Neural Networks and DeepLearning - Michael Nielsen 中文 PDF 带书签 Neural Networks and DeepLearning - Michael Nielsen 中文 PDF 带书签 Neural Networks and DeepLearning - Michael Nielsen 中文 PDF 带书签

中文阅读理解测试集数据，训练集在其他地方，有需要自行去下载

吴恩达深度学习第一门课第四周作业的依赖包，代码保存路径见本人博客https://blog.csdn.net/Will_Ye/article/details/83654465，希望对大家有用

社交距离检测 您可以在此处找到包含完整算法和代码的视频：（ ） Github通常不支持大于25 Mb的文件。您可以在找到yolo权重 下载并移至yolo-coco文件夹 对于CPU： 要在您的终端中运行此代码： *打开您的终端 更改目录至您下载此代码的位置 如果尚未安装python3，请先安装python3！ 运行python3 -m venv venv创建一个名为venv的虚拟环境。 运行source venv/bin/activate激活您的环境！ 编写pip install -r requirements.txt以安装与此项目相关的python依赖项，例如opencv，numpy，scipy等。 运行命令time python social_distance_detector.py --input pedestrians.mp4 --output output.avi --display 1运行您的社交距离检测项目 运行命令的最后一行后，将弹出一个窗口，执行该文件后，将在目录中显示一个output.avi文件，如下所示： 对于GPU： 您可以在这里找到我的Googl

心音分割：基于LSTM神经网络和傅里叶同步压缩变换的心音分割

Deep Learning for Natural Language Processing by Jason Brownlee 在 Python 中为自然语言开发深度学习模型

Deep learning with python by Jason brownlee.zip Jason Brownlee 的 Python 深度学习课程代码 Code

使用深度学习进行图像伪造 使用深度学习的图像伪造检测，在PyTorch中实现。 提议 整个框架：首先，将RGB图像分为重叠的块（64x64）。 然后，在被网络打分之前，将RGB色块转换为YCrCb颜色通道。 最后，设计了一个后期处理阶段，以完善网络的预测，并就图像的身份验证做出最终结论。 深度神经网络改编自MobileNet-V2。 但是，我们修改了原始MobileNet-V2，使其与我们的问题更加相关。 下图描述了体系结构修改。 实验结果 我们已经对模型配置进行了全面评估，以显示哪个因素可以改善模型的最终性能。 为了解决这个问题，我们定义了与MobileNetV2（称为MBN2）一起作为核心的六种配置。 要考虑两个颜色通道，即RGB和YCrCb。 此外，还考虑了三种MobileNetV2架构进行比较。 第一个体系结构是从零开始训练的MobileNetV2，第二个体系结构是通过Image

吴恩达深度学习笔记，github上下载网速非常满，我下载之后分享。

Deep learning lectures download from Standford University Website