博客“用PyTorch实现MNIST手写数字识别(非常详细)”中对应的完整代码文件，原文可见：https://blog.csdn.net/sxf1061700625/article/details/105870851

tesseract-ocr安装包和中文语言包，Python实现图片识别，python3识别图片里的文字，python3识别图片里的文字

RNN卷积神经网络，LSTM，使用matlab实现，简单的数据拟合

opencv3+python人脸检测和识别 完整项目 识别视频《欢乐颂》中人物

约4000张不带口罩的人脸图片+4000张带口罩的人脸图片，含标注文件，符合YOLOv5格式，可直接训练。

最新的tensorflow教程，内容全面丰富，包括： TensorFlow For Machine Intelligence.pdf TensorFlow 官方文档中文版 - v1.2.pdf tensorflow-mnist-tutorial-master tensorflow在windows下的安装指南 TensorFlow在图像识别上的应用（郑泽宇PPT） 斯坦福大学-深度学习基础教程等。

CNN卷积神经网络实现，Matlab仿真，识别手写数字集。

Python+OpenCV+OpenPose实现人体姿态估计（人体关键点检测）代码说明参见：https://blog.csdn.net/m0_38106923/article/details/89416514

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！

Could not load dynamic library 'cudnn64_7.dll'; dlerror: cudnn64_7.dll not found 本文件是cudnn-7.6.5的文件，可以用来解决一些tensorflow无法加载某些文件的问题

吴恩达2014机器学习课程对应全部作业，内有详细代码以及题目说明文档！！代码清晰，亲自做过无任何问题！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！

https://blog.csdn.net/zxm_jimin/article/details/94742224

本资源为自己人工标记的微博语料，分为消极pos.txt，积极neg.txt 各60000条，适用于机器学习情感分析，训练数据原数据

根据随机森林的原理实现的matlab代码，里面有非常详细的注释，几乎每行都有，针对分类问题，可以运行，可以根据需要，修改到自己的算法中。

猫狗分类的特意精选版，小巧版，一共2000张图片，测试集：400张图片，猫狗各半。 训练集：1600张图片，猫狗各半。 小巧数据集，可以保证，大概在2分钟之内训练完毕和测试完毕（一般笔记本）。

The NVIDIA CUDA® Deep Neural Network library (cuDNN) is a GPU-accelerated library of primitives for deep neural networks.

ARIMA模型-matlab代码，可以根据自己的实际情况进行参数调节，实现所需要的效果。

cudnn v7.0版本，适合最新的cuda9.0.是GPU的加速库，安装caffe的GPU版本会用到。

神经网络回归预测--气温数据集

粒子群算法 求函数最小值，matlab代码。链接是讲解粒子群算法 https://blog.csdn.net/zyqblog/article/details/80829043 。 我用ubuntu下matlab编写的代码，你在windows下可能有中文乱码，不过都是注释，你可以去博客链接中查看主要代码部分，不影响的

人脸检测 人脸对齐 人脸识别工程，五点人脸特征识别 实时性好

leetcode全套解答python版本。包括更新到10月份的的leetcode

时间序列预测代码中所使用的数据集

OpenCV单目视觉定位（测量），能检测识别出自定义的物体标签，并计算出自定义物体距离摄像头光心的X,Y方向距离， 用于无人机/机器人视觉定位。

王昊奋老师的全套知识图谱课件，知识图谱能做到的就是让知识可被用户访问到（搜索），可被查询（问答），可被支持行动（决策）。

数据集有三列:年、月和乘客。“passengers”列包含指定月份中旅行的乘客总数，可以看到数据集中有144行3列，这意味着数据集中包含了乘客12年的出行记录。这项任务是根据前132个月的数据，预测过去12个月出行的乘客数量。请记住，我们有144个月的记录，这意味着前132个月的数据将用于训练我们的LSTM模型，而模型性能将使用最后12个月的值进行评估。

ICDAR 2015 (1000 training images + 500 testing images)

关于代码的介绍可以参考https://blog.csdn.net/qq_41562704/article/details/88975569，代码基于Win10 + Python3.7环境，对采集的图片进行了图像平滑，基于OTSU阈值的肤色分割，基于八邻域搜索法进行轮廓检测操作，最终完成了手势图片从采集到轮廓曲线的提取过程，对已得到的轮廓曲线提取其傅里叶描述子和椭圆傅里叶描述子，并分别进行了归一化处理。用KNN和SVM两种算法训练模型，以自己采集数据集为训练集进行了训练，最后基于PyQt5制作了简易界面。

真实头像打包4000个 新注册用户，随机头像用，真实头像数据 超级真实 可用于微信微博QQ等机器人注册 或者网站随机头像

这个一个python实现的车道线识别程序，基于opencv库。压缩包内还附了测试用的图像和视频，适合进行python和图像处理学习。

兄弟们好呀，这里是肆十二，这转眼间寒假就要过完了，相信大家的毕设也要准备动手了吧，作为一名大作业区的UP主，也该蹭波热度了，之前关于图像分类和目标检测我们都出了相应的教程，所以这期内容我们搞波新的，我们用Unet来做医学图像分割。我们将会以皮肤病的数据作为示范，训练一个皮肤病分割的模型出来，用户输入图像，模型可以自动分割去皮肤病的区域和正常的区域。

网易新闻语料库 文本分类 自然语言处理 网上基本找不到哦~~

Python是一种编程语言，可让您快速工作 无论您是编程新手还是经验丰富的开发人，都可以轻松学习和使用Python

内含13种图像特征提取代码：01_Histogram、02_GLCM、03_Color、04_ShapeContext、05_SIFT、06_HOG、07_LBP、08_Gabor、09_SURF、10_Harris、11_FAST、12_BRIEF、13_ORB

目录： 编者寄语 第一章:简介 第二章: ChatGPT 的基础知识 第三章: ChatGPT 的实现 第四章: ChatGPT 的进阶应用 1基于 chatGPT 的对话生成 2基于chatGPT 的文本生成 3基于 chatGPT 的推荐系统 4.基于 chatGPT 的知识图谱构建 第五章:chatGPT 行业应用研究 第六章:ChatGPT 的最新进展第七章: 总结与展望结语 本书将全面介绍 ChatGPT 技术的原理、实现和应用。第二部分将介绍 ChatGPT的基础知识，包括深度学习基础自然语言处理基础、循环神经网络基础和注意力机制基础。第三部分将介绍 ChatGPT 的实现，包括数据预处理、模型架构、训练和优化以及部署和应用。第四部分将介绍 ChatGPT 的进阶应用，包括基于 ChatGPT 的对话生成文本生成、推荐系统和知识图谱构建。第五部分将介绍 ChatGPT 的最新进展，包括 ChatGPT-3 的介绍、GPT 模型的变种和改进，以及基于 ChatGPT 的未来展望。最后一部分将对 ChatGPT 进行总结和展望，包括 ChatGPT 的有缺点分析

Mask RCNN源代码，附有数据集，可以直接在windows中运行

波士顿房价预测的BP神经网络实现 1) 训练数据 housing.csv 使用波士顿房价数据 2) 使用Python代码实现前向和后向传播 3) 损失函数使用方差

基于深度学习的实时车辆检测代码，详情见博客：http://blog.csdn.net/adamshan/article/details/79193775

Python Machine Learning By Example by Yuxi (Hayden) Liu English | 31 May 2017 | ASIN: B01MT7ATL5 | 254 Pages | AZW3 | 3.86 MB Key Features Learn the fundamentals of machine learning and build your own intelligent applications Master the art of building your own machine learning systems with this example-based practical guide Work with important classification and regression algorithms and other machine learning techniques Book Description Data science and machine learning are some of the top buzzwords in the technical world today. A resurging interest in machine learning is due to the same factors that have made data mining and Bayesian analysis more popular than ever. This book is your entry point to machine learning. This book starts with an introduction to machine learning and the Python language and shows you how to complete the setup. Moving ahead, you will learn all the important concepts such as, exploratory data analysis, data preprocessing, feature extraction, data visualization and clustering, classification, regression and model performance evaluation. With the help of various projects included, you will find it intriguing to acquire the mechanics of several important machine learning algorithms – they are no more obscure as they thought. Also, you will be guided step by step to build your own models from scratch. Toward the end, you will gather a broad picture of the machine learning ecosystem and best practices of applying machine learning techniques. Through this book, you will learn to tackle data-driven problems and implement your solutions with the powerful yet simple language, Python. Interesting and easy-to-follow examples, to name some, news topic classification, spam email detection, online ad click-through prediction, stock prices forecast, will keep you glued till you reach your goal. What you will learn Exploit the power of Python to handle data extraction, manipulation, and exploration techniques Use Python to visualize data spread across multiple dimensions and extract useful features Dive deep into the world of analytics to predict situations correctly Implement machine learning classification and regression algorithms from scratch in Python Be amazed to see the algorithms in action Evaluate the performance of a machine learning model and optimize it Solve interesting real-world problems using machine learning and Python as the journey unfolds About the Author Yuxi (Hayden) Liu is currently a data scientist working on messaging app optimization at a multinational online media corporation in Toronto, Canada. He is focusing on social graph mining, social personalization, user demographics and interests prediction, spam detection, and recommendation systems. He has worked for a few years as a data scientist at several programmatic advertising companies, where he applied his machine learning expertise in ad optimization, click-through rate and conversion rate prediction, and click fraud detection. Yuxi earned his degree from the University of Toronto, and published five IEEE transactions and conference papers during his master's research. He finds it enjoyable to crawl data from websites and derive valuable insights. He is also an investment enthusiast. Table of Contents Getting Started with Python and Machine Learning Exploring the 20 newsgroups data set Spam email detection with Naive Bayes News topic classification with Support Vector Machine Click-through prediction with tree-based algorithms Click-through rate prediction with logistic regression Stock prices prediction with regression algorithms Best practices

用于自然语言理解课程，分词，词性标注使用的词典

本系列课程利用MATLAB进行深度学习，课程将从数据集设置、模型搭建、模型训练、模型测试、模型评价等方面，深入介绍MATLAB深度学习工具箱。最后利用一个实例——多种果树病虫害识别。（这是最新版，2022年5月更新！）

Python 3.5.2 中文文档CHM 互联网唯一CHM版本 该文件2017年发布的，目前很多在线的文档可以查看，所以免费给大家下载。 注意：如果打开空白，需要在文件点击右键属性解锁后才能正常访问；

这是最好用的matlab遗传算法工具箱：gatbx，工具箱可直接使用。安装说明及使用简介可见《matlab遗传算法gatbx工具箱介绍及安装说明》一文。

该资源采用Visio绘图软件制作，包含卷积池化操作的绘图，以及线性层的绘图。供各位网友参考。

有训练代码和测试代码和我已经训练好的模型，还有几张我的测试图片 详情见我的博客：https://blog.csdn.net/qq_38269418/article/details/78991649

examples中含有tutorials文件，在报错：No module named ‘tensorflow.examples’时，进行解决

zotero翻译插件

YOLOV5火灾检测数据集+代码+模型 2000张标注好的数据+教学视频

opencv实时识别指定物体，所有需要的用到的文件都已经放上了，opencv 3.4.0 python 3.6.3

基于ray filter的雷达点云地面过滤ROS节点，使用PCL实现，具体参考博客：https://blog.csdn.net/AdamShan/article/details/82901295

2007年的上海GPS出租车数据集，特征包括：出租车ID、时间、经度、维度、夹角角度、出租车的瞬时速度和出租车载客状态。接近10万条数据，并且附上了LogViewer工具来快速查看每一个数据集。本人学术研究使用过的数据集，绝对可靠！

手把手教物体检测用到的数据集

使用PCL实现的欧几里德聚类ROS节点，配合地面过滤可实现较为理想的激光雷达障碍物检测，具体见博客链接：https://blog.csdn.net/AdamShan/article/details/83015570