神经网络与深度学习
电子书推荐
-
神经网络与深度学习吴恩达.zip 评分:
深度学习与神经网络,中文翻译,学习深度学习必备,对于神经网络有充分的理解
上传时间:2019-07 大小:3.04MB
- 22.92MB
吴恩达深度学习代码.zip
2019-08-06吴恩达深度学习课程的课后作业代码,python3.5实现
- 36.73MB
吴恩达深度学习作业.zip
2020-08-17吴恩达深度学习作业用到的planar_utils.py和testCases_cv2.py
- 144.67MB
吴恩达神经网络和深度学习笔记
2019-01-09该文档包含了吴恩达神经网络和深度学习的课程笔记(包含第一门课到第五门课),还有相关的论文和数据。有兴趣可以下载学习!
- 22.19MB
吴恩达深度学习
2018-11-21深度学习(Deep Learning 最全的中文版)_2017年新书,学习深度学习的入门课程, 介绍了一些基础知识,卷积神经网络CNN,回归神经网络RNN,等现在比较流行的模型。
- 198.91MB
吴恩达 深度学习 作业
2018-04-27吴恩达 深度学习 作业 与网易云课 件 配套使用
- 22.47MB
Deeplearning深度学习笔记v5.6_吴恩达.zip
2019-05-24一直以为机器学习的重点在于设计精巧、神秘的算法来...吴恩达的课程数学上是比较基础的。课程前面部分讲解了神经网络相关的主要算法,后面则侧重于讲工程上如何使用各种策略来调整优化模型使之能够快速地拟合实际问题。
- 187.29MB
吴恩达老师深度学习第四课卷积神经网络所有作业.zip
2021-08-12吴恩达老师深度学习第四课卷积神经网络所有作业.zip
- 180.53MB
吴恩达课后编程作业】Course 4 - 卷积神经网络 - 第三周作业 - 车辆识别YOLO.zip
2021-01-30YOLO,吴恩达课后编程作业,Course 4 - 卷积,训练model_data/yolov2.h5的项目,直接下载,查看我发的另一篇博客关于这个资源的使用
- 2.63MB
【吴恩达课后编程作业】Course+1+-+神经网络和深度学习+-+第四周作业(1&2).zip
2019-08-10【吴恩达课后编程作业】Course+1+-+神经网络和深度学习+-+第四周作业(1&2).zip
- 74.69MB
Deeplearning深度学习笔记v5.6.zip
2019-12-26在这5堂课中,学生将可以学习到深度学习的基础,学会构建神经网络,并用在包括吴恩达本人在内的多位业界顶尖专家指导下创建自己的机器学习项目。Deep Learning Specialization对卷积神经网络 (CNN)、递归神经网络 ...
- 23.46MB
吴恩达深度学习作业
2018-12-04NG原版作业手册。NG出品,放心使用。里面有详细的代码注释和提示,快到碗里来。
- 15.65MB
吴恩达深度学习笔记
2019-02-22吴恩达深度学习笔记
- 2.65MB
【吴恩达课后编程作业】第二周作业 - Logistic回归-识别猫的图片资源.zip
2019-09-05【吴恩达课后编程作业】第二周作业 - Logistic回归-识别猫的图片资源
- 2.68MB
使用 numpy 从零搭建深度神经网络(DNN).zip
2023-01-17项目源自吴恩达老师在 Coursera 开设的深度学习课程的课后作业,代码和原课后作业不完全相同,所有关键的地方我都写了注释。建议先大体看一下都有哪些部分,然后从训练模型部分开始看起。我认为,代码写的时候要先写...
- 2KB
Week 3 - PA 2 - Planar data classification with one hidden layer.zip
2019-08-10吴恩达神经网络与深度学习第2周神经网络基础具有神经网络思维的Logistic回归代码
- 1KB
planar_utils.zip
2021-01-10coursera的吴恩达神经网络和深度学习的课编程练习所需的所需包和数据,可以方便学员自己在本地练习
- 1KB
testCases_v2.zip
2021-01-10coursera的吴恩达神经网络和深度学习的课编程练习所需的所需包和数据,可以方便学员自己在本地练习
- 5.31MB
斯坦福大学机器学习课程个人学习笔记.zip
2019-07-07吴恩达机器学习的笔记 非常好的机器学习资料 (Andrew Wu's notes on machine learning are excellent machine learning materials) 文件列表: (1)线性回归、logistic回归和一般回归.pdf (2)判别模型、生成模型与...
- 67.61MB
1deep-learning.zip
2019-08-16吴恩达深度学习课程系列第一门课相关资料, 包括notebook, 作业以及代码。
- 4KB
deeplearning_week2_shallowNeuralNetwork.zip
2019-08-24吴恩达深度学习作业二【浅层神经网络分类】https://mp.csdn.net/postedit/100047437
- 2.68MB
deeplearning_week3_deepNeuralnetwork.zip
2019-08-25吴恩达深度学习作业三【深度神经网络对猫照片进行分类】 文章链接https://blog.csdn.net/Jonh_/article/details/100053730
- 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。
- 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
- 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)