聊天学习者 在TensorFlow中基于新的序列到序列（NMT）模型实现的聊天机器人，具有无缝集成的某些规则。 对于那些对中文聊天机器人感兴趣的人，请。 ChatLearner（Papaya）的核心是基于NMT模型（ ）构建的，此处已对其进行了调整以适应聊天机器人的需求。 由于TensorFlow 1.4中tf.data API的更改以及自TensorFlow 1.12以来的许多其他更改，此ChatLearner版本仅支持TF版本1.4至1.11。 如果您需要支持TensorFlow 1.12，可以在tokenizeddata.py文件中进行轻松更新。 在开始其他一切之前，您可能需要

猫和狗 当我们的数据集不足时，最常用的方法之一是使用预先训练的模型。 在我们的案例中，我们将考虑在ImageNet数据集上训练的大型卷积网络（140万个带标签的图像和1000个不同的类）。 ImageNet包含许多动物类别，包括不同种类的猫和狗，因此我们可以期望在猫与狗的分类问题上表现出色。 我们可以使用的一些主干： •Xception•InceptionV3•ResNet50•VGG16•VGG19•MobileNet 我将使用由Karen Simonyan和Andrew Zisserman在2014年开发的VGG16架构，该架构是ImageNet的一种简单且广泛使用的convnet架构。 VGG16： from keras.applications import VGG16 conv_base=VGG16(weights=('imagenet'),

集成深度学习 使用集成方法进行深度学习，神经网络作为基础学习器，线性判别分析 (LDA) 作为二级学习器。

Embedded low-power deep learning with TIDL.pdf

深度情感：使用注意卷积网络的面部表情识别 这是研究论文“的PyTorch实现 [注意]这不是官方执行文件 建筑学 基于注意力卷积网络的端到端深度学习框架 通过空间变压器网络添加注意机制 数据集 先决条件 要运行此代码，您需要具有以下库： 火炬> = 1.1.0 火炬视觉== 0.5.0 OpenCV tqdm 皮尔 该存储库的结构 该存储库的组织方式为： 此文件包含数据集和训练循环的设置。 此文件包含用于评估测试数据模型和网络摄像头实时测试的源代码。 此文件包含模型类 此文件包含数据集类 此文件包含数据集的设置 用法 DeepLearning_by_PhDScholar创建的超酷视频，介绍如何使用此实现。 资料准备 从Kaggle下载数据集，然后将train.csv和test.csv解压缩到./data文件夹中。 怎么跑 设置数据集 python main.py [-s

Jason Brownlee 的深度学习书Deep Learning with Python，包括文档和代码。

讲述了深度学习的流程：获取或创建数据集、预处理和特征提取、预测模型开发和部署。并通过实例讲解整个流程，该PDF为对应视频的课件。

DeepLPF：用于图像增强的深度局部参数过滤器（CVPR 2020） （ ，皮埃尔·马扎（Pierre Marza），（ ，（ ， 华为诺亚方舟实验室 CVPR 2020论文DeepLPF的主要存储库：用于图像增强的深度局部参数滤波器。 在这里，您将找到代码链接，预训练的模型以及有关数据集的信息。 如果您需要协助，请提出Github问题。 输入 标签 我们的（DeepLPF） 输入 标签 我们的（DeepLPF） 输入 标签 我们的（DeepLPF） 输入 标签 我们的（DeepLPF） 输入 标签 我们的（DeepLPF） 依存关系 requirements.txt包含该代码使用的Python包。 如何训练DeepLPF并将模型用于推理 训练DeepLPF 指示： 要使此代码适用于您的系统/问题，您将需要编辑数据加载功能，如下所示： main.py，更

cadrl_ros（使用Deep RL避免冲突） 用Deep RL训练的动态避障算法的ROS实现 纸： M.Everett，Y.Chen和JP How，《具有深度强化学习的动态决策代理之间的运动计划》，IEEE / RSJ国际智能机器人和系统会议（IROS），2018年 论文： : 视频： : Bibtex： @inproceedings{Everett18_IROS, address = {Madrid, Spain}, author = {Everett, Michael and Chen, Yu Fan and How, Jonathan P.}, bookti

Christopher Bishop的模式识别和机器学习书的注释，代码和笔记本的存储库模式识别和机器学习（PRML）该项目旨在记录我在阅读Christopher Bishop的PRML书方面取得的进步。 它包含用于更好地理解所提出的想法的笔记本，以及指向有用论文和自制笔记的链接。 有用的链接PRML本书矩阵演算矩阵食谱PRML勘误更多PRML勘误（回购）的内容。 ├──README.md────第01章│├──ch1_ex_tests.ipynb│├──第1章.ipynb│└──einsum.ipynb├──第02章│├──E