这本书是由学界领军人物 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 合力打造

资源中包含三个PDF，分别是大牛整理的吴恩达机器学习视频课笔记完整版、深度学习笔记最新版以及吴恩达新书（Machine Learning Yearning）。三本书理论与实践结合，学习了机器学习算法后，Machine Learning Yearning将展示如何构建机器学习项目，使机器学习算法发挥作用。配合网易云吴恩达老师的视频一起食用效果更佳呦！

Deeplearning.AI_Tensorflow_Developer__Professional_Certificate 该存储库包含来自Coursera的Deeplearning.AI Tensorflow开发人员专业证书课程的完整作业和测验

tensorflow-internals：这是有关TensorFlow内核和实现机制的开源电子书

V1.1.1 是一款实用的翻译插件工具。DeepL翻译插件官方版可以轻松地翻译在Chrome浏览器内阅读或输入的任何内容。阅读时，只需选择并右键点

深度学习书籍，包含数学基础内容。简单不易懂。。。。。。

使用Darknet作图像语义分割时提供参考。找了好几个资源都没有合适的，提供给同样需要的人.

深度学习 Scala的深度学习（dl4j的scala包装器）

DeepLabv3+水稻稻穗语义分割模型在Pytorch当中的实现 ### 目录 1. [性能情况 Performance](#性能情况) 2. [所需环境 Environment](#所需环境) 3. [注意事项 Attention](#注意事项) 4. [文件下载 Download](#文件下载) 5. [训练步骤 How2train](#训练步骤) 6. [预测步骤 How2predict](#预测步骤) 7. [评估步骤 miou](#评估步骤) 8. [参考资料 Reference](#Reference) ### 所需环境 torch==1.2.0 ### 注意事项 代码中的deeplab_mobilenetv2.pth和deeplab_xception.pth是基于VOC拓展数据集训练的。训练和预测时注意修改backbone。 ### 训练步骤 #### a、训练voc数据集 1、将我提供的voc数据集放入VOCdevkit中（无需运行voc_annotation.py）。 有问题请关注私聊，包此代码的答疑服务，基本秒回，不满意加球球包退款，可接受定制服务

深层OF 用于使用从自由移动的动物的视频中提取的时间序列进行后处理的套件 您可以使用此包从时间序列中提取预定义的主题（例如时区，攀岩，基本的社交互动），也可以将数据嵌入到序列感知的潜在空间中，以在无人监督的情况下提取有意义的主题方法！ 两者都可以在包内使用，例如，以自动比较用户定义的实验组。 我该如何开始？ 安装： 打开一个终端（安装了python> 3.6）并输入： pip install deepof 在我们深入研究之前： 首先，为您的项目创建一个文件夹，其中至少包含两个子目录，分别称为“视频”和“表”。 前者应包含您正在使用的视频（原始数据或从DLC获得的带有标签的视频）； 后者应该具有您从DeepLabCut获得的所有跟踪表，格式为.h5或.csv。 如果您不想自己使用DLC，请不要担心：一个兼容的小鼠预训练模型将很快发布！ my_project -- Videos ->