深度学习

精彩的深度学习教程、项目和社区的精选列表。

课件：数字图像处理，计算机视觉，人工智能导论，机器学习，深度学习

精选了千余项目，包括机器学习、深度学习、NLP、GNN、推荐系统、生物医药、机器视觉等内容。

Python基于TensorFlow深度学习卷积神经网络自动识别网站验证码设计毕业源码案例设计

深度学习500问，以问答形式对常用的概率知识、线性代数、机器学习、深度学习、计算机视觉等热点问题进行阐述，以帮助自己及有需要的读者。 全书分为18个章节，近30万字。由于水平有限，书中不妥之处恳请广大读者批评指正。 未完待续............ 如有意合作，联系scutjy2015@163.com 版权所有，违权必究 Tan 2018.06

深度学习实战 前面总结了吴恩达的深度学习课程笔记，博主把后续的深度学习课程笔记总结记录到个人博客里面，以供学习和交流使用。今天总结的是深度学习的超参数调试、正则化和梯度检验。 改善神经网络 依次通过数据集、偏差方差、正则化、梯度爆炸和消失来掌握深度学习的基础理论。 数据集 我们需要将数据集分为训练数

摘要：深度学习可以完成需要高度抽象特征的人工智能任务，如语音识别、图像识别和检索、自然语言理解等。深层模型是包含多个隐藏层的人工神经网络，多层非线性结构使其具备强大的特征表达能力和对复杂任务建模能力。训练深层模型是长期以来的难题，近年来以层次化、逐层初始化为代表的一系列方法的提出给训练深层模型带来了

1. 引入 深度学习的工具有很多Tensorflow, Theano, Caffe, Keras, MXNet, Scikit-learn…有用c++写的，有用Python写的，还有Ｒ的，Java的，从哪里入手呢？ 先看看最热门的Tensorflow，它是谷歌研发的人工智能学习系统，主要优点是分布式

Python是一种通用高级编程语言，广泛用于数据科学和深度学习算法。 这个简短的教程介绍了Python及其库，如:Numpy，Scipy，Pandas，Matplotlib; 像Theano，TensorFlow，Keras等框架。 本教程解释了如何应用不同的库和框架来解决复杂的现实世界问题。 面向