基于spring boot + maven + opencv 实现的图像深度学习Demo项目，包含车牌识别、人脸识别、证件识别等功能，贯穿样本处理、模型训练、图像处理、对象检测、对象识别等技术点

勤哲服务器学习要点.docx

深度学习热力图绘制代码，例如，CNN、VIT、Swin等模型，能直接使用。CAM又叫类别激活映射图，也被称为类别热力图、显著性图等。是一张和原始图片等同大小图，该图片上每个位置的像素取值范围从0到1，一般用0到255的灰度图表示。可以理解为对预测输出的贡献分布，分数越高的地方表示原始图片对应区域对网络的响应越高、贡献越大。利用可视化的信息引导网络更好的学习，例如可以利用CAM信息通过"擦除"或""裁剪""的方式对数据进行增强；利用CAM作为原始的种子，进行弱监督语义分割或弱监督定位。

这个资源是一个包含了使用 PyTorch 实现的11种常见在线强化学习算法的代码集合。每个算法都有独立的文件夹，可以单独运行并测试相应算法在不同环境中的性能。以下是资源中包含的算法： 1、Q-learning 2、SARSA 3、DQN (Deep Q-Network) 4、Double-DQN 5、Dueling-DQN 6、PG (Policy Gradient) 7、AC (Actor-Critic) 8、PPO (Proximal Policy Optimization) 9、DDPG (Deep Deterministic Policy Gradient) 10、TD3 (Twin Delayed DDPG) 11、SAC (Soft Actor-Critic)

包括缺陷图，掩模图，以及标签

是基于用MATLAB编程的LDA程序，程序运行完美，训练集设置较为巧妙，方便学习者自己添加数据，而且注释非常详细，不仅注释了每步的作用，而且对出现的函数也做了介绍

基于模拟退火遗传算法的全向AGV路径规划的学习与实现的matlab代码，包括地图生成，交叉重组、变异重组等功能代码的实现。

PyTorch是一个深度学习框架，它提供了各种工具和功能来构建、训练和部署深度学习模型。相比其他深度学习框架，例如TensorFlow，PyTorch更加易于使用和灵活。在PyTorch中，我们可以使用张量（tensor）对象来存储和操作数据。这些张量对象非常类似于NumPy数组，但是PyTorch的张量支持GPU加速和自动求导功能，这使得我们可以更快地进行运算和优化模型。除此之外，PyTorch还提供了一些内置的神经网络层和损失函数，以及预训练模型的接口。这些工具和功能使得我们可以轻松地构建和训练深度学习模型，而不需要从头开始编写所有的代码。 视频大小：2.8G

小白学习fortran过程记录.zip小白学习fortran过程记录.zip小白学习fortran过程记录.zip小白学习fortran过程记录.zip小白学习fortran过程记录.zip小白学习fortran过程记录.zip小白学习fortran过程记录.zip小白学习fortran过程记录.zip小白学习fortran过程记录.zip小白学习fortran过程记录.zip小白学习fortran过程记录.zip小白学习fortran过程记录.zip小白学习fortran过程记录.zip小白学习fortran过程记录.zip小白学习fortran过程记录.zip小白学习fortran过程记录.zip小白学习fortran过程记录.zip小白学习fortran过程记录.zip小白学习fortran过程记录.zip小白学习fortran过程记录.zip小白学习fortran过程记录.zip

负荷预测数据集（13个月，每天的用电量、温度、湿度、风速、降雨的详细信息）.rar