tensorflowpythoncpuwindow自己输入样本训练神经网络，测试，实现猫和狗两类动物的分类！！可用于学习！！样本资源少以及网络简单存在过拟合问题.
2024/6/22 15:23:11
142.71MB
1
Web的动手Python深度学习这是由Packt发布的AnubhavSingh和SayakPaul编写的“的代码库。
集成神经网络架构以使用Flask，Django和TensorFlow构建智能Web应用这本书是关于什么的？有效地使用深度学习技术可以帮助您开发智能Web应用程序。
在本书中，您将介绍用于使用Python在Web开发中实施深度学习的最新工具和技术实践。
从机器学习的基础知识开始，您将专注于DL和神经网络的基础知识，包括常见的变体，例如卷积神经网络（CNN）。
您将学习如何使用不同标准Web技术堆栈的前端将它们集成到网站中。
然后，本书通过为自定义模型创建RESTfulAPI，帮助您获得使用Python库（例如Django和Flask）开发支持深度学习的Web应用程序的实践经验。
稍后，您将探索如何为GoogleCloud和AmazonWebServices（AWS）上基于深度学习的Web部署设置云环境。
本书涵盖了以下令人兴奋的功能：探索深度学习模型并在浏览器中实现使用Django和Flask设计基于Web的智能客户端使用不同的基于Py
集成神经网络架构以使用Flask，Django和TensorFlow构建智能Web应用这本书是关于什么的？有效地使用深度学习技术可以帮助您开发智能Web应用程序。
在本书中，您将介绍用于使用Python在Web开发中实施深度学习的最新工具和技术实践。
从机器学习的基础知识开始，您将专注于DL和神经网络的基础知识，包括常见的变体，例如卷积神经网络（CNN）。
您将学习如何使用不同标准Web技术堆栈的前端将它们集成到网站中。
然后，本书通过为自定义模型创建RESTfulAPI，帮助您获得使用Python库（例如Django和Flask）开发支持深度学习的Web应用程序的实践经验。
稍后，您将探索如何为GoogleCloud和AmazonWebServices（AWS）上基于深度学习的Web部署设置云环境。
本书涵盖了以下令人兴奋的功能：探索深度学习模型并在浏览器中实现使用Django和Flask设计基于Web的智能客户端使用不同的基于Py
2024/6/19 18:14:16
44.25MB
1
先修课程是数学分析或物理类的高等数学。
全书共分6章，内容包括：集合，欧氏空间，Lebesgtle测度，Lebesgue可测函数，Lebesgue积分，测度空间，测度空间上的可测函数和积分，Lp空间，L2空间，卷积与Fourier变换，Hilbert空间理论，Hilbert空间上的有界线性算子，Banach空间，Banach空间上的有界线算子，Banach空间上的连续线性泛函、共轭空间与共轭算子，Banach空间的收敛性与紧致性。
实变函数与泛函分析郭懋正最完整最清晰
全书共分6章，内容包括：集合，欧氏空间，Lebesgtle测度，Lebesgue可测函数，Lebesgue积分，测度空间，测度空间上的可测函数和积分，Lp空间，L2空间，卷积与Fourier变换，Hilbert空间理论，Hilbert空间上的有界线性算子，Banach空间，Banach空间上的有界线算子，Banach空间上的连续线性泛函、共轭空间与共轭算子，Banach空间的收敛性与紧致性。
实变函数与泛函分析郭懋正最完整最清晰
2024/6/18 17:14:55
8.77MB
1
完整的OFDM仿真。
基于matlab平台开发，包含了信道卷积编码，信道交织编码，导频，降PAPR矩阵变化，IFFT，定时同步，频率同步，解交织等等一系列的完整过程。
代码有一定的注释，一般都能看懂。
基于matlab平台开发，包含了信道卷积编码，信道交织编码，导频，降PAPR矩阵变化，IFFT，定时同步，频率同步，解交织等等一系列的完整过程。
代码有一定的注释，一般都能看懂。
48KB
1
CS231卷积神经网络(中文版,带书签),整理知乎:https://zhuanlan.zhihu.com/p/21930884，部分小节自己翻译。
2024/6/12 16:39:21
17.23MB
1
c++实现的lenet-5，开发环境是vs2015，打开工程就可以运行，大家可以下MNIST库试试，也希望跟大家学习交流
2024/5/29 17:09:30
367KB
1
分享课程——深度学习-对抗生成网络实战(GAN)；
对抗生成网络实战系列主要包括三大核心内容：1.经典GAN论文解读；
2.源码复现解读；
3.项目实战应用。
全程实战解读各大经典GAN模型构建与应用方法，通俗讲解论文中核心知识点与整体网络模型架构，从数据预处理与环境配置开始详细解读项目源码及其应用方法。
提供课程所需全部数据，代码，PPT。
第1章对抗生成网络架构原理与实战解析第2章基于CycleGan开源项目实战图像合成第3章stargan论文架构解析第4章stargan项目实战及其源码解读。
。
。
。
。
第9章基础补充-PyTorch卷积模型实例
对抗生成网络实战系列主要包括三大核心内容：1.经典GAN论文解读；
2.源码复现解读；
3.项目实战应用。
全程实战解读各大经典GAN模型构建与应用方法，通俗讲解论文中核心知识点与整体网络模型架构，从数据预处理与环境配置开始详细解读项目源码及其应用方法。
提供课程所需全部数据，代码，PPT。
第1章对抗生成网络架构原理与实战解析第2章基于CycleGan开源项目实战图像合成第3章stargan论文架构解析第4章stargan项目实战及其源码解读。
。
。
。
。
第9章基础补充-PyTorch卷积模型实例
2024/5/23 10:45:56
773B
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB