实现了使用DNN来做VAD的功能，模型非常小，使用了TDNN的网络结构，注意：需要在LINUX上执行，感觉效果还不错，欢迎大家使用并提出宝贵意见。

1.7505c44ca4eb54b4ab1e4777cb96ac05-face_landmark_model.dat 2.4e0352ce96473837b1d671ce87f17359-ippicv_2017u3_lnx_intel64_general_20170822 3.915ff92958089ede8ea532d3c4fe7187-ippicv_2017u3_win_intel64_general_20180518 4.928168c2d99ab284047dfcfb7a821d91-ippicv_2017u3_win_ia32_general_20180518 5.adb1c512e09ca2c7a6faef36f9c53e59-v1.0.0a3.tar 6.0ae0675534aa318d9668f2a179c2a052-boostdesc_lbgm.i 7.0ea90e7a8f3f7876d450e4149c97c74f-boostdesc_bgm.i 8.98ea99d399965c03d555cef3ea502a0b-boostdesc_binboost_128.i 9.202e1b3e9fec871b04da31f7f016679f-boostdesc_binboost_064.i 10.232c966b13651bd0e46a1497b0852191-boostdesc_bgm_bi.i 11.324426a24fa56ad9c5b8e3e0b3e5303e-boostdesc_bgm_hd.i 12.e6dcfa9f647779eb1ce446a8d759b6ea-boostdesc_binboost_256.i 13.7cd47228edec52b6d82f46511af325c5-vgg_generated_80.i 14.7126a5d9a8884ebca5aea5d63d677225-vgg_generated_64.i 15.151805e03568c9f490a5e3a872777b75-vgg_generated_120.i 16.e8d0dcd54d1bcfdc29203d011a797179-vgg_generated_48.i 17.2cc08fc4fef8199fe80e0f126684834f-opencv_ffmpeg_64.dll 18.3b90f67f4b429e77d3da36698cef700c-ffmpeg_version.cmake 19.fa5a2a4e2f37defcb95bde8ed145c2b3-opencv_ffmpeg.dll 等等，太多了就不一一列举了。

基于深度学习的文本检测，不是文本识别！ https://blog.csdn.net/LuohenYJ

.: data ippicv tiny_dnn xfeatures2d ./data: 7505c44ca4eb54b4ab1e4777cb96ac05-face_landmark_model.dat ./ippicv: 4e0352ce96473837b1d671ce87f17359-ippicv_2017u3_lnx_intel64_general_20170822.tgz ./tiny_dnn: adb1c512e09ca2c7a6faef36f9c53e59-v1.0.0a3.tar.gz ./xfeatures2d: boostdesc vgg ./xfeatures2d/boostdesc: 0ae0675534aa318d9668f2a179c2a052-boostdesc_lbgm.i 0ea90e7a8f3f7876d450e4149c97c74f-boostdesc_bgm.i 202e1b3e9fec871b04da31f7f016679f-boostdesc_binboost_064.i 232c966b13651bd0e46a1497b0852191-boostdesc_bgm_bi.i 324426a24fa56ad9c5b8e3e0b3e5303e-boostdesc_bgm_hd.i 98ea99d399965c03d555cef3ea502a0b-boostdesc_binboost_128.i e6dcfa9f647779eb1ce446a8d759b6ea-boostdesc_binboost_256.i ./xfeatures2d/vgg: 151805e03568c9f490a5e3a872777b75-vgg_generated_120.i 7126a5d9a8884ebca5aea5d63d677225-vgg_generated_64.i 7cd47228edec52b6d82f46511af325c5-vgg_generated_80.i e8d0dcd54d1bcfdc29203d011a797179-vgg_generated_48.i

opencv3.3编译需要的adb1c512e09ca2c7a6faef36f9c53e59-v1.0.0a3.tar.gz 放于D:\Program Files\Opencv3.3\sources\.cache\tiny_dnn

用pytorch 实现深度学习dnn网络，有实际数据做支撑，py3.6 +pytorch0.4，代码可以直接运行，不需要gpu

Deep Neural Networks for YouTube Recommendations论文翻译

deeplearning.ai课程作业中部分使用的dnn_utils_v2,lr_utils,planar_utils,testCases,testCases_v2的代码，后续还会接着上传其他所需要使用的。

eyeriss项目组的深度学习加速器的总结，里面现将卷积神经网络的软件架构，后面总结别人的加速器架构，以及eyeriss项目组用的方法，最后是可改进的地方

本文主要编写针对一个简单的分类数据集通过TFRecord的文件存储方式存取至磁盘上，然后通过相应读写方法，读取TFRecord文件，并做简单的训练来熟悉整个流程。https://blog.csdn.net/qq_37972530/article/details/85057631