说明：神经网络原理深入浅出，只需要高中的数学基础和python基础，就可以实现简单的神经网络并训练网络。

说明：CSharp中的深度学习。

说明：Dolphin Trainer是深度学习模型训练器，用于分类、分割、对象检测任务

说明：mlnet深度学习、ML.NET研究和深度学习原型项目。

说明：深度学习入门书籍，深度学习花书中文版本。

说明：在深度学习包下可以对日常生活目标进行分类识别并进行六自由度的抓取姿态预测

说明：在深度学习包tensorflow下可以对日常生活目标进行多分类识别抓取

说明：在深度学习包tensorflow下可以对日常生活目标的分类识别抓取

说明：在深度学习包tensorflow下可以对日常生活目标的分类识别

说明：在深度学习框架下可以对日常生活目标的分类识别

说明：深度学习资料，较少一部分，采用Python,用丘比特笔记本打卡

说明：cudart，深度学习环境搭建必备，GPU模型训练必备，搭配CUDA11_1，安装pytorch或tensorflow之后可跑模型。

说明：pytorch深度学习实践，深度学习实践入门，内附pdf，代码。

说明：手写数字识别 jetson专用 附有多种应用 双目测距 目标检测

说明：可用于深度学习图像标注的工具，简洁易使用

说明：时间序列的差分移动自回归模型，卷积神经网络，深度学习模型

说明：深度学习神经网络必备知识硬核专业理门槛高数学知识要求较扎实

说明：目标检测是计算机视觉领域中的研究热点. 近年来, 目标检测的深度学习算法有突飞猛进的发展. 基于深度 学习的目标检测算法大致可分为基于候选区域和基于回归两大类. 基于候选区域的目标检测算法精度高, 但是结构 复杂, 检测速度较慢. 而基于回归的目标检测算法结构简单、检测速度快, 在实时目标检测领域有较高的应用价值, 然而检测精度相对略低. 本文总结了基于深度学习的目标检测主流算法, 并分析了相关算法的优缺点和应用场景.

说明：深度学习与交通大数据实战 By 张金雷 北京交通大学博士研究生,丰富的交通大数据方面的文章可供参考。

说明：完整的数据挖掘常用算法的代码实现，各种技巧和示例，值得学习

说明：tensorflow深度学习工具书，可供学习建模、数据采集以及转换等实际操作，帮助新手获得快速入门的经验

说明：Tensorflow相关书籍，介绍了Tensorflow的用法以及原理，是本不错的入门书籍

说明：理解PLA算法和POCKET算法的原理及区别，在数据线性可分和数据线性不可分的情况下实习两算法，体会两算法在这两个数据集上的区别。

说明：神经网络与深度学习实战源码，部分是ipynb文件

说明：对于神经网络的初步学习，利于深入学习爱好者快速入门。

说明：本书是深度学习真正意义上的入门书，深入浅出地剖析了深度学习的原理和相关技术。书中使用Python3，尽量不依赖外部库或工具，从基本的数学知识出发，带领读者从零创建一个经典的深度学习网络，使读者在此过程中逐步理解深度学习。书中不仅介绍了深度学习和神经网络的概念、特征等基础知识，对误差反向传播法、卷积神经网络等也有深入讲解，此外还介绍了深度学习相关的实用技巧，自动驾驶、图像生成、强化学习等方面的应用，以及为什么加深层可以提高识别精度等“为什么”的问题。