在此记下AlexNet等八个经典网络的架构、创新点等，以供参考。

基于卷积神经网络及特征提取的面部表情识别算法.pdf

docker + pycharm+GPU 远程开发配置环境教程.pdf

基于YOLOV5和VOC数据集训练成的扑克牌和骰子识别系统，通过23000张的图片数据集，训练长达3天得出的模型，准确率可达97%，可识别扑克牌的点数和花色，骰子的点数。

Bayesian methods for machine learning have been widely investigated, yielding principled methods for incorporating prior information into inference algorithms. In this survey, we provide an in-depth review of the role of Bayesian methods for the reinforcement learning (RL) paradigm. The major incentives for incorporating Bayesian reasoning in RL are: 1) it provides an elegant approach to action-selection (exploration/ exploitation) as a function of the uncertainty in learning; and 2) it provides a machinery to incorporate prior knowledge into the algorithms. We first discuss models and methods for Bayesian inference in the simple single-step Bandit model. We then review the extensive recent literature on Bayesian methods for model-based RL, where prior information can be expressed on the parameters of the Markov model. We also present Bayesian methods for model-free RL, where priors are expressed over the value function or policy class. The objective of the paper is to provide a comprehensive survey on Bayesian RL algorithms and their theoretical and empirical properties.

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。

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

现阶段火灾频发，需要自动进行火灾的检测与识别，虽然存在温度、烟雾传感器等火灾检测手段，但是检测实时性得不到保证.为了解决这一问题，提出了基于改进YOLOv3的火灾检测与识别的方法.首先构建一个多场景大规模火灾目标检测数据库，对火焰和烟雾区域进行类别和位置的标注，并针对YOLOv3小目标识别性能不足的问题进行了改进.结合深度网络的特征提取能力，将火灾检测与识别形式化为多分类识别和坐标回归问题，得到了不同场景下火焰和烟雾两种特征的检测识别模型.实验表明，本文提出的改进YOLOv3算法对不同拍摄角度、不同光照条件下的火焰和烟雾检测都能得到理想的效果，同时在检测速度上也满足了实时检测的需求.

机器学习 原创文章每月最少两篇文章，后续最新文章会在首发，视频首发，大家可以加我进交流群，技术交流或提意见都可以，欢迎星级！ 文章首发声明 文章在自己的个人网站首发，其他平台文章均属转发，如想获得最新更新进展，欢迎关注我的个人网站： ://cuijiahua.com/ 第二章：kNN（k-邻域算法） 文章 个人网站 CSDN 知乎 Python3《机器学习实战》学习笔记（一）：k-近邻算法（史诗级干货长文） 代码 第三章：决策树（决策树） 文章 个人网站 CSDN 知乎 Python3《机器学习实战》学习笔记（二）：方法树基础篇之让我们从相亲说起 Python3《机器学习实战》学习笔记（三）：决策树实战篇之为自己配个隐形眼镜 代码 第四章：朴素贝叶斯 文章 个人网站 CSDN 知乎 Python3《机器学习实战》学习笔记（四）：朴素贝叶斯基础篇之言论过滤器 Python3《机器学习实战》学习笔记（五）：朴素贝叶斯实战篇之新浪新闻分类 代码 第五章：物流（Logistic回归） 文章 个人网站 CSDN 知乎 Python3《机器学习实战》学习笔记（六）：Logistic回归基础篇之梯

集成Opencv3.4,torch 1.6 tensorflow1.2等