构建智能反恶意软件系统：使用支持向量机进行恶意软件分类的深度学习方法 全文可在阅读。 抽象的 有效和高效地缓解恶意软件是信息安全社区的一项长期努力。 开发可以抵制以前未知的恶意软件的反恶意软件系统是一项可能使多个行业受益的多产活动。 我们设想了一个利用深度学习 (DL) 模型强大功能的智能反恶意软件系统。 使用此类模型可以通过数学概括来检测新发布的恶意软件。 也就是说，找到给定恶意软件x与其对应的恶意软件家族y 、 f : x → y 之间的关系。 为了实现这一壮举，我们使用了 Malimg 数据集 [ ]，其中包含从恶意软件二进制文件中处理的恶意软件图像，然后我们训练以下 DL 模型 1 来对每个恶意软件系列进行分类：CNN-SVM[ ]、GRU-SVM [ ]和MLP-SVM。 经验证据表明，GRU-SVM在DL模型中脱颖而出，其预测准确度约为84.92％。 这是有道理的，因为

    car_num_main.py  :将图片转为灰度图像，灰度图像二极化，分割图像并分别保存为.jpg和.bmp文件（直接右键运行即可完成转换）     train-license-province.py : 省份简称训练识别（需在控制台通过代码运行）       train-license-letters.py :城市代号训练识别（需在控制台通过代码运行）       train-license-digits.py :车牌编号训练识别（需在控制台通过代码运行）  

解决官网下载的CUDA9.1版本的tensorflow在运行import tensorflow as tf时报OSError: [WinError XXX] 找不到指定的模块/Could not find 'cudart64_90.dll'的错误，适用于CUDA9.1的windows版本

基础条件： Win10 + GTX 1060 安装显卡驱动 首先安装 显卡驱动： https://www.nvidia.cn/Download/index.aspx?lang=cn 按自己的GPU型号和操作系统去选择驱动版本，下载类型选择 Studio 下载后的驱动文件： 直接运行即可。 安装完成后，nvidia-smi即可查看GPU信息 安装CUDA 接下来安装 CUDA，试了9.0、9.2版本在安装时都会报一些错，大致是说驱动版本高而CUDA版本低，所以直接安装 10.2 主要参考了这篇文章： https://blog.csdn.net/bingo_liu/article/deta

深度学习语音识别，基于tensorflow的语音识别程序。程序示例简单实用，便于理解

DeepID 0. 效果展示 训练图(极小数据测试训练) 测试图 训练曲线accuracy 训练曲线loss 1. 数据地址及工具 人脸数据下载地址: 人脸数据私人下载地址: 人脸数据私人下载地址: 有账号密码下载地址: 本项目测试图库: 已训练完的模型: 2. 执行指令 防止数据不均衡，小于100张的用于测试，不足600的做数据扩充 python image_augmentation.py 将原图剪裁，剪裁成（47 * 55）大小的图片，原图是人脸对齐的 python image_crop.py 将图库进行划分，保存各分块的本地地址，存储为csv文件 python image_split.py 将划分后的数据保存成向量存储形式, 存储为pkl文件 python image_vector.py 训练数据 python train.py 在命令行输入,启动tensorboard观测曲线 te

深度学习的预训练模型的resnet模型权重，用于深度学习领域的对抗样本生成、图像识别等等，有兴趣的可以下载！

tensorflow初学者代码源码（框架），你值得拥有

tensorflow官方中文教程1.2版本，官方教程才是学习的好教程

本资源为北京大学周健老师《人工智能实践：Tensorflow笔记2》课程公开资料，内含课件及课程源码。