自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(104)
  • 资源 (21)

原创 如何修改MAC

1、查看现有的mac地址步骤:打开cmd界面,输入ipconfig/all按回车上图中值的位置就是新mac地址的填写位置,自己新写一个mac地址点击保存即可。 ...

2019-01-14 21:25:07 1207

原创 Virtual.Lab Acoustics声学仿真计算高级应用实例&声学仿真计算从入门到精通.光盘下载链接

(Virtual.Lab Acoustics声学仿真计算高级应用实例&声学仿真计算从入门到精通.光盘下载链接)http://pan.baidu.com/s/1c05tpVa感谢这位大神分享!!大家都有福了!!...

2019-11-05 20:35:44 1076

原创 win10系统禁用defender的暴力卸载方法

方案二:【不可恢复】用脚本完全卸载Windows Defender如果你想完全卸载Windows Defender,不留任何其相关服务,以免以后和其他软件造成冲突,你可以使用以下方法。但是注意,此方法不可逆,如果使用了,Windows Defender就不能再恢复或重新激活。1. 下载移除Windows Defender的专用脚本2. 下载后解压 并 右键单击“Uninstall.c...

2019-07-14 17:18:50 2268

翻译 Catia V5R21软件安装教程

1、右键单击压缩包,选择解压2、进入解压后的文件夹,然后双击运行Setup开始安装3 、 出现这个窗口点击下一步4、这里的安装路径大家可以自行更改,更改方式是点击浏览,选择要安装的路径,我这里安装到F盘,设置好后点击下一步5、 这里选择完全安装,然后点下一步6、点下一步7、点击下一步8、点击下一步9、点击下一步10、点击下一步...

2019-05-13 10:41:59 6565 1

原创 不需要预训练模型的检测算法—DSOD

论文:DSOD: Learning Deeply Supervised Object Detectors from Scratch论文链接:https://arxiv.org/abs/1708.01241caffe代码:https://github.com/szq0214/DSOD.参考https://blog.csdn.net/u014380165/article/detai...

2019-03-24 19:35:57 271

原创 如何读取pkl的文件中数据并存入txt格式中

打开.pkl文件代码:import cPickle as picklef = open('test.pkl')inf = pickle.load(f)print inf再打开一个txt文件,向内写入刚才读取的信息ft = open('test.txt', 'w') ft.write(inf) 此时会报错:TypeError: expected a string o...

2019-03-21 22:35:58 981 2

原创 ZF 网络结构

https://github.com/amir-saniyan/ZFNet/blob/master/zfnet.py

2019-03-13 21:20:30 143

翻译 VOC数据集制作和比例设置(转)

相信看这篇文章的人都在做深度学习吧,此数据集是为目标检测做的数据集,有错误处请海涵代码见我的github上:https://github.com/EddyGao/make_VOC2007第一步:首先了解VOC2007数据集的格式1)JPEGImages文件夹文件夹里包含了训练图片和测试图片,混放在一起2)Annatations文件夹文件夹存放的是xml格式的标签文件,每个xm...

2019-03-13 21:05:05 307

原创 面试问题集锦(机器学习和深度学习)

1. OHEM + faster RCNN 和 resnet Faser RCNN 的优点是什么?算法概述:首先筛选出那些对结果(分类和检测)影响比较大的样本,然后将这些筛选得到的样本在随机梯度下降中训练。 实际的操作是利用两个ROI网络,一个用于向前传播,用于计算损失,另外一个是可以向前和向后传播,以收集到的hard example作为输入,计算损失并且回传梯度。 作者将该算法应用在...

2019-02-28 22:09:38 112

转载 机器学习总结(一):线性回归、岭回归、Lasso回归(转载待整理)

https://blog.csdn.net/hzw19920329/article/details/77200475线性回归作为一种回归分析技术,其分析的因变量属于连续型变量,如果因变量转变为离散型变量,将转换为分类问题。回归分析属于有监督学习问题,本博客将重点回顾标准线性回归知识点,并就线性回归中可能出现的问题进行简单探讨,引出线性回归的两个变种岭回归以及Lasso回归,最后通过sklear...

2019-02-28 22:07:00 132

翻译 OHEM+fast RCNN的总结和代码解析

这是CVPR2016的一篇论文,用于目标检测,本篇博文先介绍这个算法,然后介绍其Caffe代码。论文:Training Region-based Object Detectors with Online Hard Example Mining论文链接:https://arxiv.org/abs/1604.03540参考:https://blog.csdn.net/u014380165/...

2019-02-28 21:27:35 320 6

翻译 APDL实现ANSYS的结果输出

APDL实现ANSYS的结果输出1 概述ANSYS作为通用有限元仿真计算软件应用非常普遍,其强大的参数化功能更是使得ANSYS的使用方便很多。在计算过程中,通常需要对计算结果进行统计,ANSYS计算的模型大多时候节点单元数目很多,结果数据也很多,因此在GUI界面的查询操作不太方便,工作量太大,而且结果不好记录。而且很多时候需要借助第三方软件比如MATLAB等数据处理软件对结果进行处理,此情...

2018-12-19 11:37:59 5327 1

原创 深度学习圣经 里面关于超参数和验证集这一章节

  在NG的ML课程中和西瓜书中都有提到:最佳的数据分类情况是把数据集分为三部分,分别为:训练集(train set),验证集(validation set)和测试集(test set)。那么,验证集和测试集有什么区别呢? 实际上,两者的主要区别是:验证集用于进一步确定模型中的超参数(例如正则项系数、ANN中隐含层的节点个数等)而测试集只是用于评估模型的精确度(即泛化能力)!   举个例子...

2018-12-04 20:40:11 237

原创 python 读取和写入txt文件的方法

import matplotlib.pylab as pylabdef loaddata(filename):infile = open(filename, 'r')#定义两个list,用于存放数据x = []y = []for line in infile: trainingset = line.split()#对于每一行按照空格分开,将数据分为两部分。若用‘,’分隔,则...

2018-11-29 20:50:24 451

原创 faster rcnn调参 总结(吐血)

 1. 假设一次训练有10个epoch,可能会出现以下情况:训练好一次模型去测试,测试的准确率为0.92。又去训练一次模型(不是在之前训练模型的基础上,而是单独进行一次训练),模型训练好去测试,测试准确率为0.93或者0.89。如果我改变一个模型的参数,比如调小dropout的值,可能训练出来的模型去测试准确率为0.94,这不能就得出调小dropout就能很明显提升模型的效果。因为单独训练一次...

2018-11-05 23:27:27 7366 21

原创 faster_rcnn test 浮点运算量

以上我的同学xzzppp(博客http://blog.csdn.net/xzzppp/article/details/53317011)总结的faster-RCNN 测试计算量总结,仅仅截取表格一部分,下载见点击打开链接卷积层浮点运算计算量公式(参考21天实战caffe)是:Caculation(conv n)=I*J*M*N*K*L其中,I,J卷积核  M,N输出通道的特征图大小, ...

2018-11-05 23:25:52 398

转载 基于ZF网络的Faster RCNN网络结构详解(非常详细版)

我还只是小白,又很多不会的,还希望能得到大神的指导!!!!感激不尽 附录: proposal_layer实现过程: http://blog.csdn.net/seven_year_promise/article/details/60874922 和http://download.csdn.net/detail/seven_year_promise/9774957...

2018-10-31 11:18:51 744

原创 8.Python 学习系列--------Python 基本语法

三个内置必须要记住,Python stype help dir目录1 python一切皆为对象,因为现实2.数据类型的组成3。常用基本数据类型.4.数据类型的可变和不可变5.变量之赋值一切皆为引用,动态性与动态类型之为何不再动态字符串认知与应用认知1.字符串概念一.len之需注意二.转义符让文本更好处理三.字符串前面跟着的小尾巴到底是什么东西四.访问...

2018-10-18 23:52:38 84

转载 Caffe版Faster R-CNN可视化——网络模型,图像特征,Loss图,PR曲线

可视化网络模型  Caffe目前有两种常用的可视化模型方式: * 使用Netscope在线可视化 * Caffe代码包内置的draw_net.py文件可以可视化网络模型Netscope  Netscope能可视化神经网络体系结构(或技术上说,Netscope能可视化任何有向无环图)。目前Netscope能可视化Caffe的prototxt 文件。网址为: http://ethereon...

2018-10-17 13:32:42 565

转载 Faster RCNN代码理解详细(Python)

最近开始学习深度学习,看了下Faster RCNN的代码,在学习的过程中也查阅了很多其他人写的博客,得到了很大的帮助,所以也打算把自己一些粗浅的理解记录下来:一是记录下自己的菜鸟学习之路,方便自己过后查阅;二来可以回馈网络。目前编程能力有限,且是第一次写博客,中间可能会有一些错误。目录目录第一步,准备第二步,Stage 1 RPN, init from ImageNet m...

2018-10-16 15:39:42 1330

原创 py-faster-rcnn demo.py解析

#程序功能:调用caffemodel,画出检测到的人脸并显示 #用来指定用什么解释器运行脚本,以及解释器所在位置,这样就可以直接执行脚本#!/usr/bin/env python # --------------------------------------------------------# Faster R-CNN# Copyright (c) 2015 Microsoft...

2018-10-16 15:14:57 470

原创 ZF

name: "ZF"layer { name: 'input-data' type: 'Python' top: 'data' top: 'im_info' top: 'gt_boxes' python_param { module: 'roi_data_layer.layer' layer: 'RoIDataLayer' param_str: ...

2018-10-16 10:17:54 383 1

原创 (1)机器学习-----回归

最大似然估计:现在已经拿到了很多个样本(你的数据集中所有因变量),这些样本值已经实现,最大似然估计就是去找到那个(组)参数估计值,使得前面已经实现的样本值发生概率最大。因为你手头上的样本已经实现了,其发生概率最大才符合逻辑。这时是求样本所有观测的联合概率最大化,是个连乘积,只要取对数,就变成了线性加总。此时通过对参数求导数,并令一阶导数为零,就可以通过解方程(组),得到最大似然估计值。最小二乘:...

2018-10-15 21:37:13 89

转载 使用自己的数据训练 Faster R-CNN 的 ResNet-50 模型

上次使用 Faster R-CNN 训练了一个 VGG16 的网络,为了再提升识别的准确率,利用 ResNet 网络在同样的数据上面训练了多一次。https://blog.csdn.net/weixin_39679367/article/details/80930830https://blog.csdn.net/weixin_39679367/article/details/8094...

2018-09-27 19:23:15 2343 1

翻译 在 Ubuntu 下创建虚拟独立 Python 环境

虚拟环境是程序执行时的独立执行环境,在同一台服务器中可以创建不同的虚拟环境供不同的系统使用,项目之间的运行环境保持独立性而相互不受影响。例如项目可以在基于 Python2.7 的环境中运行,而项目 B 可以在基于Python3.x 的环境中运行。在 Python 中通过 virtualenv 工具管理虚拟环境。另外在 win 或者 mac 上也是极力推荐安装虚拟环境来管理你的 Python 环...

2018-09-26 20:30:33 202

翻译 使用自己的数据训练 Faster R-CNN 的 VGG-16 模型

版权声明:Copyright (c) strongnine https://blog.csdn.net/weixin_39679367/article/details/80930830最近在学习 Faster R-CNN 模型,为了了解其中网络的结构,利用 PascalVOC 数据集,来扩展网络的类别(原来有 20 类)。过程分为:数据准备 ==> 相关文件修改 ==> 训练网络 ...

2018-09-26 17:59:45 1794 4

翻译 Caffe版Faster R-CNN可视化——网络模型,图像特征,Loss图,PR曲线

可视化网络模型  Caffe目前有两种常用的可视化模型方式:使用Netscope在线可视化 Caffe代码包内置的draw_net.py文件可以可视化网络模型Netscope  Netscope能可视化神经网络体系结构(或技术上说,Netscope能可视化任何有向无环图)。目前Netscope能可视化Caffe的prototxt 文件。网址为: ethereon.github.io...

2018-09-26 10:35:49 493 1

转载 3.机器学习之【错误率、精度、查准率、查全率和F1度量】详细介绍

目录:(1)错误率(Error rate)和精度(Accuracy)(2)查准率(准确率-Precision)、查全率(召回率-Recall)(3)P-R曲线、平衡点和F1衡量 2018年4月11日16:00左右,面试了腾讯的《基础研究》实习生职位,面试地点在广州。我投递的岗位是机器学习、深度学习算法工程师,面试结果是一面就挂了。虽然面试没过,还是要总结一下面试经验。把面试中自...

2018-09-08 20:23:59 1650

转载 2.机器学习之 为什么要用交叉验证

本文结构:什么是交叉验证法? 为什么用交叉验证法? 主要有哪些方法?优缺点? 各方法应用举例?什么是交叉验证法?它的基本思想就是将原始数据(dataset)进行分组,一部分做为训练集来训练模型,另一部分做为测试集来评价模型。为什么用交叉验证法?交叉验证用于评估模型的预测性能,尤其是训练好的模型在新数据上的表现,可以在一定程度上减小过拟合。 还可以从有限的数据中获取尽可能多...

2018-09-08 20:09:58 364

转载 1.机器学习之梯度下降和回归算法

转载自网络知识点,利用多元微分推导梯度下降算法 关于学习率的设置,大小会对结果产生什么样子的影响 凸优化 只有全局最优解,任何 一个最优解就是全局 最优解知识点:线性回归概念 梯度下降算法        l  批量梯度下降算法        l  随机梯度下降算法        l  算法收敛判断方法1.1   线性回归在统计学中,线性回归(Linear Regr...

2018-09-08 11:50:29 105

原创 网络结构图

https://cbovar.github.io/ConvNetDraw/ 

2018-09-06 20:22:34 1597

转载 保存faster-rcnn的检测结果

为了分析faster-Rcnn的测试结果,需要先将测试结果保存起来,效果如下:(图片名 类别 bbox坐标)代码如下:#!/usr/bin/env python # --------------------------------------------------------# Faster R-CNN# Copyright (c) 2015 Microsoft# L...

2018-09-04 17:48:45 1371 1

转载 caffe 可视化网络及resnet50结构

sudo python /home/lu/caffe/python/draw_net.py /home/lu/caffe/examples/mnist/lenet_train_test.prototxt /home/lu/caffe/lenet.png --rankdir=BT http://ethereon.github.io/netscope/#/editor复制prototxt,...

2018-09-04 14:10:36 958

转载 Faster RCNN demo解析

#程序功能:调用caffemodel,画出检测到的人脸并显示 #用来指定用什么解释器运行脚本,以及解释器所在位置,这样就可以直接执行脚本#!/usr/bin/env python # --------------------------------------------------------# Faster R-CNN# Copyright (c) 2015 Microsoft...

2018-09-04 12:57:39 381

原创 Python画矩形

import Tkinterif __name__ == '__main__': from Tkinter import *root = Tk()root.title('Canvas')canvas = Canvas(root, width=400, height=400, bg='yellow')x0 = 200y0 = 200y1 = 200x1 = 200for...

2018-09-04 10:45:07 4566

翻译 Object Detection -- 论文YOLO(You Only Look Once: Unified, Real-Time Object Detection)解读

YOLO Introduction Detection System 分成单元格 每个单元格需要做三件事 单元格数据 xyxy到底代表啥意思 whwh又是啥意思 ConfidenceConfidence CC个种类的概率值 单元格输出 YOLO检测物体的流程 YOLO的架构 预训练 YOLO的训练 ...

2018-09-03 14:16:03 140

原创 7.Python 学习系列--------Python 可视化实战之注释

import matplotlib.pyplot as pltimport numpy as npx= np.arange(-10,11,1)y=x*xplt.plot(x,y)plt.annotate('this is the bottom',xy=(0,1),xytext=(-1,50), arrowprops=dict(facecolor='b',fr...

2018-08-31 17:45:02 97

转载 从编程实现角度学习 Faster R-CNN(附极简实现)

https://www.sohu.com/a/215920394_717210 转本文原载于知乎专栏「人工智障的深度瞎学之路」,AI 研习社获得授权转载。Faster R-CNN 的极简实现: github: simple-faster-rcnn-pytorch(http://t.cn/RHCDoPv )本文插图地址(含五幅高清矢量图):draw.io(http://t.cn/RQz...

2018-08-22 09:51:12 120

转载 Faster-RCNN训练时遇到的问题

第一次写博客,没想太多。只是想记录一下训练Faster-rcnn是遇见的一些问题。因为在我训练出bug的时候有点绝望,怀疑人生。不过在看到开始训练的一瞬间又觉得活着挺好的。 1.环境搭建   rbg大神很周到,需要的东西全都有(从硬件的要求,到需要的各种model)   Faster-rcnn:https://github.com/rbgirshick/py-faster-rcnn...

2018-08-21 21:21:52 2416 3

原创 8.Python 学习系列--------Python实用模块

Python常用的模块是numpy创建数组,访问数组数组的运算通用的函数,数组的合并和分割 matplotlib学会查找官方文档,通过查找官方文档的小例子,来快速的学习  gallery 画廊pandas,主要用来分析数据,处理工具创建数据框基础数据的处理方式向量化的操作方式数据框的增,查,删除 scipyscipy的主要数据模块,可以用...

2018-08-21 20:16:48 208

机械振动和噪声.ppt

机械振动和噪声,机械振动和噪声机械振动和噪声

2019-10-18

CAE分析在客车盘式制动器NVH领域的应用.pdf

GB 1495-2002 汽车加速行驶车外噪声限值及测量方法 CAE

2019-10-18

WindowsDefenderRemoveScript.rar

方案二:【不可恢复】用脚本完全卸载Windows Defender 如果你想完全卸载Windows Defender,不留任何其相关服务,以免以后和其他软件造成冲突,你可以使用以下方法。但是注意,此方法不可逆,如果使用了,Windows Defender就不能再恢复或重新激活。 1. 下载移除Windows Defender的专用脚本 WindowsDefenderRemoveScript.zip 2. 下载后解压 并 右键单击“Uninstall.cmd”后,点击“以管理员权限运行

2019-07-14

faster_rcnn test 浮点运算量

RCNN, Fast RCNN, Faster RCNN这一系列目标检测算法训练的指导

2018-11-05

faster rcnn demo保存坐标

可以保存demo的坐标,中间修改的位置有详细的说明,参照着改动,应该可以实现的

2018-09-04

深度学习原理与TensorFlow实践 +带标签+高清可看

编辑推荐 与市面上已有的TensorFlow书相比,《深度学习原理与TensorFlow实践》的特色在于一是所有案例来自作者团队工作中的亲身实践,所选案例均是深度学习的经典应用,非常具有代表性;二是结合了深度学习的关键原理,强化读者对深度学习及TensorFlow架构的理解,从而能在知其然、并知其所以然的基础上,更好地运用TensorFlow来开发各类应用。 《深度学习原理与TensorFlow实践》所梳理出来的清晰脉络和关键知识点,必能让读者在内外兼修的基础上,循序渐进地提升功力,在人工智能时代大放异彩。 目录 1 深度学习简介 1 1.1 深度学习介绍 1 1.2 深度学习的趋势 7 1.3 参考资料 10 2 TensorFlow系统介绍 12 2.1 TensorFlow诞生的动机 12 2.2 TensorFlow系统简介 14 2.3 TensorFlow基础概念 16 2.3.1 计算图 16 2.3.2 Session会话 18 2.4 系统架构 19 2.5 源码结构 21 2.5.1 后端执行引擎 22 2.5.2 前端语言接口 24 2.6 小结 24 2.7 参考资料 25 3 Hello TensorFlow 26 3.1 环境准备 26 3.1.1 Mac OS安装 27 3.1.2 Linux GPU服务器安装 28 3.1.3 常用Python库 32 3.2 Titanic题目实战 34 3.2.1 Kaggle平台介绍 34 3.2.2 Titanic题目介绍 35 3.2.3 数据读入及预处理 38 3.2.4 构建计算图 40 3.2.5 构建训练迭代过程 44 3.2.6 执行训练 46 3.2.7 存储和加载模型参数 47 3.2.8 预测测试数据结果 50 3.3 数据挖掘的技巧 51 3.3.1 数据可视化 52 3.3.2 特征工程 54 3.3.3 多种算法模型 57 3.4 TensorBoard可视化 58 3.4.1 记录事件数据 58 3.4.2 启动TensorBorad服务 60 3.5 数据读取 62 3.5.1 数据文件格式 63 3.5.2 TFRecord 63 3.6 SkFlow、TFLearn与TF-Slim 67 3.7 小结 69 3.8 参考资料 69 4 CNN“看懂”世界 71 4.1 图像识别的难题 72 4.2 CNNs的基本原理 74 4.2.1 卷积的数学意义 75 4.2.2 卷积滤波 77 4.2.3 CNNs中的卷积层 81 4.2.4 池化(Pooling) 83 4.2.5 ReLU 84 4.2.6 多层卷积 86 4.2.7 Dropout 86 4.3 经典CNN模型 87 4.3.1 AlexNet 88 4.3.2 VGGNets 95 4.3.3 GoogLeNet & Inception 98 4.3.4 ResNets 106 4.4 图像风格转换 109 4.4.1 量化的风格 109 4.4.2 风格的滤镜 116 4.5 小结 120 4.6 参考资料 121 5 RNN“能说会道” 123 5.1 文本理解和文本生成问题 124 5.2 标准RNN模型 128 5.2.1 RNN模型介绍 128 5.2.2 BPTT算法 130 5.2.3 灵活的RNN结构 132 5.2.4 TensorFlow实现正弦序列预测 135 5.3 LSTM模型 138 5.3.1 长期依赖的难题 138 5.3.2 LSTM基本原理 139 5.3.3 TensorFlow构建LSTM模型 142 5.4 更多RNN的变体 144 5.5 语言模型 146 5.5.1 NGram语言模型 146 5.5.2 神经网络语言模型 148 5.5.3 循环神经网络语言模型 150 5.5.4 语言模型也能写代码 152 5.5.5 改进方向 163 5.6 对话机器人 164 5.6.1 对话机器人的发展 165 5.6.2 基于seq2seq的对话机器人 169 5.7 小结 181 5.8 参考资料 182 6 CNN LSTM看图说话 183 6.1 CNN LSTM网络模型与图像检测问题 184 6.1.1 OverFeat和Faster R-CNN图像检测算法介绍 185 6.1.2 遮挡目标图像检测方法 187 6.1.3 ReInspect算法实现及模块说明 188 6.1.4 ReInspect算法的实验数据与结论 204 6.2 CNN LSTM网络模型与图像摘要问题 207 6.2.1 图像摘要问题 208 6.2.2 NIC图像摘要生成算法 209 6.2.3 NIC图像摘要生成算法实现说明 214 6.2.4 NIC算法的实验数据与结论 243 6.3 小结 249 6.4 参考资料 250 7 损失函数与优化算法 253 7.1 目标函数优化策略 254 7.1.1 梯度下降算法 254 7.1.2 RMSProp优化算法 256 7.1.3 Adam优化算法 257 7.1.4 目标函数优化算法小结 258 7.2 类别采样(Candidate Sampling)损失函数 259 7.2.1 softmax类别采样损失函数 261 7.2.2 噪声对比估计类别采样损失函数 281 7.2.3 负样本估计类别采样损失函数 286 7.2.4 类别采样logistic损失函数 286 7.3 小结 287 7.4 参考资料 288 结语 289 内容介绍 本书主要介绍了深度学习的基础原理和TensorFlow系统基本使用方法。TensorFlow是目前机器学习、深度学习领域*秀的计算系统之一,本书结合实例介绍了使用TensorFlow开发机器学习应用的详细方法和步骤。同时,本书着重讲解了用于图像识别的卷积神经网络和用于自然语言处理的循环神经网络的理论知识及其TensorFlow实现方法,并结合实际场景和例子描述了深度学习技术的应用范围与效果。本书非常适合对机器学习、深度学习感兴趣的读者,或是对深度学习理论有所了解,希望尝试更多工程实践的读者,抑或是对工程产品有较多经验,希望学习深度学习理论的读者。

2018-06-10

利用Python进行数据分析

“学习pandas和matplotlib的很好的专业入门材料。” “书如其名,内容充实、实用,例子有趣吸引人。如果你想利用Python进行数据分析的话,这本书很合适。” 了解Python在信息处理、管理和检索方面的强大功能 学会如何利用Python及其衍生工具处理、分析数据 详尽探究三个真实Python数据分析案例,将理论付诸实践

2018-06-05

TensorFlow基于CIFAR10数据集的卷积神经网络CNN实现

这是基于 CIFAR10 数据集的 CNN 在 TensorFlow 上的实现,与 上一个 相比增加了 TensorBoard 的实现,可以在浏览器中查看可视化结果。tensorboard 目录存放着用于可视化的日志文件。

2018-06-05

license_R2012b_R2010b破解证书+安装过程

matlab 破解文件,直接安装就能成功,可以多试试,注册号网上有

2018-06-04

机器学习算法及指南书籍配套代码

机器学习算法及指南书籍配套代码,网上有PDF,这就不一一赘述了,需要的话可以先找这本书的PDF,然后配套代码看

2018-05-28

神经网络与深度学习

内容为时下最火热的神经网络和深度学习,出自大牛Michael Nielsen之手。文章理论坚实,公式推导逻辑严谨,思路清晰,绝对是广大深度学习爱好者的入坑神器。

2018-05-07

cs231斯坦福大学计算机视觉讲义

cs231斯坦福大学计算机视觉讲义,详细的视频在B站和youtube上。李飞飞的讲义

2018-04-16

Linux命令行与shell脚本编程大全.第3版(超清版)pdf带书签

这是一本关于Linux 命令行与shell 脚本编程的全方位教程,主要包括四大部分:Linux 命令行,shell脚本编程基础,高级shell 脚本编程,如何创建实用的shell 脚本。本书针对Linux 系统的最新特性进行了全面更新,不仅涵盖了详尽的动手教程和现实世界中的实用信息,还提供了与所学内容相关的参考信息和背景资料。通过本书的学习,你将轻松写出自己的shell 脚本。 本书适合Linux 程序设计人员阅读。

2018-03-06

Visual Assist X_2258_Cracked

Visual Assist X_2258_Cracked 亲测可用,没有解压密码。有问题私信我

2018-03-06

matlab剩余60天激活证书

主要用于已经激活的,但是显示剩余时间还有60天的matlab,具体激活方法在readme里!

2018-03-03

区块链详细讲解

里面全面地介绍了区块链的基础知识与概念,剖析了区块链的架构、底层实现细节以及加密技术,并配合行业应用案例,常见问题等,全面解读大热的区块链技术实现与应用。

2018-03-01

GitHub上最受欢迎的57个深度学习开源项目

GitHub上最受欢迎的57个深度学习开源项目,搜集版本的

2018-02-28

Tensorflow项目实战视频课程-文本分类

Tensorflow项目实战视频课程-文本分类,录制的视频教程

2018-02-28

大数据-深度学习项目实战-关键点定位视频教程

大数据-深度学习项目实战-关键点定位视频教程,通过实战讲解

2018-02-28

深度学习入门视频课程(下篇-2017-11-06更新完毕)

深度学习入门视频课程,主要是针对深度学习的原理录制的课程。

2018-02-28

mnist训练与测试自己手写数字

mnist是一个手写数字库,由DL大牛Yan LeCun进行维护。mnist最初用于支票上的手写数字识别, 现在成了DL的入门练习库。征对mnist识别的专门模型是Lenet,算是最早的cnn模型了。

2017-12-21

空空如也

空空如也
提示
确定要删除当前文章?
取消 删除