神经网络 在Python中从头开始逐步实现R-CNN

代码文件与B站上的视频教程同步，记录完整的模型分析建模过程及注意事项，代码可直接使用。

基于T2080的开源笔记本原理图

Note Book HW 架構.ppt

立体声匹配 *作者： （2020年1月） 总览 这个小工具是简单的立体声匹配的手动实现。 从不同的角度拍摄的两个经过校正的图像： 左图 正确的图像 通过两个匹配算法来组合以深度图像，简单胜者为王它，所有（WTA）或更复杂的半全局匹配（SGM）与绝对差的几个匹配成本（和（SAD），总和平方差（SAD）或归一化互相关（NCC） ）。 使用accX精度度量将结果与真实情况进行比较，不包括使用遮罩遮挡的像素。 公式 有关所涉及公式的精确细节（匹配成本，匹配算法和精度度量），请参阅Theory.pdf 。 文件 输入图像的data/目录（左眼和右眼） output/生成深度图像输出的目录 Ma

代码文件与B站上的视频教程同步，记录完整的模型分析建模过程，还有注意事项，包括我自己走的弯路，代码内容与接下来我要发布的博客同步。

主要介绍了解决jupyter notebook打不开无反应 浏览器未启动的问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

BCNN_keras：使用keras的双线性CNN实现

七月机器学习算法中和第七部分工作流程与模型调优 以天池数据集泰坦尼克号为例全面的分析和示例机器学习算法 其中包括泰坦尼克问题的excel数据和算法的notebook代码

心脏病预测：该项目涉及训练机器学习模型（K邻居分类器），以87％的准确性预测某人是否患有心脏病