1000张行人检测的负样本，分辨率为320X240，可用于训练行人检测分类器，本人已使用样本训练出.xml分类器，检测效果良好。另外正样本（POS）如需要请见另一个资源(负样本也很多，正负样本上传容量受限)。

谱聚类是基于谱图理论基础上的一种聚类方法，与传统的聚类方法相比：具有在任意形状的样本空间上聚类并且收敛于全局最优解的优点。（但效率不高，实际工作中用的比较少） 谱聚类 通过对样本数据的拉普拉斯矩阵的特征向量进行聚类，从而达到对样本数据进行聚类的目的；其本质是将聚类问题转换为图的最优划分问题，是一种点对聚类算法。 谱聚类算法将数据集中的每个对象看做图的顶点 V，将顶点间的相似度量化为相应顶点连接边E的权值 w，这样就构成了一个基于相似度的无向加权图 G(V,E)，于是聚类问题就转换为图的划分问题。基于图的最优划分规则就是子图内的相似度最大，子图间的相似度最小。 步骤 谱聚类的构建过程主要包含以下

自行收集面部表情图片，例如从搜索引擎中抓取或者直接用公开的数据集，基于tensorflow等深度学习系统，构建一个面部表情分类，可以检测静态图片中的人脸面部表情，或者面部表情实时监测系统。搭建一个桌面或者移动端app，可以对面部表情进行实时的检测和输出，可以检测的面部表情7种。

glove.6B.50d.json

大数据培训期间，课堂教材

深度学习代码包

使用tensorflow深度学习，训练机器写古诗词。唐诗生成

21个项目玩转深度学习项目案例之何之源编著。基于TensorFlow的实践讲解。

mnist数据集是图像数据，由6万条训练数据和1万条测试数据组成。图像为1通道28像素乘以28像素的灰度图。本压缩文档包含了mnist数据集和神经网络推理的权重参数两个文件

深度学习 NVIDIA