census-income的tony版本数据集

台湾李宏毅教授写的300多页的ppt，图片演示，简单理解。非常适合入门。 但是用的英文，英文，不过都很简单。适合对深度学习有大概了解者观看。深入还远远不够！

无论是设计算法，准备和标注数据，还是生成代码并部署到嵌入式系统，只需短短几行 MATLAB? 代码，就可以在工作中应用深度学习方法。

可切换归一化 可切换规范化是一种规范化技术，它能够以端到端的方式为深度神经网络中的不同规范化层学习不同的规范化操作。 更新 2019/3/21：发布分布式培训框架和面部识别框架。 我们还发布SyncBN和SyncSN的pytorch实现小批量任务，如分割和检测。 有关SyncBN和SyncSN的更多详细信息，可以参考。 2018/7/27：已发布ResNet50 + SN（8,1）和SN（8,4）的预训练模型。 当目标任务的批处理大小被限制为较小时，这些模型可能会在微调阶段有所帮助。 我们还发布了ResNet101v2 + SN的预训练模型，该模型在ImageNet上达到了78.81％/ 94.16％的top-1 / top-5精度。 更多预训练模型即将发布！ 2018/7/26：用于对象检测的代码已在的存储库中。 2018/7/9：我们想解释SN背后的优点。 请参阅或 。 201

其中预训练模型包含(注意由于文件巨大被分为了三部分） AlexNet（part1） Darknet_19（part1） Darknet_53 （part1） DenseNet_201（part1） EfficientNet_b0 Inception_ResNet_v2 Inception_v3 LeNet LeNet_Places365 mobileNet_v2 NasNet_large NasNet_mobile ResNet_18 ResNet_50 ResNet_101 shuffleNet VGG_16 VGG_19 Xception 其中：所有模型变量储存在其对应名字的mat文件夹中，加载后模型变量皆为：net，matlab版本越高所支持其中的模型越多，在matlab deep learning toolbox中深度网络编辑器中从工作区导入可以根据自己的需求进一步进行改进。 模型详细内容解释参考：https://blog.csdn.net/m0_47787372/article/details/125774554?spm=1001.2014.3001.5501

该部分预训练模型包含(注意由于文件巨大被分为了三部分） EfficientNet_b0（part2） Inception_ResNet_v2(part2) Inception_v3(part2) LeNet(part2) LeNet_Places365（part2） mobileNet_v2(part2) NasNet_large(part2) NasNet_mobile(part2) ResNet_18(part2) 其中：所有模型变量储存在其对应名字的mat文件夹中，加载后模型变量皆为：net，matlab版本越高所支持其中的模型越多，在matlab deep learning toolbox中深度网络编辑器中从工作区导入可以根据自己的需求进一步进行改进。 模型详细内容解释参考：https://blog.csdn.net/m0_47787372/article/details/125774554?spm=1001.2014.3001.5501

其中预训练模型包含(注意由于文件巨大被分为了三部分） ResNet_50（part3） ResNet_101（part3） shuffleNet（part3） VGG_16（part3） 其中：所有模型变量储存在其对应名字的mat文件夹中，加载后模型变量皆为：net，matlab版本越高所支持其中的模型越多，在matlab deep learning toolbox中深度网络编辑器中从工作区导入可以根据自己的需求进一步进行改进。 模型详细内容解释参考：https://blog.csdn.net/m0_47787372/article/details/125774554?spm=1001.2014.3001.5501

吴恩达深度学习DeepLearning课件图片，比较清楚，便于打印

detectron中maskrcnn需要的instances_valminusminival2014.json和instances_minival2014.json，实操可用，欢迎下载！！

3D imaging technologies -- Multi-dimensional signal processing and deep learning mathematical approaches and applications