Dr. Adrian Rosebrock Deep Learning for Computer Vision with Python

通过深度学习在光谱学中检索气体浓度 田林波，孙佳晨，张军，夏金宝，张志峰，Alexandre A. Kolomenskii，汉斯·舒斯勒，张ler 该存储库提供补充材料，包括： 代码 load data.py-将数据从xlxs文件加载到pkl。 I / O例程 模型Implementation.py-在Keras中实现的深度神经网络（1D-CNN＆DMLP）。 Pre-training.py-预训练模型的说明 transfer-learning.py-为预训练的模型实施转移学习的说明。 数据集 目前，我们尚未决定如何提升大容量数据集的水平。与编辑协商后将确认。

Preface Deep learning is a fascinating field. Artificial neural networks have been around for a long time, but something special has happened in recent years. The mixture of new faster hardware, new techniques and highly optimized open source libraries allow very large networks to be created with frightening ease. This new wave of much larger and much deeper neural networks are also impressively skillful on a range of problems. I have watched over recent years as they tackle and handily become state-of-the-art across a range of difficult problem domains. Not least object recognition, speech recognition, sentiment classification, translation and more. When a technique comes a long that does so well on such a broad set of problems, you have to pay attention. The problem is where do you start with deep learning? I created this book because I thought that there was no gentle way for Python machine learning practitioners to quickly get started developing deep learning models. In developing the lessons in this book, I chose the best of breed Python deep learning library called Keras that abstracted away all of the complexity, ruthlessly leaving you an API containing only what you need to know to efficiently develop and evaluate neural network models. This is the guide that I wish I had when I started apply deep learning to machine learning problems. I hope that you find it useful on your own projects and have as much fun applying deep learning as I did in creating this book for you.

Deep_Learning_for_Computer_Vision_with_Python，作者Adrian Rosebrock, 资料包含Starter, Practitioner, ImageNet Bundle三本书。

TensorFlow中的深度学习模型 该存储库包含使用实现几种深度学习模型的jupyter笔记本。 每个笔记本均包含有关每种型号的详细说明，希望可以简化所有步骤。 笔记本在Python 3.6，Tensorflow 1.8中运行 楷模：

An_Introduction_to_Deep_Learning_for_the_Physical_Layer 翻译

matlab指纹图像分割代码很棒的深度学习 目录 免费在线书籍 通过Yoshua Bengio，Ian Goodfellow和Aaron Courville（05/07/2015） 由Michael Nielsen（2014年12月） 由Microsoft Research（2013） 蒙特利尔大学LISA实验室（2015年1月6日） 由Andrej Karpathy撰写：基于numpy的RNN / LSTM实现 课程 吴安德（Andrew Ng）在Coursera（2010-2014） 由Yaser Abu-Mostafa（2012-2014） 作者：汤姆·米切尔（Tom Mitchell）（2011年Spring） 由杰弗里·欣顿（Geoffrey Hinton）在Coursera（2012）中 舍布鲁克大学（Universitéde Sherbrooke）的雨果·拉罗谢尔（Hugo Larochelle）（2013） 通过CILVR实验室@纽约大学（2014） 丹·克莱恩（Dan Klein）和彼得阿比尔（Pieter Abbeel）（2013） 帕特里克·亨利·温斯顿（Patr

深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。

农业深度学习 前处理 比赛项目 竞赛 笔记本 准确性 模型 97％ 参考 1-fvfdf

脑计算机接口的深度学习模型 该存储库包含可用于解码脑计算机接口（BCI）的EEG和EEG信号的深度学习模型。 一些模型依赖于gumpy提供的功能， gumpy是一个python工具箱，其中包含多个gumpy常用的信号和特征处理例程。 外部链接 gumpy ： github上的gumpy： 不良学习的核心开发人员和贡献者 齐德·塔耶布（Zied Tayeb） Nicolai Waniek， 内拉·加布西（Nejla Ghaboosi） 尤里·费杰耶夫（Juri Fedjaev） 伦纳德·莱奇利（Leonard Rychly） 执照 该存储库中的所有代码均根据MIT许可证发布。 有关更多详细信息，请参见LICENSE文件。