深度学习从入门到实际项目资料汇总

置顶 已于 2023-09-03 18:07:19 修改
阅读量464 收藏 3
点赞数
分类专栏： # AI探索笔记 文章标签： 深度学习 人工智能
于 2023-08-16 16:22:21 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/allen_spring/article/details/132320561
版权

在这里插入图片描述
图片来源于AiLake，如若侵权，请联系博主删除

文章目录

1. 介绍

什么是深度学习？如何入门？怎样应用到实际的项目中呢？想自己动手实践一下人脸识别该如何做呢？想把训练好的模型在嵌入式设别上跑以来该如何实现呢？等等…这些问题也许困扰着各位小伙伴，本专栏立足于实践，从具体问题出发，由浅入深地、一步一步地记录博主在如何学习深度学习理论知识，记录如何实现一个个AI应用，记录如何在浩瀚的资料中过滤出知识点解惑，记录如何踩坑，记录优秀的学习资源…，如果大家觉得有帮助，请转发、收藏，点赞，欢迎大家评论、交流。

2. 深度学习相关学习资料

2.1 《动手学深度学习》

推荐指数：※※※※※
在这里插入图片描述
图片来源于网络，如若侵权，请联系博主删除
在线电子书，该书作为系统性的学习深度学习知识非常推荐，结合实践平台，理论+实践非常适入门。

2.2 导航文库

推荐指数：※※※※※
在这里插入图片描述
这是一个资源导航网站，其中在人工智能这一板块集合了非常多的在线学习资料，值得大家收藏。

2.3 AI学习地图，30天从入门到精通

“背靠大树好乘凉”，百度的飞浆社区注册一下，里面的学习资料和课程非常丰富。

3. 免费实践平台

3.1 百度飞浆AI studio

百度的AI平台，注册后打开新礼包，完成指引任务，获得算力点数。
在这里插入图片描述
fork一个项目，运行试试：
在这里插入图片描述

3.2 OpenAI 启智

该平台的免费资源对于学习入门已经足够了，下面是《动手学深度学习》的项目仓库，通过云脑可以开启调试，书中的代码都可以在上面实践，想要试试的小伙伴快去注册吧！
在这里插入图片描述

4. 嵌入式实践案例

TBD.

5. 学习笔记

基础概念篇：
【1】TensorFlow 的基本概念和使用场景介绍
【2】Pytorch 的基本概念和使用场景介绍

5.1 《零基础实践深度学习》(第2版)学习笔记

【1】《零基础实践深度学习》(第2版)学习笔记，（一）开营讲座
【2】《零基础实践深度学习》(第2版)学习笔记，（二）机器学习和深度学习综述
【3】《零基础实践深度学习》(第2版)学习笔记，（三）深度学习框架
【4】TBD.
【5】《零基础实践深度学习》(第2版)学习笔记，（五）深度学习与计算机视觉

6. 实践笔记

【1】live555在Windows WSL2中编译、运行，搭建RTSP流服务器
【2】YOLOX在启智AI GPU/CPU平台部署笔记
【3】YOLOV8 win10部署笔记

本篇持续更新中…

智驾
关注
专栏目录
C++软件调试与异常排查从入门到精通系列文章汇总
dvlinker的技术专栏
06-29 18万+
根据近几年排查软件异常的实践与经验，系统地讲解了C++软件异常常见原因与常用排查方法，以图文并茂的方式给出具体的分析实例，带领大家逐步掌握C++软件异常排查的相关技术与要领。
深度学习知识点全面总结
热门推荐
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
01-05 26万+
本文详细介绍深度学习概念及原理，参考网上相关资料汇总，内容包含众多章节，包括神经网络基础及常见深度学习网络结构介绍，用于个人学习总结，适合深度学习初学者学习。同时介绍机器学习常见的分类算法：SVM、神经网络、随机森林、逻辑回归、KNN、贝叶斯。常见的监督学习算法：感知机、SVM、人工神经网络、决策树、逻辑回归.........
深度学习入门详解：从基础到实践（含代码示例）
weixin_47216888的博客
10-07 790
深度学习是基于神经网络的学习方法，模型通过多层神经元（或称为层）逐层提取数据特征。在传统机器学习中，特征提取依赖于人工，而深度学习通过层层的特征学习，能够自动发现隐藏在数据中的复杂模式。深度学习作为人工智能的重要技术分支，为解决许多复杂问题提供了强大的工具。在学习的过程中，理解基础概念、掌握框架工具、实践代码实现是关键。通过不断的学习与实践，你将逐步掌握这一领域，并将深度学习应用到实际项目中，开启属于你的AI之旅。
深度学习系列资料总结
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
07-17 2万+
说明本系列深度学习资料集合包含机器学习、深度学习等各系列教程，主要以计算机视觉资料为主，包括图像识别、分类、检测、分割等，内容参考Github及网络资源，仅供个人学习。深度学习定义一般是指通过训练多层网络结构对未知数据进行分类或回归深度学习分类有监督学习方法——深度前馈网络、卷积神经网络、循环神经网络等；无监督学习方法——深度信念网、深度玻尔兹曼机，深度自编码器等。手写机器学习笔记github机器学习算法公式推导以及numpy实现github人工智能相关术语link。..................
深度学习入门指南：从基础概念到实战项目
Go__July的博客
07-12 971
刚开始，我也是看了很多理论知识，但真正让我理解这些概念的是自己写代码，做项目。就像我们小时候学骑自行车，一开始可能会摔倒几次，但一旦掌握了平衡，你就会觉得骑车是一件很自然的事情。隐藏层可以设置为128个节点，最后是输出层，有10个节点，对应数字0到9。找一些小项目来做，从简单的开始，比如手写数字识别，然后逐步挑战更复杂的项目。：接着，我们要对数据进行一些预处理，比如把每个像素的灰度值归一化到0到1之间，这样计算起来会更方便。：最后，我们用一些没见过的测试数据来评估模型的效果，看看它在实际应用中的表现如何。
深度学习：卷积神经网络从入门到精通
GitChat
03-28 2万+
内容简介 全面介绍各种卷积神经网络的模型、算法及应用，指导读者把握其形成和演变的基本脉络，以帮助读者在较短的时间内从入门达到精通的水平。有兴趣的读者可以从本书开始，通过图像分类、识别、检测和分割的案例，逐步深入卷积神经网络的核心，掌握深度学习的方法和精髓，领会 AlphaGo 战胜人类世界冠军的奥秘。 作者简介 李玉鑑（鉴） 北京工业大学教授，博士生导师。华中理工大学（现名为华中科技大学）本科毕...
深度学习入门--斋藤康毅 总结
m0_55664376的博客
07-07 1526
一. 本书学习趋势 从浅至深，从易到难。 1.从感知机出发为我们学习神经网络奠定基础 2.介绍简单的基于随机梯度下降法（SGD) 的神经网络 3.稍显复杂一些的卷积神经网络（CNN） 二.感知机 2.1 感知机是由美国学者FrankRosenblatt在1957年提出来的。感知机是作为神经网络（深度学习）的起源的算法。因此，学习感知机的构造也就是学习通向神经网络和深度学习的一种重要思想。 感知机接收多个输入信号，输出一个信号。这里所说的“信号”可以想象成电流或河流那样具备“流动性”的东西。像电
机器学习&深度学习入门学习资料大全(一)
知行_那片天
05-29 7148
机器学习&深度学习入门学习资料大全(一)
【优质书籍推荐】AIGC时代的PyTorch 深度学习与企业级项目实战
herosunly的博客
04-27 1万+
本文深入讲解了深度学习优质书籍：《PyTorch 深度学习与企业级项目实战》，希望能对学习深度学习的同学们有所帮助。 文章目录 1. 前言 2. 书籍推荐 2.1 内容简介 2.2 本书作者 2.3 本书目录 2.4 适合读者 3. 购买链接
Keras深度学习入门与实战课程
07-11
总结，"Keras深度学习入门与实战"课程涵盖了深度学习的基础理论、Keras的核心功能以及实践应用，旨在帮助学员快速掌握深度学习技术和Keras库的使用，为解决实际问题打下坚实基础。通过学习和实践，你可以构建出自己...
人工智能：深度学习从入门到精通（25周全，图像分类+图像分割+目标检测+人脸识别+模型分析）
08-09
在这个全面的课程中，你将通过实际项目实践掌握这些技术，从搭建环境、预处理数据到训练模型和后处理结果，每一个环节都会让你深入了解深度学习的精髓。此外，你还将学习如何使用TensorFlow、PyTorch等主流深度学习...
基于深度学习的不遗忘训练
weixin_42605076的博客
10-02 860
基于深度学习的不遗忘训练（也称为抗遗忘训练或持久性学习）是针对模型在学习新任务时可能会忘记已学习内容的一种解决方案。该方法旨在使深度学习模型在不断接收新信息的同时，保持对旧知识的记忆。
基于CNN+Transformer混合模型实现交通流量时序预测(PyTorch版)
君子不器 大道无方
09-30 1694
本文旨在详细介绍如何使用PyTorch框架实现基于CNN+Transformer的混合模型，并将其应用于交通流量时序预测任务。我们将从模型架构、数据处理、训练优化等多个方面进行深入剖析，力求为读者提供一个全面、系统的学习与实践指南。希望通过本文的介绍，读者能够掌握CNN+Transformer混合模型的基本原理与实现方法，并能够在实际交通流量预测任务中灵活应用，为城市交通管理与规划贡献自己的力量。
安全帽头盔检测数据集 3类 12000张 安全帽数据集 voc yolo
阿利同学的博客
10-04 973
安全帽头盔检测数据集 3类 12000张 安全帽数据集 voc yolo
LSTM（长短时记忆网络）
最新发布
m0_73697499的博客
10-09 556
LSTM是RNN的一种扩展形式，专门针对长期依赖问题进行了优化。通过引入细胞状态和门控机制，LSTM能够更好地管理信息流，从而在序列建模任务中表现得更加出色。无论是文本生成、机器翻译还是语音识别，LSTM都展现出了强大的潜力。
CNN+Transformer解说
owolai的博客
10-01 586
CNN（卷积神经网络）和Transformer是两种在深度学习领域广泛使用的模型架构，它们在处理不同类型的数据和任务时各有优势。CNN擅长捕捉局部特征和空间层次结构，而Transformer擅长处理序列数据和长距离依赖关系。将CNN与Transformer结合，可以创建出一种新的模型架构，这种架构能够同时利用CNN在图像处理中的优势和Transformer在处理序列数据中的优势。
【深度学习基础模型】液态状态机（Liquid State Machines, LSM）详细理解并附实现代码。
985小水博的摸鱼日常
10-03 2175
液态状态机（Liquid State Machines, LSM）
深度学习基础—人脸识别
sniper_fandc的博客
10-09 896
假设数据库只有4张照片，编号1是需要验证的照片，她和左列第二个人是同一个人，识别系统应该能认出来，但是编号2这个人不存在数据库中，系统应该识别不出来，那通常情况下，数据库中只保存一个人的一张照片，而不是多张，经验告诉我们，用一张照片作为训练集，训练的网络表现很差（欠拟合），如何用一个人的一张照片就可以训练出健壮的网络就是One-Shot学习的目的。现在用这三张照片构成两组对比，(A,P)和(A,N)，我们希望d(A,P)值很小，因为他们是同一个人，而d(A,N)值很大，因为他们不是同一个人。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

智驾

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值