Python深度学习：基于PyTorch

深度学习Deep learing英文论文

深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。以上是部分深度学习引文论文合集

深度学习入门论文整合

本套文档是深度学习入门的一些论文整合，非常适合刚刚接触到深度学习的同学。

intelligent-machinery-a-heretical-theory--1951 - 副本1

‘You cannot make a machine to think for you.’ This is a commonplace that isusual

深度学习入门精选论文

从起源到细化分类，英文20篇左右，中文十篇，都是经典必看的

高被引的深度学习综述的全文翻译+原文

Lecun Y , Bengio Y , Hinton G . Deep learning.[J]. Nature, 2015, 521(7553):436. 不当之处欢迎指正

深度学习-LeCun、Bengio和Hinton的联合综述外文文献及中文翻译

深度学习-LeCun、Bengio和Hinton的联合综述外文文献及中文翻译

深度学习参考文献

Improving information flow in deep networks helps to ease the training difficulties and utilize parameters more efficiently. Here we propose a new convolutional neural network architecture with alternately updated clique (CliqueNet). In contrast to prior networks, there are both forward and backward connections between any two layers in the same block. The layers are constructed as a loop and are updated alternately. The CliqueNet has some unique properties. For each layer, it is both the input and output of any other layer in the same block, so that the information flow among layers is maximized.

Deep Learning深度学习入门论文

1. 概述类 首先是概述类论文，先后有2013年的“Representation Learning: A Review and New Perspectives”和2015年的”Deep Learning in Neural Networks: An Overview”两篇。 上传了较新的一篇。 3. 分布式计算 分布式计算方面论文涉及到具体解决计算能力的问题。有2012年的两篇论文Building High-level Features Using Large Scale Unsupervised Learning和Large Scale Distributed Deep Networks，其中后篇较好，其中第一次提到GPU对深度学习计算进行提速，其描述的情形大致是如何对多个GPGPU并行计算的深度学习框架进行编程。故上传了此篇 4. 具体算法 而后便是具体的算法方面的典型论文，包括K-means、单层非监督网络、卷积网络CNN、多级架构、Maxout和增强学习，论文列举如下： 2006年Notes on Convolutional Neural Networks 2009年What is the Best Multi-Stage Architecture for Object Recognition 2011年An Analysis of Single-Layer Networks in Unsupervised Feature Learning 2012年Learning Feature Representations with K-means 2012年Sparse Filtering (其中有RBM，auto-encoder等) 2014年Improving deep neural network acoustic models using generalized maxout networks 2014年Adolescent-specific patterns of behavior and neural activity during social reinforcement learning 2015年Reinforcement learning models and their neural correlates: An activation likelihood estimation meta-analysis和Human-level control through deep reinforcement learning

最新外文文献（原文加翻译）

就最近，因毕设的文献需求，我特地的在google学术外下载的英文文献，并且自己翻译完成后，先将它分享给大家，这是一篇使用C++设计的关于服务器并发和并行程序的线程库。

java，软件工程毕设英文文献中英文翻译

用java写的毕设论文，都可以直接拿来用的外国文献翻译

DeepLab-ResNet-101

完整工程案例：深度学习Tensorflow 图像语义分割（Image Segmentation）DeepLab基于ResNet101模型（tensorflow1.1以上、python3.5及以上）

deeplab v3+.pdf

Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation

深度学习的物体识别原版论文（英文）

卷积神经网络，深度学习，主动学习，半监督学习。 题目：Incremental Deep Learning for Robust Object Detection in Unknown Cluttered Environments。

深度学习文献11篇，自己整理的。

深度学习文献11篇，自己整理的。涉及深度学习的历史发展、以及在各个领域中的应用。

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.

Python-PyTorch深度学习项目模板

一个使用PyTorch的简单模板项目，可以修改以适应许多深度学习项目

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）

智能算法外文文献.rar

“智能算法”是指在工程实践中，经常会接触到一些比较“新颖”的算法或理论，比如模拟退火，遗传算法，禁忌搜索，神经网络，天牛须搜索算法等。这些算法或理论都有一些共同的特性（比如模拟自然过程。它们在解决一些复杂的工程问题时大有用武之地。

图灵关于AI的第一篇论文中文版

本文是A.M.Turing在1950年创作，详细定义并解释了人工智能及其研究目的，发展方向，并驳斥了此前科学界及社会上普遍存在的反对观点，讲解通俗易懂，细致入微，有理有据，被称为人工智能科学的开山之作，直到现在仍有极重要的意义，几乎所有的人工智能教材都向读者强力推荐此文，读罢真的会让人切实感到，图灵不愧为计算机天才

On Computable Numbers, with an Application to the Entscheidungsproblem

图灵提出图灵机的论文103页 ON COMPUTABLE NUMBERS, WITH AN APPLICATION TO THE ENTSCHEIDUNGSPROBLEM《论数字计算在决断难题中的应用》 讲述清晰的经典文章

图灵里程碑论文1950原文

图灵1950年发表的里程碑意义的论文《Computing Machinery and Intelligence》，本文为英文原文。中文名称《计算机能思考吗》 《计算机和智能》。这是十分经典的论文！值得看一看。

计算机英文文献及译文

一篇计算机英文文献及译文，需要的可以下载看看！

深度学习综述（英文）

Deep learning in neural networks: An overview In recent years, deep artificial neural networks (including recurrent ones) have won numerous contests in pattern recognition and machine learning. This historical survey compactly summarizes relevant work, much of it from the previous millennium. Shallow and Deep Learners are distinguished by the depth of their credit assignment paths, which are chains of possibly learnable, causal links between actions and effects. I review deep supervised learning (also recapitulating the history of backpropagation),unsupervised learning, reinforcement learning & evolutionary computation, and indirect search for short programs encoding deep and large networks.

深度学习国外综述论文 Efficient Processing of Deep Neural Networks: A Tutorial and Survey

非常全面的国外综述论文，对深度学习各个反向理论有一个全面的介绍！

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