Deep Learning with Python introduces the field of deep learning using the Python language and the powerful Keras library. Written by Keras creator and Google AI researcher François Chollet, this book builds your understanding through intuitive explanations and practical examples. You'll explore challenging concepts and practice with applications in computer vision, natural-language processing, and generative models. By the time you finish, you'll have the knowledge and hands-on skills to apply deep learning in your own projects.

java白盒测试相关资料，，包括测试实验用源码SimpleJavaApp、CodeCover、Ant

视频质量评价（VQA）是以人眼的主观质量评估结果为依据，使用算法模型对失真视频进行评估。传统的评估方法难以做到主观评价结果与客观评价结果相一致。基于深度学习的视频质量评价方法无需加入手工特征，通过模型自主学习即可进行评估，对视频质量的监控和评价有重要意义，已成为计算机视觉领域的研究热点首先对视频质量评价的研究背景和主要研究方法进行介绍;其次从全参考型和无参考型两方面介绍基于深度学习的客观质量评价方法，并且从所用的卷积神经网络模型对无参考型评价方法进行了分类比较;接着介绍视频质量评价算法的相关数据库和评价算法性能指标，并对算法性能进行比较;最后对目前视频质量评价研究存在的问题进行总结，并展望了该领堿面临的挑战和未来发展方向。

matlab开发-气体分离装置级联控制及模型预测控制的仿真。膜分离法气体分离器过程控制仿真。

coco2017数据集 18GB 很实用啊啊

原代码下载地址 http://www.pearsonhighered.com/cs-resources/products/product.html#product,isbn=0133813487

线程池 用C ++ 11和Folly实现的简单线程池（facebook C ++基础库）

第1章引言11.1 为何选择机器学习 11.1.1 机器学习能够解决的问题 21.1.2 熟悉任务和数据 41.4 必要的库和工具 51.6 本书用到的版本 1

5.4 湍流运动的雷诺方程 我们在推导流体运动的控制方程（N-S 方程）时，并没有限制流动状态是层流还是湍流， 因此 N-S 方程对层流和湍流都同样适用。但从前面的分析我们知道，与层流在确定的初始 和边界条件下有唯一确定的解不同，湍流是随雷诺数增大而不断分叉，使流动变成含有许多 频率的拟周期运动，且所考虑的周期流动不能由给定的稳定的外部边界条件唯一确定，即湍 流的解的确定依赖于内部的随机条件，而这种内部的随机条件是无法事先预测的。这就说明， 想直接通过 N-S 方程从数学理论上解决湍流问题是不可能的。但如果我们不把研究重点放 在流体微团的运动规律上，即放弃对频率在 1~10 5 赫兹之间急剧变化的每一个流体微团的物 理量，如速度、压强、温度的详细描述，而把重点放在某一段时间或某一块面积湍流对物体 流 体 力 学 （ 国 科 大 教 材 ） 第 五 章

Halcon深度学习-企业项目实战（核酸管外观缺陷检测）已训练模型