越来越多的人工智能解决方案将深度学习作为其基本技术，然而构建深度学习模型并不是一件容易的事，为了获得满意的准确性和效率，通常需要数周的时间优化模型。 本下载源码为博客文章 https://blog.csdn.net/shichaog/article/details/125128321 配套资源，从网络结构本身和训练参数两个层级两个方面实例分析优化的过程和手段

AI科技大本营在线公开课《深度学习模型压缩加速与手机移动端部署》 共47页.pptx

详细介绍了目前深度学校模型压缩和加速方面的研究现状，并详细探索了深度压缩及其硬件实现

现在搞AI研究写论文，其中论文里的框架图模型图很是考验你画图的能力，不费一番心思功夫，怎能画出一个入得Reviewer法眼的图，论文也不大好中，很是发愁。好消息来了，elvis介绍了有个ML visual的利器，提供一份103页的PPT模型图素材，你在上面可以直接使用画出你要的机器学习深度学习模型图，再也不用担心画图了！ URL：https://github.com/dair-ai/ml-visuals https://mp.weixin.qq.com/s/QoMY4NLUmdTyLkWx8zD_hA

开篇词掌握深度学习，畅游AI时代 网盘文件永久链接 01从神经元说起：数学篇.mp4 02从神经元说起：结构篇.mp4 03AI术语：让你变得更加专业.mp4 04函数与优化方法：模型的自我学习（上）。mp4 05前馈网络与反向传播：模型的自我学习（下）。mp4 06线性回归模型：在问题中回顾与了解基础概念。mp4 07卷积神经网络：给你的模型一双可以看到世界的眼睛。mp4 08RNN与LSTM模型也可以持续不断地思考。mp4 09自编码器：让模型拥有属于自己的表达和语言。mp4 10生成式对抗网络艺术创造也可以成为深度学习的拿手好戏。mp4 11集成、共享、敏捷lupyter Notebook的使用.mp4 12数据预处理让模型学得更好。mp4 13张量、数据流图与概念初步了解TenorFlow.mp4 14工作机制与流程：通过手写识别深入了解TenorFlow.mp4 15 TenorBoard:实验统计分析助手mp4 16图像分类：技术背景与常用模型解析。mp4 17图像分类：实现你的第一个图像分类实战顶目。mp4 18语义分割：技术背景与算法剖

本下载提供VGG16-tensorflow/keras完整版，不是notop版！CSDN要求每下载链不超过200M，因此我打了3个子包，下载后请自行解压还原，提供CSDN给盆友们快速下载，花了些时间收集，收点成本费就是了^_^ 强烈鄙视坐地起价开50下载分而且还是notop版！需要notop版的请在我的下载专区查看。

本下载提供VGG16-tensorflow/keras完整版，不是notop版！CSDN要求每下载链不超过200M，因此我打了3个子包，下载后请自行解压还原，提供CSDN给盆友们快速下载，花了些时间收集，收点成本费就是了^_^ 强烈鄙视坐地起价开50下载分而且还是notop版！需要notop版的请在我的下载专区查看。

本下载提供VGG16-tensorflow/keras完整版，不是notop版！CSDN要求每下载链不超过200M，因此我打了3个子包，下载后请自行解压还原，提供CSDN给盆友们快速下载，花了些时间收集，收点成本费就是了^_^ 强烈鄙视坐地起价开50下载分而且还是notop版！需要notop版的请在我的下载专区查看。

脑计算机接口的深度学习模型 该存储库包含可用于解码脑计算机接口（BCI）的EEG和EEG信号的深度学习模型。 一些模型依赖于gumpy提供的功能， gumpy是一个python工具箱，其中包含多个gumpy常用的信号和特征处理例程。 外部链接 gumpy ： github上的gumpy： 不良学习的核心开发人员和贡献者 齐德·塔耶布（Zied Tayeb） Nicolai Waniek， 内拉·加布西（Nejla Ghaboosi） 尤里·费杰耶夫（Juri Fedjaev） 伦纳德·莱奇利（Leonard Rychly） 执照 该存储库中的所有代码均根据MIT许可证发布。 有关更多详细信息，请参见LICENSE文件。

快速SRGAN 该存储库的目标是实现实时超分辨率，以对低分辨率视频进行升采样。 目前，该设计遵循架构。 但是代替残差块，采用反向残差块以提高参数效率和快速操作。 这种想法在某种程度上受到。 培训设置如下图所示： 速度基准 通过平均800帧以上的运行时间获得以下运行时间/ fps。 在GTX 1080上测得。 输入图像尺寸 输出尺寸 时间（秒） 第一人称射击 128x128 512x512 0.019 52 256x256 1024x1024 0.034 30 384x384 1536x1536 0.068 15 我们看到有可能以30fps的速度将其上采样到720