移动深度学习
电子书推荐
-
深度学习之PyTorch实战计算机视觉 评分:
本书pdf电子版,带目录,内容清晰,是关于pytorch与计算机视觉应用的好书,值得收藏。通过本书读者将学到人工智能的基础概念及Python编程技能,掌握PyTorch的使用方法,学到深度学习相关的理论知识。
上传时间:2018-09 大小:42.23MB
- 70B
pytorch物体检测实战.txt
2020-07-13pytorch物体检测实战.txt
- 75B
pan_lianjie.txt
2020-01-14本资源包含最近流行的多个物体检测框架(SSD,YOLO,Faster RCNN以及一些常用的backbone),并且介绍了NMS\IOU等等算法,包含深度学习之PyTorch物体检测实战的PDF及源码,有喜欢物体检测的小伙伴可以参考一下。
- 30.63MB
AI 书汇总-深度学习之PyTorch实战计算机视觉 - 2018
2019-04-11AI 书汇总-深度学习之PyTorch实战计算机视觉 - 2018 计算机视觉
- 39KB
《深度学习之Pytorch实战计算机视觉》.ipynb
2021-10-02阅读笔记系列:《深度学习之Pytorch实战计算机视觉》
- 578KB
精品--《深度学习之PyTorch实战计算机视觉》全书代码.zip
2024-02-05精品--《深度学习之PyTorch实战计算机视觉》全书代码
- 828B
深度学习-PyTorch框架实战系列视频教程
2021-06-28深度学习-PyTorch框架实战系列视频教程,课程内容全部以实战为导向,基于当下计算机视觉与自然语言处理中经典项目进行实例讲解,通过Debug模式详解项目中每一行代码的作用与效果,整体风格通俗易懂,提供全部课程...
- 567B
深度学习-PyTorch框架实战系列.rar
2020-10-29分享视频教程——深度学习-PyTorch框架实战系列,完整版16章,附源码+数据+课件;课程内容全部以实战为导向,基于当下计算机视觉与自然语言处理中经典项目进行实例讲解,通过Debug模式详解项目中每一行代码的作用与...
- 358B
Pytorch生物医学视觉深度学习入门与实战--豪华版
2022-03-15Pytorch生物医学视觉深度学习入门与实战--豪华版课程分享,课程包括图像分类,语义分割,目标检测三大领域,共7个完整项目!提供所有的代码和数据下载!
- 116.66MB
计算机视觉资料大全
2019-01-30超高清机器视觉资料大全 包括python计算机视觉、计算机视觉、计算机视觉:一种现代方法(中文版)、 深度学习之PyTorch实战计算机视觉 - 2018
- 70B
pytorch深度学习入门与简明实战教程2022
2022-10-052.深度学习基础与线性回归实例 3.pytorch张量 4.逻辑回归与多层感知机 5.多分类问题 6.手写数字全连接模型 7.基础部分总结 8.计算机视觉基础 9.预训练模型(迁移学习) 10.Dataset数据输入 11.现代网络架构 12.图像...
- 459.1MB
深度学习与PyTorch实战
2021-06-17系列课程包括深度学习中经典网络架构,结合计算机视觉与自然语言处理两大核心模块展开原理分析与项目实战。通俗讲解深度学习中两大经典网络架构CNN与RNN模型,结合当下最主流PyTorch框架进行实战演练,选择当下NLP与...
- 656.64MB
DogsVSCats验证数据集和测试数据集
2022-06-19深度学习之PyTorch实战计算机视觉书本实例数据集
- 800KB
bilibili_回归问题实战(第六课) 深度学习与PyTorch入门实战_龙良曲 .rar
2019-06-20深度学习与PyTorch入门实战_龙良曲 bilibili_回归问题实战(第六课) 1 data.csv 用于回归的数据数据 2 gd.py 回归实战运行代码 3 lesseon4.pdf 课件
- 348.9MB
Anaconda3-4.3.1-Windows-x86.exe
2020-04-01Anaconda3-4.3.1-Windows-x86 深度学习之PyTorch实战计算机视觉 里讲的工具软件之一
- 339.1MB
Anaconda2-4.3.1-Windows-x86.exe
2020-04-01Anaconda2-4.3.1-Windows-x86 深度学习之PyTorch实战计算机视觉 里讲的工具软件之一
- 422.12MB
Anaconda3-4.3.1-Windows-x86_64.exe
2020-04-01Anaconda3-4.3.1-Windows-x86_64 深度学习之PyTorch实战计算机视觉 里讲的工具软件之一
- 413.70MB
Anaconda2-4.3.1-Windows-x86_64.exe
2020-04-01Anaconda2-4.3.1-Windows-x86_64 深度学习之PyTorch实战计算机视觉 里讲的工具软件之一
- 85.89MB
PyTorch深度学习教程:深度学习与PyTorch入门实战视频教程配套源代码和PPT
2021-02-03PyTorch安装指令 请先安装Anaconda和CUDA 10.0。 配置国内源 # 配置国内源,方便安装Numpy,Matplotlib等 conda config - - add channels ...
- 2KB
pprp#SimpleCVPaperReading#神经网络反向传播推导-基于代码1
2022-07-25前言:最近在看《深度学习之PyTorch实战计算机视觉》这本书,里边第6章中《搭建一个简单的神经网络》中有一部分代码看不懂,经过与学长的探讨,进行了手工推导,明
- 48.71MB
Miniconda3-4.2.12-Windows-x86_64.exe
2020-04-10Miniconda3-4.2.12-Windows-x86_64.exe深度学习之PyTorch实战计算机视觉 里讲的工具软件之一,使用后发现,按步骤安装了相关工具,使用空间比FULL版本还多
- 183B
计算机视觉CV视频
2019-03-30计算机视觉的一些资料和常见的深度学习框架. 比较不错的学习资源, 希望你们能够喜欢
- 41.77MB
深度学习及PyTorch实操教程
2023-01-19用Pytorch轻松实现28个视觉Transformer,开源库 timm 了解一下!(附代码解读) PyTorch 对类别张量进行 one-hot 编码 PyTorch 深度剖析:如何使用模型并行技术 ...实操教程 _ 使用Docker为无网络环境搭建深度学习环境
- 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
- 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)
- 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
- 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)