Python深度学习：基于PyTorch

Python深度学习基于Pytorch深度学习.pdf

机器视觉-深度学习

邱锡鹏-神经网络与深度学习ppt

邱锡鹏老师的课件ppt

神经网络与深度学习.rar

就是2019年.4.10完成的那本，没错，我就是直接打印的，入门必选。

Python-基于PyTorch的深度学习项目高级框架

用于开始深度学习项目的高级框架（轻量级，灵活且易于扩展）

Python-动手学深度学习例子的PyTorch实现

This is an attempt to modify Dive into Deep Learning, Berkeley STAT 157 (Spring 2019) textbook's code into PyTorch.

【深度学习入门必备文档】

深度学习冗杂概念解析，哪里不会看哪里！

Python神经网络编程 资源_深度学习_python_

python神经网络编程，是入门深度学习必备书，附上该书的源代码

ml-wikipedia.zip-数据集-深度学习-科研实验必备（图神经网络/动态图...）

很不容易找到的数据集，科研中，图神经网络相关的，很实用。欢迎有需要的朋友下载！另外，主页专栏“Python从入门到人工智能”持续更新中，也热烈欢迎大家订阅、学习和交流。

深度学习入门全方位必备PPT

本文档由博主自己倾力打造，40页的PPT带你全面了解深度学习。里面覆盖许多链接，文档，资料。让你少走许多弯路。仅供自己学习使用，请勿其它用途。

MATLAB神经网络原理与实例精解pdf

MATLAB神经网络原理与实例精解，含有深度学习中的所有模型及文档及程序说明，深度学习入门必备！

神经网络设计 . 美国 Hagan.清晰版

神经网络设计 . 美国 Hagan.清晰版,深度学习入门必备！

Python视觉实战项目52讲.pdf

本课全面讲解了人工智能必备的技术点，由浅入深，涵盖分类算法、聚类算法、分类算法-决策树、分类算法-SVM、神经网络+深度学习等核心内容，让你快速入门人工智能。通过对机器学习核心算法的强化练习，扎实专业技能...

2023人工智能发展报告.pdf

本课全面讲解了人工智能必备的技术点，由浅入深，涵盖分类算法、聚类算法、分类算法-决策树、分类算法-SVM、神经网络+深度学习等核心内容，让你快速入门人工智能。通过对机器学习核心算法的强化练习，扎实专业技能...

MNIST手写数字数据集及其csv格式MNIST数据集

深度学习入门实战例子必备的--MNIST手写数字数据集，可以利用CNN,GAN,DCGAN等神经网络做各种各样的实验。除了原有的四个数据集，加入了CSV格式的MNIST

基于深度学习的三维重建从入门实战教程 原理讲解 源码解析 实操教程课件下载

共50个pdf教程文件， 主要以PatchMatchNet和MVSNet 的理论和实操讲解为主，其他深度学习系列的MVS讲解为辅。 主要内容包括： 基于深度学习的三维重建 原理...pytorch、神经网络 等基础必备知识讲解； 可视化工具；

最新尚硅谷AI视频教程（机器学习）

13_人工智能_深度学习背景及简介.avi 14_人工智能_深度神经网络基础及DNN简介.avi 15_人工智能_Tensorflow框架简介.avi 16_人工智能_Tensorflow入门示例讲解.avi 17_人工智能_卷积神经网络.avi 18_人工智能_卷积神经...

机器学习导论(理论课程全面录制)

本课程讲解机器学习必备知识，入门到精通，是学习机器学习必须学习的知识。课程涉及机器学习介绍，性能度量、模型评估，线性模型，决策树，人工神经网络，支持向量机，贝叶斯决策，集成学习，聚类，降维等知识。

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。

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

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

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

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

行人跌倒数据集（VOC格式）

行人跌倒数据集（VOC格式）

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）

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。

pycharm连接autodl服务器（yolov8训练自己的数据集）

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