视觉识别是当前计算机视觉、模式识别乃至人工智能领域最重要、最活跃的研究领域之一。它具有重大的基础重要性和强烈的工业需求。在大量训练数据和新的强大计算资源的帮助下，深度神经网络在许多具体任务上大大提高了其性能。虽然识别精度通常是新进展的首要考虑，但效率实际上是相当重要的，有时对学术研究和工业应用都至关重要。

神经元 深度神经网络的完全可定制的硬件综合编译器 版权所有2017，高前田山崎新也及其贡献者 执照 Apache许可2.0（ ） 什么是NNgen？ NNgen是开源的编译器，用于为深度神经网络综合模型专用的硬件加速器。 NNgen根据输入模型定义生成Verilog HDL源代码和DNN加速器的IP内核包（IP-XACT）。 生成的硬件包罗万象，包括处理引擎，片上存储器，片上网络，DMA控制器和控制电路。 因此，开始处理后，生成的硬件不需要外部电路或CPU进行任何其他控制。 NNgen的后端使用Veriloggen，这是Python中的开源混合范例高级综合编译器。 因此，您可以为新的DNN算法和应用程序自定义NNgen。 为NNgen贡献 NNgen项目始终在欢迎问题，错误报告，功能建议和请求请求。 社区管理员 作为该项目的经理，社区经理负责社区管理，并促进软件开发和推广。 提交者 提交者是被授予对项目的写访问权的个人。 为了做出贡献者，需要社区经理的批准。 贡献领域可以采用各种形式，包括代码贡献和代码审查，文档，教育和推广。 提交者对于高质量，健康的项目至关重要。 社区积极寻

深度神经网络专用架构与压缩技术演进.pdf

深度神经网络压缩自动化的挑战与机遇.pdf

【项目实战】Python实现深度神经网络RNN-LSTM分类模型(医学疾病诊断) 资料说明：包括数据集+源代码+Word文档说明。 资料内容包括： 1)项目背景； 2)收集数据； 3)数据预处理； 4)探索数据分析； 5)特征工程； 6)LSTM建模； 7)模型评估； 8)临床应用。

此代码为 MNIST 数字分类任务实现了多层感知器 (MLP)

PyTorch深度学习入门与实战（案例视频精讲）课堂教学讲义（Jupyter ：ipynb，文字和代码以及插图 ）

业分类-物理装置-一种深度神经网络的可解释生成方法.zip

机器学习C++源码解析-深度神经网络DNN算法-源码+数据

汇总了深度学习用python编程过程中用到的numpy命令，小白自己总结包括常用命令用法分类，命令实例以及实例运行结果，大神能还请赐教！