yolov8的预训练权重，适用于在官网上下载yolov8权重较慢的情况，包含n, m ,s 三个量级的权重。 为了帮助各位小伙伴，希望能对各位小伙伴们起到一些帮助，后面如果小伙伴们需要什么资源，可以私信我

梨果实图像数据集，共有1400+图片 深度学习，YOLO V5，

label_imgwindows_v1.8.0.zip(免安装 可用)label_imgwindows_v1.8.0.zip(免安装 可用)

本资源是https://jarod.blog.csdn.net/article/details/127636618的配到资源，详细讲解了如何从零开始用TensorFlow搭建TextCNN，完成文本分类任务。 包含完整源代码和教程文档。模型搭建在Jupyter环境，可以根据教程文档或参考源代码自己一步一步实现自己的TextCNN，并在自己的数据集上训练出自己的模型。 模型在测试集上准确率达到96.45%，可以满足生产使用。

为平衡电网供需电子间的互补调度关系，提出基于深度学习的多能互补供需自适应调度方法。分级连接电子识别控制器与多能监测模块，获取精确的学习空间复杂度数值，完成基于深度学习的多能电子识别处理。在此基础上，建立自适应调度框架，借助基层组织内电子供需结构，计算互补偏离度的实值参量，完成新型多能互补供需自适应调度方法。实验结果表明，与传统非动态调度模型相比，所提方法将单位时间内供需输出电压提升至440 V，且提高了邻位电子间的调频速率，平衡了电网供需电子间的互补调度关系。

anaconda3-2019.03-Windows-x86_64.exe，官网下载太慢，上传分享一下。

基于深度学习的视网膜OCT图像分类方法.PDF，专利，深度学习，中国科学技术大学，基于深度学习的视网膜OCT图像分类方法.PDF

将循环神经网络中的长短期记忆网络和前馈注意力模型相结合，提出一种文本情感分析方案。在基本长短期记忆网络中加入前馈注意力模型，并在TensorFlow深度学习框架下对方案进行了实现。根据准确率、召回率和F₁测度等衡量指标，与现有的方案对比表明，提出的方案较传统的机器学习方法和单纯的长短期记忆网络方法有明显的优势。

Javascript中的深度学习，实现在浏览器中训练卷积神经网络

包括LIP、CIHP与ATR三个数据集，其中ATR包括ICCV15_fashion_dataset(ATR)，有JPEGImages和SementationClassAug两个部分；LIP包括Testing_images.zip、Train_parsing_reversed_labels.zip、TrainVal_images.zip、TrainVal_parsing_annotations.zip和TrainVal_pose_annotations.zip五个数据包；CIHP包括instance-level_human_parsing，有testing、training和Validations三个部分的数据集和human_colormap.mat。