hdf5-1.10.1.tar.gz,hdf5用于深度学习中常见的数据模型的存储。

numpy-1.19.5+vanilla版本.适用于python3.7

博客地址为：https://blog.csdn.net/w5688414/article/details/84593705用keras进行多标签分类的图片数据集，图片取自于NUS-WIDE数据集

BP神经网络JAVA实现源码（含两套训练测试数据）并实现了训练结果的保存以及对保存的训练结果的加载测试使用

传统的基于自然图像块的稀疏表示模型在字典学习的过程中需要求解一个非常高计算复杂度的大规模优化问题以及在稀疏编码和字典学习过程中，每一个图像块都是独立考虑的，忽略了块与块之间的相关性，从而导致了不够精确的系数编码稀疏，基于图像结构组模型可以很好的解决上面两个不足。

mnist_uint8.mat用于MATLAB实现CNN网络的手写识别，可以直接读取

东北大学软件学院软件工程的C++实验报告，包含整个工程，以及两次实验和最后大作业的报告

非常好的神经网络BP代码，希望大家仔细分析Bp代码，掌握基本原理，理清每步代码的含义，只有掌握原理才能灵活运用，在工作科研中发挥价值

Thisbookcoversalgorithmicandhardwareimplementationtechniquestoenableembeddeddeeplearning.Theauthorsdescribesynergeticdesignapproachesontheapplication-,algorithmic-,computerarchitecture-,andcircuit-levelthatwillhelpinachievingthegoalofreducingthecomputationalcostofdeeplearningalgorithms.Theimpactofthesetechniquesisdisplayedinfoursiliconprototypesforembeddeddeeplearning.Givesawideoverviewofaseriesofeffectivesolutionsforenergy-efficientneuralnetworksonbatteryconstrainedwearabledevices;Discussestheoptimizationofneuralnetworksforembeddeddeploymentonalllevelsofthedesignhierarchy–applications,algorithms,hardwarearchitectures,andcircuits–supportedbyrealsiliconprototypes;ElaboratesonhowtodesignefficientConvolutionalNeuralNetworkprocessors,exploitingparallelismanddata-reuse,sparseoperations,andlow-precisioncomputations;Supportstheintroducedtheoryanddesignconceptsbyfourrealsiliconprototypes.Thephysicalrealization’simplementationandachievedperformancesarediscussedelaboratelytoillustratedandhighlighttheintroducedcross-layerdesignconcepts.

example文件，运行wav_file='sp10.wav';%inputaudiofilename语音信号输入