习》(Neural Networks and Deep Learning)
2019-06-11(美)Michael Nielsen 著,Neural+Networks+and+Deep+Learning-神经网络与深度学习.pdf
- 5.6MB
neural networks and deep learning 神经网络与深度学习
2019-02-21《神经网络与深度学习》- Michael Nielsen 神经网络是有史以来最美丽的编程模型之一。在传统的编程方法中,我们告诉计算机该做什么,将大问题分解成许多小的、精确定义的任务,计算机可以轻松执行。相比之下,在...
- 3.15MB
Neural Networks and Deep Learning中文版
2017-12-29Michael Nielsen著,Neural Networks and Deep Learning 的中文翻译版,质量非常好!
- 3.8MB
Neural Networks and Deep Learning.神经网络与深度学习
2018-03-13Michael Nielsen的Neural Networks and Deep Learning,由Xiaohu Zhu,Freeman Zhang等人提供中文翻译的开源版本,这个是最新的v0.5中文版。
- 40KB
nielsen-neural-networks-and-deep-learning:迈克尔·尼尔森(Michael Nielsen)的书-神经网络与深度学习
2021-04-14尼尔森神经网络和深度学习 迈克尔尼尔森(Michael Nielsen)的书-。 在线书的源代码在,而相关的许可证在文件LICENSE.mnielsen 。
- 5.44MB
Neural Networks and Deep Learning by Michael Nielsen
2021-03-20Neural Networks and Deep Learning by Michael Nielsen
- 6.53MB
Neural Networks and Deep Learning.zip
2019-07-16Michael Nielsen写的《Neural Networks and Deep Learning》。原载于 http://neuralnetworksanddeeplearning.com/ 为了方便我制作成了PDF,欢迎下载阅读!
- 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。
- 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
- 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
- 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。
- 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
- 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)
- 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
- 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。
- 101KB
zotero翻译插件.xpi
2022-04-152023/9/2 更新
- 98KB
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
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
- 55KB
YOLOv8改进,融合Gold-YOLO Neck
2023-11-06YOLOv8改进,融合Gold-YOLO Neck
- 322.63MB
Unet++舌象图像分割数据集+代码+模型+系统界面+教学视频.zip
2024-03-10舌象分割在中医舌诊中具有重要的意义。舌诊是中医通过观察舌象了解人体生理功能和病理变化的一种诊断方法。舌象分割是将舌面划分为不同的区域,每个区域对应着不同的脏腑和病理变化。 UNet++,它是一种深度监督的编码器-解码器网络,通过一系列嵌套的密集跳跃连接将编码器和解码器子网连接起来。UNet++的设计目标是减少编码器和解码器子网特征图之间的语义差距,使得优化器在面对语义相似的特征图时,学习任务变得更加简单。 该文件中包含提前处理好的舌象数据集和标签,以及训练好的unet++模型和完整的训练、测试和图形化界面的Python代码,并且提供了实际的操作视频,按照视频只需要进行一下基本的环境创建,即可运行出一个完整的分割系统。