资料为python深度学习相关的资料，附有代码html版本的压缩包

时序数据-深度学习DNN-多步模式预测学习代码

时序数据-深度学习DNN-多输出模式预测学习代码

时序数据-深度学习DNN-单步模式预测学习代码

labelme标注工具生成的json文件内容格式转YOLOV3标签格式

深度学习PyTorch-YOLOv3

您将在本课程中学习到用Tensorflow Python接口训练的模型，如和部署到实际产品中。适用人群可以帮助会训练深度学习的模型的同学，学习如何部署模型，特别是实际产品中。 课程简介 课程目标 让学员熟悉用TensorFlow系列了模型之后，如何部署到实际产品中，并能够自己写代码导出模型和加载模型。 适用人群 人工智能领域从业者 or 深度学习实际产品开发人员或者想了解训练模型后，如何部署的学员。 课程简介    让学员可以从实战角度深度的学习深度学习产品开发过程，并能够自己写代码实现TF模型的导出和加载，并用C++接口部署到产品中，如何解决模型加密，多卡支持等，并了解Tensorflow源码。 在课程资料和答疑部分提供了完整的源码下载；

TensorFlow LSTM 写诗代码与数据

当前，深度学习和人工智能的发展和应用给人们留下了深刻的印象。神经网络是深度学习和人工智能的关键元素，然而，真正了解神经网络工作机制的人少之又少。本书用轻松的笔触，一步一步揭示了神经网络的数学思想，并介绍如何使用Python编程语言开发神经网络。 本书将带领您进行一场妙趣横生却又有条不紊的旅行——从一个非常简单的想法开始，逐步理解神经网络的工作机制。您无需任何超出中学范围的数学知识，并且本书还给出易于理解的微积分简介。本书的目标是让尽可能多的普通读者理解神经网络。读者将学习使用Python开发自己的神经网络，训练它识别手写数字，甚至可以与专业的神经网络相媲美。 本书适合想要了解深度学习、人工智能和神经网络的读者阅读，尤其适合想要通过Python编程进行神经网络开发的读者参考。 这是一本精心编写、给完全初学者的图书。它带领读者构建一个真正、有效的神经网络，而不需要读者具备任何复杂的数学知识和深度学习的理论。 ——M Ludvig 强烈推荐本书。这本书使得人工神经网络的概念非常清晰而容易理解。读者应该尝试重复本书中给出的示例，以便让本书发挥大的作用。我就是这么做的，效果不错！ ——美亚的一位读者 如果你对人工智能或神经网络感兴趣的话，这应该是你的第1本入门书。本书对主题的介绍非常清晰，几乎涉及理解神经网络所需的所有知识，包括微积分、统计、矩阵、编程等等。 ——Niyazi Kemer 这是一本优秀的入门图书，它有几个显著特点。它细致而透彻地介绍了神经网络。它用非常精简、实用的方式介绍了数学知识，特别是矩阵乘法和一些简单的微积分，使得读者能够很容易接受一次数学训练。它使用IPython作为计算平台，引导读者使用Python编写神经网络。 ——Daniel Oderbolz

Pytorch实现基于卷积神经网络的面部表情识别项目源码+论文+答辩PPT 本项目是一个非常完整的深度学习实践，是基于卷积神经网络模型开展表情识别的研究，使用到的模型是卷积神经网络，难度适中，初学者也可看懂。为了尽可能的提高最终表情识别的准确性，需要大量的样本图片训练，优化，所以采用了 FER2013 数据集用来训练、测试，此数据集由 35886 张人脸表情图片组成，其中，测试图 28708 张，公共验证图和私有验证图各 3589 张，所有图片中共有7种表情。 源代码方便大家开箱即用！ 动手完成这个项目之后，就可以学习到： 1. 深度学习中CNN（卷积神经网络）的使用，为之后学习相关神经网络模型做了很好的铺垫。 2. 学会使用深度学习框架之一Pytorch的使用。 3. 多分类问题在实际中的应用，是二分类的扩展。 4. 从数据处理，可视化，到模型搭建的过程，是一种经验和技巧的积累，达到“举一反三”的效果。