说明：深度学习模型压缩。这是一篇论文主要是对深度学习模型的各种压缩算法进行总结。

说明：深度学习书内部代码，包括解释以及对书中原理代码实现

说明：吴恩达深度学习课程，第一课第二周，包含logistic的代码

说明：深度学习算法用于边缘检测，效果很好，可以测试

说明：这是一本面向人工智能，特别是深度学习初学者的书，本书旨在帮助更多的读者朋友了 解、喜欢并进入到人工智能行业中来，因此作者试图从分析人工智能中的简单问题入手，一 步步地提出设想、分析方案以及实现方案，重温当年科研工作者的发现之路，让读者身临其 境式的感受算法设计思想，从而掌握分析问题、解决问题的能力。这种方式也是对读者的基 础要求较少的，读者在学习本书的过程中会自然而然地了解算法的相关背景知识，体会到知 识是为了解决问题而生的，避免出现为了学习而学习的窘境。 尽管作者试图将读者的基础要求降到最低，但是人工智能不可避免地需要使用正式化的 数学符号推导，其中涉及到少量的概率与统计、线性代数、微积分等数学知识，一般要求读 者对这些数学知识有初步印象或了解即可。比起理论基础，读者需要有少量的编程经验，特 别是Python 语言编程经验，显得更加重要，因为本书更侧重于实用性，而不是堆砌公式。 总的来说，本书适合于大学三年级左右的理工科本科生和研究生，以及其它对人工智能算法 感兴趣的朋友。

说明：python 深度学习，利用tensorflow进行深度学习，搭建神经网络。教你如何使用tensorflow，有实战练习；

说明：深度学习作为机器学习算法研究中的一个新的技术,其动机在于建立、模拟人脑进行分析学习的神经网络

说明：基于神经网络的手写数字识别 本次课程设计使用的模型是class定义的MnistModel模型 对比adam和SGD优化器并改变学习率查看acc和loss曲线的不同结果

说明：基于深度学习的，信道估计，mimo，能运行

说明：深度学习C++ Deep learning C++ examples

说明：基于神经网络的图片识别，包括模型训练和测试的代码，同时包含训练数据，测试数据

说明：《神经网络与深度学习》中文版及代码(Python 2.X与Python3.X)

说明：关于Python语言的深度神经网络的学习，CNN

说明：一个基于DPN深度学习神经网络的例子。利用RBM机监督完善参数。

说明：使用深度学习方法对RBP结合蛋白识别，使用Python

说明：Tensorflow深度学习书籍所有案例代码实现的源码，服从开源协议

说明：深度学习框架PyTorch：入门与实践_陈云(著)

说明：可用来学习深度学习，对深度学习初学者学习有很大的用处，建议使用这本书

说明：MNIST (Mixed National Institute of Standards and Technology database ) 手写体数字识别是一个经典入门案例，堪称深度学习界的“HelloWord 任 务” 。 在前两章，我们解析了深层神经网络的结构以及优化网络的 一些方 法，这些都是理论性的，本幸会通过完成这个简单的任务来全面贯通之前 所学过的深层全连神经网络的相关知识

说明：在许多情况下，利用深度学习算法搭建的神经网络模型都需妥进行某 种形式的优化。 这非常重要，只有经过优化的网络，才能在训练之后达到 不错的解决问题的效果。 优化的最直接目的就是使参数更加准确地更新。 一般神经网络的训练过程大致可以分为两个阶段：第一个阶段先通过 前向传播算法计算得到预测值，并将预测值和真实值做对比，得出两者之 间的差距；在第二个阶段，通过反向传播算法计算损失函数对每一个参数 的梯度，再根据梯度和学习率使用梯度下降算法更新每一个参数。

说明：深度前馈神经网络（ Deep Feedforward Nemul Network ），可简称为前 馈神经网络（ Feedforward Nemul Network ），指的是具有前馈特征的一类 神经网络模型 。 前馈神经网络中最具代表性的一个样例是多层感知机 (Multilayer Perceptron, MLP ）模型（第 1 章中介绍人工神经网络的时候 就做了 一些关于 MLP 的介绍） 。 习惯上，我们会将 MLP 称为深度神经网 络（ Deep Neural Networks, DNN ），但是这非常狭义，实际上深度神经网 络应该泛指更多的使用了深度学习技术的深度神经网络模型。

说明：python使用教程关于张量相加的运算，计算图的使用和案例编程

说明：深度强化学习一个简单的事例，用于深度强化学习而用

说明：可以实现细粒度图像分类，可以采用在三个公共数据集上实现87.8%，92.8，93.0

说明：工业缺陷检测,焊缝实现缺陷监测,很好的论文很好用有参考价值

说明：sklearn中文文档说明教程入门pdf电子档

说明：使用卷积神经网络,用于识别汉字分类,可以直接修改图片路径,进行训练

说明：包含python深度学习电子书一本，还有对应的程序

说明：图像融合+深度学习，里面的网络结构可以根据自己的设计进行优化，总体来说还是非常不错的。