塑料手机外壳出厂合格检测时, 使用传统的人工辨别外观缺陷, 费时费力. 利用深度学习的卷积神经网络模型训练一个分类器, 实现手机外壳外观出现的划痕缺陷自动化检测, 可以极大的提高工作效率. 实验首先建立基本的卷积神经网络模型, 训练模型获得识别基线, 再设计修改逐步提高检测准确率. 为了解决小数据集训练中的模型过拟合和提高检测精度, 综合使用了丢弃层、数据增强技术和批量标准化, 减少参数量, 并应用迁移学习等方法. 实验结果证明, 分类器模型能有效提升准确率, 在小数据集上达到非常好的划痕缺陷识别效果.

图神经网络的实战文档，可以给该领域的初学者提供参考。图网络（Graph Network, GN）是在拓扑空间（topological space）内按图（graph）结构组织以进行关系推理（relational reasoning）的函数集合。在深度学习理论中是图神经网络（ graph neural network, GNN）和概率图模型（Probabilistic Graphical Model, PGM）的推广

解析卷积神经网络——深度学习实践手册 解析卷积神经网络——深度学习实践手册

这里的即插即用模块主要分为注意力模块和其他模块。即插即用模块一般是作为一个独立的模块，可以用于取代普通的卷积结构，或者直接插入网络结构中。最常见的即插即用模块莫过于注意力模块了，近些年好多略显水的工作都用到了注意力模块，仅仅需要简单添加这些注意力模块即可作为论文的创新点，比如SENet+Darknet53 组合。

此PPT为本人对《深度学习入门-基于Python的理论与实现》一书的学习总结

电信公司评分预测、房价预测、爬虫、共享单车

matconvnet官方教程 .

使用DQN强化学习方法解决网格迷宫问题及倒立摆问题的MATLAB强化学习程序合集。 “I thought what I'd do was I'd pretend I was one of those deaf-mutes, or should I?”

这是一本基于神经网络深度学习的资料，用来研究时间序列情况下的特征提取，适合有专业背景的人学习。

python写的卷积神经网络进行图片分类，spyder中运行有效，代码中有详细的注释，希望对下载的朋友有用。