用到环境 1、pycharm community edition 2022.3.2 2、Python 3.10 整篇内容都已上传至我的csdn资源中，想用的请移步。 流程   多任务级联卷积神经网络(Multi-task Cascaded Convolutional Networks, MTCNN)算法进行人脸检测 普通人脸检测 单人人脸检测 图1 单人人脸检测   分析：可以看出在单人人脸检测时，MTCNN方法很好的画出了人脸 继续阅读

深度学习：基于Keras的Python实践，由电子工业出版社在2018-06-01月出版发行，本书编译以及作者信息为： 魏贞原 著，这是第1次发行， 国际标准书号为：9787121341472，品牌为博文视点, 这本书采用平装开本为16开，纸张采为胶版纸，全书共有244页，字数万8字，值得推荐。此书内容摘要《深度学习：基于Keras的Python实践》本书系统讲解了深度学习的基本知识，以及使用深度学习解决实际问题，详细介绍了如何构建及优化模型，并针对不同的问题给出不同的解决方案，通过不同的例子展 继续阅读

推荐编程书籍：深度学习入门 基于Python的理论与实现，由人民邮电出版社2018-07-01月出版发行，本书编译以及作者信息 为：斋藤康毅 著，陆宇杰 译，此次为第1次发行， 国际标准书号为：9787115485588，品牌为人民邮电出版社, 这本书采用平装开本为大32开，纸张采为胶版纸，全书共有285页字数万字，是本Python 编程相关非常不错的书。此书内容摘要 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 继续阅读

编程书籍推荐：神经网络与深度学习：基于TensorFlow框架和Python技术实现，由电子工业出版社2019-04-01月出版，本书发行作者信息： 包子阳 著此次为第1次发行， 国际标准书号为：9787121362019，品牌为电子工业出版社, 这本书采用平装开本为16开，附件信息：未知，纸张采为胶版纸，全书共有196页字数28万 0000字，值得推荐的Python Book。此书内容摘要Python、TensorFlow、神经网络和深度学习因人工智能的流行而成为当下I 继续阅读

MATLAB 2023版的深度学习工具箱，提供了完整的工具链，使您能够在一个集成的环境中进行深度学习的建模、训练和部署。与Python相比，MATLAB的语法简洁、易于上手，无需繁琐的配置和安装，能够更快地实现深度学习的任务。 MATLAB的深度学习工具箱提供了丰富的函数和算法，涵盖了从数据预处理到模型训练的全过程。可以轻松地导入和处理大规模数据集，利用批量导入和Datastore类函数高效地进行 继续阅读

深度学习使用Python进行卷积神经网络的图像分类教程 好的，这次我将使用python编写如何使用卷积神经网络（CNN）进行图像分类。我希望你事先已经阅读并理解了卷积神经网络（CNN）的基本概念，这里我只讨论步骤，而不讨论卷积神经网络（CNN）中使用的术语... 我们将尝试对汽车和摩托车这两个类别进行分类。我们使用的训练数据数量是470个，用于测试/验证的数 继续阅读

目录 前言总体设计系统整体结构图系统流程图 运行环境1. 硬件环境2. Python 环境 模块实现1. 数据预处理2. 数据加载3. 模型构建4. 模型训练及保存5. 模型加载与调用 系统测试1. 模型准确率2. 分类别准确率 工程源代码下载其它资料下载 前言 本项目基于Faster R-CNN模型，通过RPN网络（Region Proposal Network）获取图片中的候选区域，并利用RestNet50模型提取 继续阅读

分类目录：《深入理解深度学习》总目录 BERT是由堆叠的Transformer Encoder层组成核心网络，辅以词编码和位置编码而成的。BERT的网络形态与GPT非常相似。简化版本的ELMo、GPT和BERT的网络结构如下图所示。图中的“Trm”表示Transformer Block，即基于Transformer的特征提取器。 ELMo使用自左向右编码和自右向左编码的两个LSTM网络，分别以 P ( w i ∣ w 1 , w 继续阅读

如果为了使各层拥有适当的广度，“强制性”地调整激活值的分布会怎样呢？实际上，Batch Normalization 方法就是基于这个想法而产生的 为什么Batch Norm这么惹人注目呢?因为Batch Norm有以下优点： 可以使学习快速进行(可以增大学习率)。不那么依赖初始值(对于初始值不用那么神经质) 。抑制过拟合(降低Dropout等的必要性)。 Batch Norm的思路是调整各层的激活值分布使其拥有适当的广度。为此&#xf 继续阅读

【MATLAB第42期】基于MATLAB的贝叶斯优化决策树分类算法与网格搜索、随机搜索对比，含对机器学习模型的评估度量介绍 网格搜索、随机搜索和贝叶斯优化是寻找机器学习模型参数最佳组合、交叉验证每个参数并确定哪一个参数具有最佳性能的常用方法。 一、 评估指标 1、分类 1.1 准确性 1.2 精度 1.3 召回 1.4 F1值 1.5 F0.5值 1.6 F2值 1.7 计算评估指标的功能 2、回归 2.1 平均绝对误差 2.2 均方误差 2.3 均方根误差 二、 基于F1值执 继续阅读

最近在研究利用深度学习对气象数据进行降尺度的方法，偶然发现这一篇论文及其提及到的规范化降尺度库，便安装以供实验。GitHub - carlos-gg/dl4ds: Deep Learning for empirical DownScaling. Python package with state-of-the-art and novel deep learning algorithms for empirical/statistical downscaling of 继续阅读

大模型深度学习：系统科学的视角 目录 大模型深度学习：系统科学的视角 1，系统科学 2，大模型-深度神经 继续阅读