出版日期:2013年12月5日Thisbookisanin-depth,systematicandstructuredtechnicalreferenceon3GPP'sLTE-Advanced(Releases10and11),coveringtheory,technologyandimplementation,writtenbyanauthorwhohasbeeninvolvedintheinceptionanddevelopmentofthesetechnologiesforover20years.Thebooknotonlydescribestheoperationofindividualcomponents,butalsoshowshowtheyfitintotheoverallsystemandoperatefromasystemsperspective.Uniquely,thisbookgivesin-depthinformationonupperprotocollayers,implementationanddeploymentissues,andservices,makingitsuitableforengineerswhoareimplementingthetechnologyintofutureproductsandservices.Reflectingtheauthor's25plusyearsofexperienceinsignalprocessingandcommunicationsystemdesign,thisbookisidealforprofessionalengineers,researchers,andgraduatestudentsworkingincellularcommunicationsystems,radioair-interfacetechnologies,cellularcommunicationsprotocols,advancedradioaccesstechnologiesforbeyond4Gsystems,andbroadbandcellularstandards.Features:anend-to-enddescriptionofLTE/LTE-Advancedtechnologiesusingatop-downsystemsapproach,providinganin-depthunderstandingofhowtheoverallsystemworks;detailedalgorithmicdescriptionsoftheindividualcomponents'operationandinter-connection;strongemphasisonimplementationanddeploymentscenarios,makingthisaverypracticalbook;anin-depthcoverageoftheoreticalandpracticalaspectsofLTEReleases10and11;andclearandconcisedescriptionsoftheunderlyingprinciplesandtheoreticalconceptstoprovideabetterunderstandingoftheoperationofthesystem'scomponents.Itcoversallessentialsystemfunctionalities,features,andtheirinter-connectionsbasedonaclearprotocolstructure,includingdetailedsignalflowgraphsandblockdiagrams.Itincludesmethodologiesandresultsrelatedtolink-levelandsystem-levelevaluationsofLTE-Advanced.ItprovidesunderstandingandinsightintotheadvancedunderlyingtechnologiesinLTE-AdvanceduptoandincludingRelease11:multi-antennasignalprocessing,OFDM,carrieraggregation,coordinatedmulti-pointtransmissionandreception,eICIC,multi-radiocoexistence,E-MBMS,positioningmethods,real-timeandnon-real-timewirelessmultimediaapplications.

pytorch中的基础预训练模型和数据集(MNIST,SVHN,CIFAR10,CIFAR100,STL10,AlexNet,VGG16,VGG19,ResNet,Inception,SqueezeNet)

使用tensorflow写的resnet-110训练cifar10数据，以及inceptionv3的一个网络（不带数据集），DenseNet在写（后续更新）

inception_resnet_v2_2016_08_30预训练模型,imagenet

SI_NI_FGSM预训练模型第二部分，包含INCEPTION网络，INCEPTIONV2,V3,V4

这是对应的inception_v3权重文件，大家可以根据需要进行下载！

KeyFeaturesLearnPyTorchforimplementingcutting-edgedeeplearningalgorithms.Trainyourneuralnetworksforhigherspeedandflexibilityandlearnhowtoimplementtheminvariousscenarios;CovervariousadvancedneuralnetworkarchitecturesuchasResNet,Inception,DenseNetandmorewithpracticalexamples;

残缺工程案例：图像描摹---ShowandTell:ANeuralImageCaptionGenerator，基于InceptionV3与LSTM实现图像描摹，运行情景（Tensorflow1.0及以上，Python3.6）

快捷搭建垃圾分类模子：使用inception快捷搭建的图像分类模子，目前反对于1000类识别。
从图像中识别出种别后，再经由textcnn模子对于垃圾种别举行映射，最终输入垃圾的种别。
注：垃圾种别因此上海分类尺度。

SI_NI_FSGM预熬炼模子第一部份，搜罗ADV_INCEPTION,V2,V3,V4

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。