说明：吴恩达深度学习第二课第一周课后作业数据集和实现代码

说明：深度学习入门介绍,适合于刚入门的朋友对深度学习有一个全面的了解

说明：关于深度学习神经网络交通预测的python交通数据集PEMS08

说明：经典的深度学习教程，由浅入深，循序渐进，值得一看。

说明：Python学习，深度学习，外国书籍，蟒蛇

说明：第 1 章是绪论， 介绍人工智能、 机器学习、 深度学习的概要， 使读者全面了解相关知识 . 第 2 、 3 章介绍机器学习的基础知识 . 第 4 ～ 6 章分别讲述三种主要的神经网络模型： 前馈神经网络、 卷积神经网络和循环 神经网络 . 第 7 章介绍神经网络的优化与正则化方法 . 第 8 章介绍神经网络中的注 意力机制和外部记忆 . 第 9 章简要介绍一些无监督学习方法 . 第 10 章介绍一些模 型独立的机器学习方法： 集成学习、 自训练、 协同训练多任务学习、 迁移学习、 终 身学习、 元学习等， 这些都是目前深度学习的难点和热点问题 . 第 11 章介绍概率 图模型的基本概念， 为后面的章节进行铺垫 . 第 12 章介绍两种早期的深度学习模 型： 玻尔兹曼机和深度信念网络 . 第 13 章介绍最近两年发展十分迅速的深度生成 模型： 变分自编码器和生成对抗网络 . 第 14 章介绍深

说明：基于深度学习的超分辨率重建，实现了SRCNN模型，并且其中有多个改进的模型，供大家参考，本代码是基于Keras实现的。

说明：PYthong深度学习教材的第4章课后习题源代码，帮助大家学习

说明：python语言基于paddlepaddle深度学习框架入门深度学习 第5章：推荐系统实现

说明：python语言基于paddlepaddle深度学习框架入门深度学习 第四章：深度学习实践应用：自然语言处理

说明：python语言基于paddlepaddle深度学习框架入门深度学习 第二章：深度学习实践应用：计算机视觉

说明：python语言基于paddlepaddle深度学习框架入门深度学习 第二章：分析深度学习中模型框架结构以及每个部分的性质

说明：python语言基于paddlepaddle深度学习框架入门深度学习 第一章：以一个案例上手深度学习

说明：在2015—2016年， 数万名新人进入了深度学习领域，其中很多人都选择了 Keras，因为它是最容易上手的框架（现 在仍然是）。看到大量新人以意想不到的强大方式使用Keras，我开始密切关注人工智能的可达 性和大众化。我意识到，这些技术传播得越广，就会变得越有用、越有价值。可达性很快成为 Keras 开发过程中的一个明确目标，在短短几年内，Keras 开发者社区已经在这方面取得了了不 起的成就

说明：在有关算法的书中，有一些叙述非常严谨，但不够全面；另一些涉及了大量的题材，但又缺乏严谨性。本书将严谨性和全面性融为一体，深入讨论各类算法，并着力使这些算法的设计和分析能为各个层次的读者接受。全书各章自成体系，可以作为独立的学习单元；算法以英语和伪代码的形式描述，具备初步程序设计经验的人就能看懂；说明和解释力求浅显易懂，不失深度和数学严谨性。 全书选材经典、内容丰富、结构合理、逻辑清晰，对本科生的数据结构课程和研究生的算法课程都是非常实用的教材，在IT专业人员的职业生涯中，本书也是一本案头必备的参考书或工程实践手册。

说明：使用python实现基于LeNet模型对mnist手写数字识别的训练

说明：PAC学习框架 支持向量机 bosting 内核方法 分类器

说明：关于深度学习的中文书籍，编程语言为python，值得推荐下载

说明：此文章讲解深度学习的理论，方法，只用于学习交流，天天爱学习，天天翻工资。

说明：使用trainId图片评估cityscapes数据集IoU，可以实现利用符合trainId的图像评估神经网络的IoU；另外可以评估更改了分辨率的预测图像。

说明：Tensorflow框架的深度学习资料

说明：David Foster编写的生成式深度学习书和代码，功能超级强大。

说明：python深度学习，书籍的源码，简单神经网络。

说明：四类该故障数据，可以进行大数据分类测试，深度学习，机器学习等

说明：神经网络与深度学习 免费电子书 ,全高清,免费下载

说明：深度学习DPN网络，用于深度学习学习者或者爱好者学习，探索

说明：有关深度学习的Bp神经网络，matlab仿真结果

说明：图像压缩算法，实现论文： Full Resolution Image Compression with Recurrent Neural Networks

说明：中文版，详尽介绍了用Python 和 Keras 进行深度学习的探索实践，涉及计算机视觉、自然语言处理、生成式模型等应用