深度学习Caffe框架实战剖析教程(深度学习、机器学习、LeNet-5模型、MNIST数据集、CNN) 课程收益 目标一. 了解Caffe框架的环境配置以及LEVELDB和LMDB数据。 目标二. 学习并且掌握Caffe框架最基础的数据结构,明白其各结构之间的关系。 目标三. 阅读明白Caffe框架的源码,特别是其入口程序也就是Caffe.cpp的源码理解,这样可以熟悉Caffe程序运行流程。 目标四. 明白Caffe最优化求解过程,重点是求解器,以及求解器的实现等等。
2021-12-10 15:15:07 923B 深度学习 机器学习 LeNet-5模型
1
keras_contrib包,下载后直接按照如下安装 1.解压 2.cmd环境下进入解压位置 3. cd keras-contrib python setup.py install
2021-11-29 11:02:08 537KB Keras 深度学习 机器学习
1
在此记下AlexNet等八个经典网络的架构、创新点等,以供参考。
2021-11-27 15:34:30 407KB 深度学习 机器学习 计算机视觉
1
基于卷积神经网络及特征提取的面部表情识别算法.pdf
2021-11-24 18:10:23 1.47MB 神经网络 深度学习 机器学习 数据建模
docker + pycharm+GPU 远程开发配置环境教程.pdf
2021-11-24 12:08:46 90KB GPU 深度学习 机器学习
第一讲 带着大家梳理人工智能领域的基本概念:比如什么是人工智能、什么机器学习、什么是深度学习,他们的发展历史是什么,能用他们做什么。课后,助教会带领大家安装Ubuntu系统、Python解释器 和 Tensorflow环境,把同学们的电脑进行改造,让它变得更专业。 第二讲 串讲python语法:课程将帮同学们在最短的时间内把python语法织成网,为后续课程扫清代码关; 第三讲 讲解Tensorflow的关键词,搭建神经网络:这节课会介绍张量、计算图、会话等概念,并用Python搭建你的第一个神经网络,总结出神经网络搭建的八股。 第四讲 讲解神经网络的优化:包括损失函数、学习率、滑动平均和正则化。 第五讲 讲解全连接网络:使用MNIST数据集,搭建全连接网络实现手写数字的识别。包括前向传播、反向传播、识别准确率输出和反向传播断点续训。 第六讲 讲解全连接网络应用:更改上一讲全连接网络的代码,现场手写一个数字,输出这个数字的值。 第七讲 讲解卷积神经网络:使用MNIST数据集,搭建卷积神经网络实现前向传播、反向传播、识别准确率输出和反向传播断点续训。 第八讲 讲解卷积神经网络应用:复现ImageNet数据集训练好的模型,实现特定图片的识别。
2021-11-18 15:10:55 9.71MB tensorflow 深度学习 机器学习 北大
1
torch开发版1.8.0a0编译后的安装包,支持cuda11.1,编译环境gcc 9.3.0-17ubuntu20.04
2021-11-16 22:38:57 225.49MB pytorch 深度学习 机器学习 人工智能
1
集成Opencv3.4,torch 1.6 tensorflow1.2等
2021-11-13 10:00:45 119B 树莓派4b
1
基于LSTM递归神经网络的番茄目标产量时间序列预测.pdf
输入标注txt文件与预测txt文件路径,计算P、R、TP、FP与FN。txt格式为class、归一化后的矩形框中点x y w h,可调整IOU阈值
1