深度学习 pdf 文字版，带书签整合版，文件太大，压缩了一下。 作者： 【美】Ian Goodfellow（伊恩·古德费洛） , 【加】Yoshua Bengio（约书亚·本吉奥） , 【加】Aaron Courville（亚伦·库维尔） 译者： 赵申剑 , 黎彧君 , 李凯 , 符天凡

深珊瑚 PyTorch实施的“深层珊瑚：深层域适应的相关对齐”。 B Sun，K Saenko，ECCV 2016' 深度CORAL可以学习一种非线性变换，该变换可以对齐深度神经网络（Deep CORAL）中层激活的相关性。 我的实施结果（任务Amazon->网络摄像头）： 要求 的Python 3 PyTorch 0.2 用法 解压缩dataset/office31.tar.gz中的dataset/office31.tar.gz 运行python3 main.py

halcon-18.11.2.0-windows-deep-learning.part4.rar

使用PyTorch进行深度学习 该存储库包含由Manning Publications出版的Eli Stevens，Luca Antiga和Thomas Viehmann撰写的《用PyTorch进行深度学习》一书的代码。 该书的曼宁网站是： : 这本书也可以在亚马逊上购买： ： （会员链接；根据规则：“作为亚马逊合作伙伴，我从有资格的购买中获得收入。”） 该书的勘误表可在配员网站上找到，或在 关于使用PyTorch进行深度学习 本书旨在为PyTorch提供深度学习的基础，并在实际项目中展示它们的实际作用。 我们努力提供深度学习的关键概念，并展示PyTorch如何将其交到从业者手中

《Neural Network and Deep Learning》《神经网络和深度学习》 最好的入门教材

人为分割PyTorch 在PyTorch中实现的人体分割，/代码和。 支持的网络 ：骨干 （所有aphas和扩张）， （所有num_layers） ：骨干网 （num_layers = 18,34,50,101）， ：骨干网 （num_layers = 18） ：主干网 （num_layers = 18、34、50、101） ICNet ：主干网ResNetV1 （num_layers = 18、34、50、101） 要评估体系结构，内存，转发时间（以cpu或gpu表示），参数数量以及网络的FLOP数量，请使用以下命令： python measure_model.py 数据集 人像分割（人/背景） 自动人像分割以实现图像风格化：1800张图像 监督人：5711张图片 放 在此存储库中使用了Python3.6.x。 克隆存储库： git clone --re

这是论文《Classification of Hyperspectral Images by Gabor Filtering Based Deep Network, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2018, 11(4), 1166-1178.》的代码，更多详情可查看在纸上找到。 如果你使用这个演示，请引用这篇论文。 要运行此演示，您应该先下载minFunc matlab工具箱和drtoolbox。 minFunc matlab 工具箱和 drtoolbox 分别位于http://www.di.ens.fr/~mschmidt/Software/minFunc.html和http://homepage.tudelft.nl/19j49/Matlab_Toolb

:basketball: 通过机器学习分析篮球射击和投篮姿势！ 这是一个基于对象检测概念的人工智能应用程序。 通过挖掘从物体检测收集的数据来分析篮球投篮。 我们可以通过简单地将文件上传到Web App或向API提交POST请求来获得结果。 请检查以下。 还有更多功能！ 随时关注。 用于拍摄姿势分析的所有数据都是通过实施计算的。 请注意，这是仅用于非商业研究的实现。 请阅读，该与。 如果您对人体姿态估计的概念感兴趣，我已经写了OpenPose 。 看看这个！ 入门 这些说明将为您提供在本地计算机上运行的项目的副本。 取得副本 只需运行git clone命令即可获得该项目的副本。 git clone https://github.com/chonyy/AI-basketball-analysis.git 先决条件 在运行项目之前，我们必须从requirements.txt安装所有依赖项 pip install -r requirements.txt 请注意，您需要具有正确CUDA设置的GPU才能运行视频分析，因为需要CUDA设备才能运行OpenPose。 代管 最后，使用一个命令将

EarthEngine深度学习 如果您将其用于学术目的，请引用此存储库。 @misc{das_2019, title={Land Cover Classification based on Landsat-8 imagery from Google Earth Engine}, url={https://ucalyptus.me/EarthEngine-Deep-Learning/index.slides.html}, journal={EarthEngine Deep Learning}, publisher={GitHub}, author={Das, Sayantan}, year={2019}, month={Sep}} 如果喜欢，请 。 在上关注我

TorchElastic TorchElastic允许您以容错和弹性的方式启动分布式PyTorch作业。 有关最新文档，请访问我们的网站。 需求torchelastic需要pytho TorchElastic TorchElastic允许您以容错和弹性的方式启动分布式PyTorch作业。 有关最新文档，请访问我们的网站。 要求torchelastic需要python3（3.6+）torch etcd安装pip install torchelastic快速入门在4个节点上容错，每个节点8个教练，总共4 * 8 = 32个教练。 在所有节点上运行以下命令。 python -m torchelastic.distributed.launch --nnodes = 4 --nproc_per_node = 8