深度学习入门：基于Python的理论与实现

【深度学习入门】Paddle实现手写数字识别(基于DenseNet)0. 闲言碎语:1. MNIST 数据集:2. DenseNet 详解:2.1 ResNet(颠覆性的残差结构):2.2 Dense

设计了一种基于深度迁移学习模型,对多种常见的可回收垃圾图像进行识别分类的垃圾图像分类系统.对比了VGG16、InceptionV3、InceptionResnetV2预训练模型的性能,最优识别正确率达

现场可编程门阵列FPGA作为常用的加速手段之一，具有高性能、低功耗、 可编程等特点。本文采用FPGA设计针对深度学习通用计算部分的加速器，主要工作有： 1)、分析深度神经网络、卷积神经网络的预测过程和

采用yolov5算法训练以达到高准确率的摔倒行为检测，该模型已在runs/train目录下训练完成并可直接使用，训练参数和检测效果分别放置于相应目录下。摔倒检测可广泛应用于异常行为监测和智能守护等领域

基于Pytorch深度学习的食物检测与推荐(营养跟踪)

卷积神经网络非常容易出现过拟合的问题，而数据增强的方法是对抗过拟合问题的一个重要方法。2012 年 AlexNet 在 ImageNet 上大获全胜，图片增强方法功不可没，因为有了图片增强，使得训练的

深度学习框架pytorch入门与实践，中文书籍，mobi格式，欢迎下载。

分享一套视频教程,名字叫——Keras深度学习入门与实战视频教程,课程很不错,完整版,附源码和课件,有需要的同学可以下载看看

深度学习框架PyTorch：入门与实践

深度学习入门ppt与代码示例,用于配合自己的深度学习入门与实践系列的分享,其中为第一期,有兴趣的可以下载下来学习下。我平时看csdn比较少,所以回复就比较少了