深度学习
作者:[美]伊恩·古德费洛、[加]约书亚·本吉奥、[加]亚伦·库维尔
出版社:人民邮电出版社
ISBN:9787115461476
VIP会员免费
(仅需0.8元/天)
¥ 107.52
温馨提示: 价值40000元的1000本电子书,VIP会员随意看哦!
电子书推荐
-
分布式深度学习框架TensorFlowOnSpark 评分:
分布式深度学习框架TensorFlowOnSpark:深度学习是一种机器学习。既然名为“学习”,那自然与我们人类的学习过程有某种程度的相似。
上传时间:2019-11 大小:543KB
- 580KB
tensorflow on spark
2019-01-24tensorflow on spark
- 2.57MB
当Spark遇上TensorFlow分布式深度学习框架原理和实践
2021-02-24本文来自于cnblogs,文章详细介绍了DeepLearning、Tensorflow模型建模与训练以及TensorflowOnSpark的案例实践等相关知识。近年来,机器学习和深度学习不断被炒热,tensorflow作为谷歌发布的数值计算和神经网络的新框架也获得了诸多关注,spark和tensorflow深度学习框架的结合,使得tensorflow在现有的spark集群上就可以进行深度学习,而不需要为深度学习设置单独的集群,为了深入了解spark遇上tensorflow分布式深度学习框架的原理和实践,主要内容介绍spark和深度学习的基本原理、spark与深度学习领域相结合的最新的发展方向,
- 272KB
TensorFlowOnSpark将TensorFlow程序引入Apache Spark集群。-Python开发
2021-05-25TensorFlowOnSpark TensorFlowOnSpark为Apache Hadoop和Apache Spark集群带来了可扩展的深度学习。 通过将TensorFlow深度学习框架中的突出功能与Apache Spark和Apache Hadoop相结合,TensorFlowOnSpark TensorFlowOnSpark为Apache Hadoop和Apache Spark集群带来了可扩展的深度学习。 通过将TensorFlow深度学习框架中的突出功能与Apache Spark和Apache Hadoop相结合,TensorFlowOnSpark可以在GPU和CPU服务器集群上实现分布式深度学习。 它支持在Spark集群上进行分布式TensorFlow训练和推理,其目标是最大程度地减少在sh上运行现有TensorFlow程序所需的代码更改量
- 5.70MB
tensorflow on spark安装的部分资源包
2018-03-26tensorflowonspark的资源包,主要是保证那些依赖关系的正确,这个官方的很坑,这是我自己收集的
- 174KB
Spark与深度学习框架——H2O、deeplearning4j、SparkNet
2021-02-25深度学习因其高准确率及通用性,成为机器学习中最受关注的领域。这种算法在2011—2012年期间出现,并超过了很多竞争对手。最开始,深度学习在音频及图像识别方面取得了成功。此外,像机器翻译之类的自然语言处理或者画图也能使用深度学习算法来完成。深度学习是自1980年以来就开始被使用的一种神经网络。神经网络被看作能进行普适近似(universalapproximation)的一种机器。换句话说,这种网络能模仿任何其他函数。例如,深度学习算法能创建一个识别动物图片的函数:给一张动物的图片,它能分辨出图片上的动物是一只猫还是一只狗。深度学习可以看作是组合了许多神经网络的一种深度结构。与其他已有的机器学习
- 350KB
基于Spark的异构分布式深度学习平台
2021-02-20导读:本文介绍百度基于Spark的异构分布式深度学习系统,把Spark与深度学习平台PADDLE结合起来解决PADDLE与业务逻辑间的数据通路问题,在此基础上使用GPU与FPGA异构计算提升每台机器的数据处理能力,使用YARN对异构...
- 271KB
TensorFlowOnSpark:TensorFlowOnSpark将TensorFlow程序引入Apache Spark集群
2021-02-03通过将深度学习框架中的突出功能与和,TensorFlowOnSpark可以在GPU和CPU服务器集群上实现分布式深度学习。 它支持在Spark集群上进行分布式TensorFlow训练和推理,其目标是最大程度地减少在共享网格上运行现有...
- 23.28MB
分布式深度学习论文(tensorflow的并行计算)
2019-05-06大量我自己学习的时候下载以及老师给的分布式深度学习的论文,可以学习使用
- 4.3MB
最新分布式深度学习技术
2020-06-09人工智能的需求在过去十年中显著增长,很大程度是深度学习的进步。这种增长是由深度(机器)学习技术的进步和利用硬件加速的能力推动的。然而,为了提高预测的质量和使机器学习解决方案在更复杂的应用中可行,需要大量...
- 3.5MB
分布式深度学习框架下基于性能感知的DBS-SGD算法.pdf
2021-08-08#资源达人分享计划#
- 272KB
TensorFlowOnSpark 将TensorFlow程序带到Apache Spark集群上-python
2021-06-18通过将 TensorFlow 深度学习框架的显着特征与 Apache Spark 和 Apache Hadoop 相结合,TensorFlowOnSpark 支持在 GPU 和 CPU 服务器集群上进行分布式深度学习。 它支持在 Spark 集群上进行分布式 TensorFlow 训练...
- 12.40MB
Adatao:基于Spark/Tachyon的分布式深度学习框架
2015-10-18First-ever scalable, distributed deep learning architecture using Spark & Tachyon
- 11.13MB
BigDL:BigDL:适用于Apache Spark的分布式深度学习框架
2021-02-04BigDL:基于Apache Spark的分布式深度学习 什么是BigDL? 是Apache Spark的分布式深度学习库; 借助BigDL,用户可以将其深度学习应用程序编写为标准Spark程序,这些程序可以直接在现有Spark或Hadoop集群之上运行。 ...
- 263KB
分布式机器学习框架:MxNet前言
2021-01-27Minerva:高效灵活的并行深度学习引擎 不同于cxxnet追求极致速度和易用性,Minerva则提供了一个高效灵活的平台
- 11.13MB
BigDL:适用于Apache Spark的分布式深度学习框架-Python开发
2021-05-25BigDL:基于Apache Spark的分布式深度学习什么是BigDL? BigDL是Apache Spark的分布式深度学习库; 使用BigDL,用户可以将其深度学习应用程序编写为标准Spark p BigDL:基于Apache Spark的分布式深度学习什么是BigDL...
- 2.15MB
elephas:使用Keras和Spark进行分布式深度学习
2021-02-05Elephas:使用Keras和Spark进行分布式深度学习 亚洲象是一个扩展 ,它允许你在规模与分布运行深度学习模型。 Elephas当前支持许多应用程序,包括: 从原理上讲,elephas的工作原理如下。 表中的内容: 介绍 亚洲象...
- 6.4MB
cpp-Paddle百度开源的分布式深度学习框架
2019-08-16Paddle: 百度开源的分布式深度学习框架
- 3.18MB
在ApacheHadoop中运行深度学习框架
2021-02-24为了训练深度学习/机器学习模型,可以利用TensorFlow/MXNet/Pytorch/Caffe/XGBoost等框架。有时需要将这些框架进行组合使用以用于解决不同的问题。为了使分布式深度学习/机器学习应用程序易于启动,管理和监控,...
- 24.59MB
PaddlePaddle (PArallel Distributed Deep LEarning 并行分布式深度学习)是百度研发
2023-12-27飞桨(PaddlePaddle)以百度多年的深度学习技术研究和业务应用为基础,是中国首个自主研发、功能完备...飞桨深度学习框架采用基于编程逻辑的组网范式,对于普通开发者而言更容易上手,符合他们的开发习惯。同时支持声明式
- 2.72MB
用Horovod实现大规模分布式深度学习.pdf
2022-01-12Horovod、分布式深度训练
- 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)
- 40.38MB
YOLOV5 + 双目相机实现三维测距(新版本)
2024-04-14YOLOV5 + 双目相机实现三维测距(新版本)
- 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。
- 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!