倔强的大萝卜的博客

这是一个图像化的github管理软件，使用起来非常方便，请大家参考

完全绿色免费的密码管理软件工具，使用非常方便，安利给大家！

发现了一个完全免费的记笔记的一个工具，在这里做一个备份，希望自己能督促自己给自己做一个记录！感谢开发者的无私奉献

用于深度学习入门用的手写数字识别数据集，有时下载 的比较满，这里作为备份，方便下载！

使用利用harr特征训练的级联分类器，其中包括了人脸检测，眼睛检测，鼻子等

几个月前自己上手YOLOV3-keras，自己训练了一个数据集。在测试的时候，发现源码作者的测试不好用。自己稍稍修改了一下。 几点改进 （1）批量测试图片 将待测试的图片放入 './test'路径下。 测试的时候，第一张图片需要的时间大约是 2s左右，因为需要加载模型，所需时间就相对较长一些。在博主的机器上，测试一一张图片的时间大约是0.1s左右； （2）保存测试结果 完成测试后，将测试的结果保存在result文件夹中。方便以后查看 （3）将测试结果输出为一个result.txt文件。 result.txt内容包含了每一个bbox的信息。

本书是一本讲解深度学习的书，将从最基础的内容开始讲起，逐一介绍 理解深度学习所需的知识。书中尽可能用平实的语言来介绍深度学习的概念、特征、工作原理等内容。不过，本书并不是只介绍技术的概要，而是旨在让读者更深入地理解深度学习。这是本书的特色之一。

The TesseRACt package is designed to compute concentrations of simulated dark matter halos from volume info for particles generated using Voronoi tesselation. This technique is advantageous as it is non-parametric, does not assume spherical symmetry, and allows for the presence of substructure. For

资源为本文博客《【YOLO初探】之 使用官方数据集做目标分类》需要的文件，为官方资源，方便大家下载，在此贴出；

该资源是我的博客《【YOLO初探】之 keras-yolov3训练自己数据集》代码的第三部分的内容。内容包括我自己数据集。加上第二、一部分的内容，就可以之家运行，请参看博客文章

该资源是我的博客《【YOLO初探】之 keras-yolov3训练自己数据集》代码的第二部分的内容。内容包括我自己训练完成的权重。加上第一、三部分的内容，就可以之家运行，请参看博客文章

该资源是我的博客《【YOLO初探】之 keras-yolov3训练自己数据集》代码的第一部分的内容。内容包括图像标记软件labelImg。加上第二、三部分的内容，就可以之家运行，请参看博客文章。

该资源为我的博文《【YOLO初探】之 使用官方数据集做目标分类》使用资源，相关的资料都可以开源网站下载，这里为了方便大家使用。包括：yolov3.weights、keras-yolo3-master.zip

TensorFlow 是谷歌公司开发的深度学习框架，也是目前深度学习的主流框架之一。本书从深度学习的基础讲起，深入TensorFlow框架原理、模型构建、源代码分析和网络实现等各个方面。全书分为基础篇、实战篇和提高篇三部分。基础篇讲解人工智能的入门知识，深度学习的方法，TensorFlow的基础原理、系统架构、设计理念、编程模型、常用API、批标准化、模型的存储与加载、队列与线程，实现一个自定义操作，并进行TensorFlow源代码解析，介绍卷积神经网络（CNN）和循环神经网络（RNN）的演化发展及其TensorFlow实现、TensorFlow的高级框架等知识；实战篇讲解如何用TensorFlow写一个神经网络程序并介绍TensorFlow实现各种网络（CNN、RNN和自编码网络等）并对MNIST数据集进行训练，讲解TensorFlow在人脸识别、自然语言处理、图像和语音的结合、生成式对抗网络等方面的应用；提高篇讲解TensorFlow的分布式原理、架构、模式、API，还会介绍TensorFlow XLA、TensorFlow Debugger、TensorFlow和Kubernetes结合、TensorFlowOnSpark、TensorFlow移动端应用，以及TensorFlow Serving、TensorFlow Fold和TensorFlow计算加速等其他特性。最后，附录中列出一些可供参考的公开数据集，并结合作者的项目经验介绍项目管理的一些建议。 李嘉璇，创建TensorFlow交流社区，活跃于国内各大技术社区，知乎编程问题回答者。致力于人工智能的研究，对深度学习框架的架构、源码分析及在不同领域的应用有浓厚兴趣。有过上百篇论文阅读和深度学习经验，处理图像、社交文本数据情感分析、数据挖掘经验，参与过基于深度学习的自动驾驶二维感知系统Hackathon竞赛，曾任职百度研发工程师。

目录 1 TensorFlow基础 1 1.1 TensorFlow概要 1 1.2 TensorFlow编程模型简介 4 2 TensorFlow和其他深度学习框架的对比 18 2.1 主流深度学习框架对比 18 2.2 各深度学习框架简介 20 3 TensorFlow第一步 39 3.1 TensorFlow的编译及安装 39 3.2 TensorFlow实现SoftmaxRegression识别手写数字 46 4 TensorFlow实现自编码器及多层感知机 55 4.1 自编码器简介 55 4.2 TensorFlow实现自编码器 59 4.3 多层感知机简介 66 4.4 TensorFlow实现多层感知机 70 5 TensorFlow实现卷积神经网络 74 5.1 卷积神经网络简介 74 5.2 TensorFlow实现简单的卷积网络 80 5.3 TensorFlow实现进阶的卷积网络 83 6 TensorFlow实现经典卷积神经网络 95 6.1 TensorFlow实现AlexNet 97 6.2 TensorFlow实现VGGNet 108 6.3 TensorFlow实现GoogleInceptionNet 119 6.4 TensorFlow实现ResNet 143 6.5 卷积神经网络发展趋势 156 7 TensorFlow实现循环神经网络及Word2Vec 159 7.1 TensorFlow实现Word2Vec 159 7.2 TensorFlow实现基于LSTM的语言模型 173 7.3 TensorFlow实现BidirectionalLSTMClassifier 188 8 TensorFlow实现深度强化学习 195 8.1 深度强化学习简介 195 8.2 TensorFlow实现策略网络 201 8.3 TensorFlow实现估值网络 213 9 TensorBoard、多GPU并行及分布式并行 233 9.1 TensorBoard 233 9.2 多GPU并行 243 9.3 分布式并行 249 10 TF.Learn从入门到精通 259 10.1 分布式Estimator 259 10.2 深度学习Estimator 267 10.3 机器学习Estimator 272 10.4 DataFrame 278 10.5 监督器Monitors 279 11 TF.Contrib的其他组件 283 11.1 统计分布 283 11.2 Layer模块 285 11.3 性能分析器tfprof 293 参考文献 297 截图： TensorFlow 下载地址下载错误？【投诉报错】 TensorFlow实战(黄文坚)完整版PDF[86MB] 高速下载器地址：需要优先下载下载器 江苏电信下载 湖南电信下载 北京联通下载 江苏联通下载 其他下载地址: 百度网盘下载1百度网盘下载2 如需分享码:[打开微信]->[扫描上侧二维码]->[关注脚本之家的微信] 输入"582445" 获取分享码 如果还不清楚可以查看这篇教程 如果取消关注本公众号，即使再次关注，也将无法提供本服务！ 相关书籍 大数据科学 (霍雨佳) 中文pdf扫描版[54MB]区块链原理、设计与应用 带目录完整pdf[30MB] 云计算与分布式系统：从并行处理到物联网 中文pdf扫描版[45MB]推荐系统:技术、评估及高效算法 完整pdf扫描版[184MB] dubbo中文文档 (用户手册、开发手册、管理员手册) PDF版统计自然语言处理第2版 (宗成庆著) 完整pdf扫描版[171MB] Kubernetes权威指南：从Docker到Kubernetes实践全接触(纪念版) 完整pdf扫描版离散数学及其应用(原书第7版) 带目录完整pdf[205MB] 每天5分钟玩转Docker容器技术 完整pdf扫描版[402MB]区块链开发指南 (申屠青春等著) 完整pdf高清版[3MB] 网友评论 下载声明 ☉脚本之家不参与生产制作,所有资源均来自稀酷客、csdn、电驴等站点搜集整理，并仅供私下交流学习之用,版权依然由原属机构或个人所有,若无意中侵犯了您的权益，请来信指出我们会立即会做出处理。 ☉解压密码或分享码：www.jb51.net 就是本站主域名，希望大家看清楚，[ 分享码的获取方法 ]可以参考这篇文章 ☉推荐使用 [ 迅雷 ] 下载，使用 [ WinRAR v5 ] 以上版本解压本站电子书。 ☉如果这个电子书总是不能下载的请在评论中留言,我们会尽快修复，谢谢! ☉下载本站资源，如果服务器暂不能下载请过一段时间重试! ☉如果遇到什么问题，请评论留言，我们定会解决问题，谢谢大家支持! ☉本站提供的一些商业电子书是供学习研究之用，如用于商业用途，请购买正版。 ☉本站提供的TensorFlow实战(黄文坚)完整版PDF[86MB]资源来源互联网，版权归该下载资源的合法拥有者所有。

TensorFlow是谷歌2015年开源的主流深度学习框架，目前已得到广泛应用。本书为TensorFlow入门参考书，旨在帮助读者以快速、有效的方式上手TensorFlow和深度学习。书中省略了烦琐的数学模型推导，从实际应用问题出发，通过具体的TensorFlow示例介绍如何使用深度学习解决实际问题。书中包含深度学习的入门知识和大量实践经验，是走进这个前沿、热门的人工智能领域的优选参考书。第2版将书中所有示例代码从TensorFlow0.9.0升级到了TensorFlow1.4.0。在升级API的同时，第2版也补充了更多只有TensorFlow1.4.0才支持的功能。另外，第2版还新增两章分别介绍TensorFlow高层封装和深度学习在自然语言领域应用的内容。 郑泽宇，2011年获北京大学计算机学士学位，2013年获卡内基梅隆大学计算机硕士学位，前谷歌高级工程师，现为才云科技（Caicloud.io）联合创始人、首席大数据科学家。针对分布式TensorFlow上手难、管理难、监控难、上线难等问题，带领团队成功开发国内成熟的分布式TensorFlow深度学习平台，在机器学习、人工智能领域有着丰富的经验。 梁博文，谷歌工程师。2011年获北京大学计算机学士学位，2013年获哥伦比亚大学计算机硕士学位，同年加入谷歌翻译组，参与并领导了多个项目，负责了3个语言的翻译模型的研发工作，在自然语言处理方面有丰富经验，在统计翻译模型、神经网络翻译模型、语料数据清洗等方面均有深入研究

TensorFlow是谷歌2015年开源的主流深度学习框架，目前已得到广泛应用。《TensorFlow：实战Google深度学习框架（第2版）》为TensorFlow入门参考书，旨在帮助读者以快速、有效的方式上手TensorFlow和深度学习。书中省略了烦琐的数学模型推导，从实际应用问题出发，通过具体的TensorFlow示例介绍如何使用深度学习解决实际问题。书中包含深度学习的入门知识和大量实践经验，是走进这个前沿、热门的人工智能领域的优选参考书。 第2版将书中所有示例代码从TensorFlow 0.9.0升级到了TensorFlow 1.4.0。在升级API的同时，第2版也补充了更多只有TensorFlow 1.4.0才支持的功能。另外，第2版还新增两章分别介绍TensorFlow高层封装和深度学习在自然语言领域应用的内容。 《TensorFlow：实战Google深度学习框架（第2版）》适用于想要使用深度学习或TensorFlow的数据科学家、工程师，希望了解深度学习的大数据平台工程师，对人工智能、深度学习感兴趣的计算机相关从业人员及在校学生等。

该资源的内容是 food_info.csv 、titanic_train.csv和fandango_score_comparison.csv三个文件的集合。是我的博客《深度学习笔记之（四）Python数据处理库pandas》使用数据库。资源来源于网络。

在如今这个处处以数据驱动的世界中，机器学习正变得越来越大众化。它已经被广泛地应用于不同领域，如搜索引擎、机器人、无人驾驶汽车等。本书首先通过实用的案例介绍机器学习的基础知识，然后介绍一些稍微复杂的机器学习算法，例如支持向量机、极-端随机森林、隐马尔可夫模型、条件随机场、深度神经网络，等等。

本书从Git的基本知识和操作方法入手，详细介绍了GitHub的各种功能，GitHub与其他工具或服务的协作，使用GitHub的开发流程以及如何将GitHub引入到企业中。在讲解GitHub的代表功能Pull Request时，本书专门搭建了供各位读者实践的仓库，邀请各位读者进行Pull Request并共同维护。

数据科学家是当下炙手可热的职业，机器学习则是他们的必备技能，机器学习在大数据分析中居于核心的地位，在互联网、金融保险、制造业、零售业、医疗等产业领域发挥了越来越大的作用且日益受到关注。Python是很好很热门的编程语言之一，以简单易学、应用广泛、类库强大而著称，是实现机器学习算法的语言。 《Python大战机器学习：数据科学家的diyi个小目标》以快速上手、四分理论六分实践为出发点，讲述机器学习的算法和Python编程实践，采用“原理笔记精华+算法Python实现+问题实例+实际代码+运行调参”的形式展开，理论与实践结合，算法原理与编程实战并重。《Python大战机器学习：数据科学家的diyi个小目标》共13 章分为4篇展开：第一篇：机器学习基础篇（第1～6 章），讲述机器学习的基础算法，包括线性模型、决策树、贝叶斯分类、k近邻法、数据降维、聚类和EM算法；第二篇：机器学习高级篇（第7～10章），讲述经典而常用的高级机器学习算法，包括支持向量机、人工神经网络、半监督学习和集成学习；第三篇：机器学习工程篇（第11～12章），讲述机器学习工程中的实际技术，包括数据预处理，模型评估、选择与验证等。第四篇：kaggle实战篇（第13章），讲述一个kaggle竞赛题目的实战。本书内容丰富、深入浅出，算法与代码齐头并进，无论你是新手还是有经验的读者，都能快速学到你想要的。《Python大战机器学习：数据科学家的diyi个小目标》可供为高等院校计算机、金融、数学、自动化及相关理工科专业的本科生或研究生使用，也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考。

本书面向程序员介绍了编程中常用的数学知识，借以培养初级程序员的数学思维。读者无需精通编程，也无需精通数学，只需具备四则运算和乘方等基础知识，就可以阅读本书。 书中讲解了二进制计数法、逻辑、余数、排列组合、递归、指数爆炸、不可解问题等许多与编程密切相关的数学方法，分析了哥尼斯堡七桥问题、高斯求和方法、汉诺塔、斐波那契数列等经典问题和算法。引导读者深入理解编程中的数学方法和思路。本书适合程序设计人员以及编程和数学爱好者阅读。

本书是经典的数字图像处理教材，分享给大家，供大家学习。