chapter2_PyTorch-Basics chapter3_NN chapter4_CNN chapter5_RNN chapter6_GAN chapter7_RL chapter8_PyTorch-Advances chapter9_Computer-Vision chapter10_Natural-Language-Process

乌鸦-运输网络 Ravens是PyBullet中模拟任务的集合，用于学习基于视觉的机器人操作，重点是拾取和放置。 它具有一个类似于Gym的API，具有10个桌面重排任务，每个任务都有（i）提供专家演示的脚本化oracle（用于模仿学习），以及（ii）提供部分学分的奖励功能（用于强化学习）。 （a）插入方块：拿起L形红色方块并将其放入L形夹具中。 （b）放在绿色中：拿起红色方块，将它们放入其他物体中的绿色碗中。 （c）河内塔：将磁盘从一个塔顺序移动到另一个塔-只有较小的磁盘可以位于较大的磁盘之上。 （d） align-box-corner ：拿起随机大小的盒子，将其一个角对准桌面上的L形标记。 （e） stack-block-pyramid ：按彩虹色顺序依次将6个块堆叠为3-2-1的金字塔。 （f）码垛箱：拿起均质的固定尺寸的箱，并将它们堆放在转盘上。 （g）组装工具包：拿起不同的物体并将

DBCNN-Pytorch 使用深双线性卷积神经网络进行盲图像质量评估的实验性PyTorch实现。 目的 考虑到PyTorch在学术界的受欢迎程度，我们希望此回购协议可以帮助IQA的研究人员。 此存储库将用作集成IQA研究的先进技术的活动代码库。 要求 PyTorch 0.4+ Python 3.6 默认设置下的用法 python DBCNN.py 如果要重新训练SCNN，仍然需要Matlab和原始存储库来生成合成失真的图像。 python SCNN.py 引文 @article {zhang2020blind， title = {使用深双线性卷积神经网络进行盲图像质量评估}， 作者= {张维霞和马克德和闫家加邓，德祥和王舟}， journal = {IEEE视频技术电路和系统的交易}， 音量= {30}， 数字= {1}， 页数= {36--47}， 年= {2020} } 致谢

标签盒 是注释数据以构建和人工智能应用程序的最快方法。 使用此github存储库可帮助您在Labelbox中设置自定义编辑器。 Labelbox平台 文献资料 -设置自定义编辑器，示例安装脚本以及Labelbox自定义编辑器SDK的完整参考的说明。 -Labelbox应用程序的一般知识库。 -Labelbox Python SDK的安装和身份验证说明，教程，示例以及完整参考。 身份验证指南，示例和完整参考 合法的 这是我们的

友情链接 该存储库包含Uni Links插件平台接口以及特定于平台的实现。 uni_links插件的主要源代码和文档可在目录中找到。

癫痫发作检测 该存储库包含“深度学习”项目的代码，用于识别癫痫诊断患者的异常脑电图。 参考 ChronoNet：用于异常EEG识别的深度递归神经网络 如果您发现存储库中的代码很有用，请使用以下命令将其引用： @misc{chitlangia2021epileptic, author = {Chitlangia, Sharad}, title = {Epileptic Seizure Detection using Deep Learning}, year = {2021}, publisher = {GitHub}, journal = {GitHub repository}, howpublished = {\url{https://github.com/Sharad24/Epileptic-Seizure-Detection/}}, }

内容为Coursera平台上DeepLearning系列第一课PPT合集，全部已转为PDF格式方便使用，同时也包括部分官方提供的笔记。可以用来方便复习内容和查阅。

机器学习和深度学习简单（基于应用程序）项目 该存储库包含完成的简单实践项目，以学习ML和DL概念。 每个单独的文件夹都包含一个单独的项目，并且文件夹本身中包含该项目的自述文件。 我还附有我的课程证书。 项目清单是： 使用支持向量机的面部识别：使用numpy实现SVM，然后将其用于执行小型数据集的基本面部识别任务。 使用Yellowbrick分析混凝土的抗压强度：使用简单的回归分析，使用kaggle上的可用数据集来预测混凝土的抗压强度。 从零开始开发人工神经网络以执行股价预测：使用使用sklearn的自定义构建的香草人工神经网络，并实时预测股价。 MNIST Flask应用程序：在MNIST手写号码的数据集上使用ML和DL方法，并为此创建一个Web应用程序。 房价预测：使用Tensorflow的regresiion模型基于各种参数预测房价。 通过广告销售实现收入的多变量决定性优化

卷积神经网络（CNN）的文本分类 这是一个使用CNN对文本文档/句子进行分类的项目。 您可以在和的博客条目中找到类似方法的精彩介绍。 我的方法与Denny和Yoon Kim的原始论文[1]相似。 您也可以在找到Yoon Kim的实现。 ***更新***-2019年12月15日：版本0.2.0的更改 我已将代码更新为TensorFlow2。此外，我在jupyter笔记本中进行了一些更改： 删除Yelp数据集 为IMDB添加TensorFlow数据集 ***更新***-2019年5月17日：0.1.0版中的更改 模型： 将字级与基于字符的输入相结合。 char输入ist是可选的，可以用于进一步

大鸟：变形金刚更长的序列 这不是Google的官方产品。 什么是BigBird？ BigBird是一种基于稀疏注意的转换器，它将基于Transformer的模型（例如BERT）扩展到更长的序列。 此外，BigBird还具有对稀疏模型可以处理的完整变压器的功能的理论理解。 由于能够处理更长的上下文，BigBird极大地提高了各种NLP任务（例如问题回答和摘要）的性能。 更多详细信息和比较可以在我们的找到。 引文 如果您觉得这很有用，请引用我们的： @article{zaheer2020bigbird, title={Big bird: Transformers for longer