语音识别以语音为研究对象，它是语音信号处理的一个重要研究发现，是模型识别的一个分支，涉及到生理学、心理学、语言学、计算机科学以及信号处理等诸多领域。甚至还涉及到人的体态语言，最终目标是实现人与机器进行自然语言通信。 该资源使用TensorFlow2.x框架，详细的讲解了如何实现自动语音识别。 由于数据集THCHS-30过大，可自行去以下地址下载：http://www.openslr.org/18/，也可通过在博主的网盘分享下载：链接：https://pan.baidu.com/s/1tItruoTSgku8F_m2f-Gusg?pwd=duzh 提取码：duzh

NLP-study 记录做过的NLP任务,包含但不限于文本分类，关系分类，命名实体识别，文本摘要，文本生成等，基于tensorflow2.0或者pytorch框架。

卷积神经网络(CNN)入门总结-基于tensorflow2 包含CNN原理、已经在tf2中如何实现 CSDN文章地址：https://blog.csdn.net/zzpl139/article/details/127552177 在线运行地址：https://www.heywhale.com/mw/project/63410e26dfae0249677f85b0 数据地址：https://github.com/garythung/trashnet 数据地址2：https://www.heywhale.com/mw/dataset/5d1578e4708b90002c6a3238

基于 tensorflow2.3 开发的水果蔬菜识别系统.pdf基于 tensorflow2.3 开发的水果蔬菜识别系统.pdf基于 tensorflow2.3 开发的水果蔬菜识别系统.pdf

ssd基于tensorflow2实现源代码

【物体检测快速入门系列 | 01 】基于Tensorflow2.x Object Detection API构建自定义物体检测器（http://t.csdn.cn/jPCca）博文配套的项目源代码，包含数据集标注，标签映射，标注文件格式转换脚本，训练流水线配置，训练脚本、评估脚本、导出脚本、模型推理脚本，整套自定义物体检测流水线工具链。

data_progress.py用于对数据集进行分类 datasort.py用于对数据集图片进行重命名 train_resnet.py用于训练resnet网络 model_test.py用于用测试集图片对cnn模型和mobilenet模型进行预测，并观察准确率 design.py用于测试界面 results文件夹有resnet网络训练好的h5文件，以及网络训练过程文档和训练过程准确率变换图像

data_progress.py用于对数据集进行分类 datasort.py用于对数据集图片进行重命名 train_cnn.py用于训练cnn网络 model_test.py用于用测试集图片对cnn模型进行预测，并观察准确率 design.py用于测试界面 results文件夹有cnn网络训练好的h5文件，以及网络训练过程文档和训练过程准确率变换图像

data_progress.py用于对数据集进行分类 datasort.py用于对数据集图片进行重命名 train_mobilenet.py用于训练mobilenet网络 model_test.py用于用测试集图片对cnn模型和mobilenet模型进行预测，并观察准确率 design.py用于测试界面 results文件夹有mobilenet网络训练好的h5文件，以及网络训练过程文档和训练过程准确率变换图像

本书特色： 一.所有公式推导都有详细步骤，并解释每个符号。 二.注释每一行代码。 三. 程序皆为完整程序。本书一共82个代码应用案例，所有的代码都是可以从头到尾运行的完整程序，并附带真实运行结果。 四.一图胜千言。本书一共使用了约500张图片，在本书的创作过程中，大约有200个小时是花在画图以及思考如何画图上。 五.逻辑结构清晰，讲解细致。 本书介绍视频： 免费人工智能慕课平台AI MOOC AI MOOC是我自己创办的一个免费的人工智能慕课平台，网站地址为。以后我会在上面不断更新最新的人工智能课程。我的目标是让所有人都能有机会学习到最前沿最好的人工智能课程。 如果大家觉得我创作的内容不错，可以帮我多多宣传，感谢。 书籍和资料百度云下载地址 链接: 密码:xrt7 免费人工智能技术交流QQ群： 人工智能与深度学习：616043628 本书目录 前言 第1章 深度学习背景介绍  1.1