阿里强化学习.pdf

计算机视觉 模型、学习和推理.pdf

实现了增删改查等基本操作 运行环境：python 2.7  django==1.8  mysql 5.7.26 开发环境：Pycharm 【调试说明】 1. 修改 settings.py 中的数据库信息 为你本机数据库信息，同时要在mysql中创建上数据库 student_crud 2. 运行命令 初始化数据库相关表（或者直接使用附件中的sql脚本创建）  D:idePython27Scripts>python D:StudyProjectsPythonProjectDjango_CRUD_Student-mastermanage.py migrate 3. 运行命令 打开网址 D:idePython27Scripts>python D:StudyProjectsPythonProjectDjango_CRUD_Student-mastermanage.py runserver

LSTM入门学习，正弦波序列预测         for i, input_t in enumerate(input.chunk(input.size(1), dim=1)):             h_t, c_t = self.lstm1(input_t, (h_t, c_t))             h_t2, c_t2 = self.lstm2(h_t, (h_t2, c_t2))             output = self.linear(h_t2)  # output.shape:[batch,1]             outputs = [output]  # outputs.shape:[[batch,1],...[batch,1]], list composed of n [batch,1],         for i in range(future):  # if we should predict the future             h_t, c_t = self.lstm1(output, (h_t, c_t))             h_t2, c_t2 = self.lstm2(h_t, (h_t2, c_t2))             output = self.linear(h_t2)  # output.shape:[batch,1]             outputs = [output]  # outputs.shape:[[batch,1],...[batch,1]], list composed of n [batch,1],         outputs = torch.stack(outputs, 1).squeeze(2)  # shape after stack:[batch, n, 1], shape after squeeze: [batch,n]         return outputs

【实例简介】python mysql数据池连接

《TensorFlow实战(黄文坚)》目录： 1 TensorFlow基础 11.1 TensorFlow概要 11.2 TensorFlow编程模型简介 42 TensorFlow和其他深度学习框架的对比 182.1 主流深度学习框架对比 182.2 各深度学习框架简介 203 TensorFlow第一步 393.1 TensorFlow的编译及安装 393.2 TensorFlow实现SoftmaxRegression识别手写数字 464 TensorFlow实现自编码器及多层感知机 554.1 自编码器简介 554.2 TensorFlow实现自编码器 594.3 多层感知机简介 664.4 TensorFlow实现多层感知机 705 TensorFlow实现卷积神经网络 745.1 卷积神经网络简介 745.2 TensorFlow实现简单的卷积网络 805.3 TensorFlow实现进阶的卷积网络 836 TensorFlow实现经典卷积神经网络 956.1 TensorFlow实现AlexNet 976.2 TensorFlow实现VGGNet 1086.3 TensorFlow实现GoogleInceptionNet 1196.4 TensorFlow实现ResNet 1436.5 卷积神经网络发展趋势 1567 TensorFlow实现循环神经网络及Word2Vec 1597.1 TensorFlow实现Word2Vec 1597.2 TensorFlow实现基于LSTM的语言模型 1737.3 TensorFlow实现BidirectionalLSTMClassifier 1888 TensorFlow实现深度强化学习 1958.1 深度强化学习简介 1958.2 TensorFlow实现策略网络 2018.3 TensorFlow实现估值网络 2139 TensorBoard、多GPU并行及分布式并行 2339.1 TensorBoard 2339.2 多GPU并行 2439.3 分布式并行 24910 TF.Learn从入门到精通 25910.1 分布式Estimator 25910.2 深度学习Estimator 26710.3 机器学习Estimator 27210.4 DataFrame 27810.5 监督器Monitors 27911 TF.Contrib的其他组件 28311.1 统计分布 28311.2 Layer模块 28511.3 性能分析器tfprof 293参考文献 297

python机器学习中文情感分析代码（语料库 特征库 停用词 源码），基于酒店评论语料库机器学习

【实例简介】使用python调用opencv打开本地摄像头

卷积神经网络python实现。 卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积或相关计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一 [1-2] 。由于卷积神经网络能够进行平移不变分类（shift-invariant classification），因此也被称为“平移不变人工神经网络

学MaixPy之机器视觉，在MaixPy IDE开发环境，用Maix Dock K210开发板，实现动态识别色块，包括红、蓝、绿、黄四个色。

【实例简介】 1.给定一对图像，利用提取好的SIFT特征文件，根据距离阈值准则（跨图像的局部SIFT特征距离小于0.4），得到图像间的初始局部特征匹配关系 2.基于上述初步匹配结果，实现spatial coding方法，进行匹配校验，确定几何不一致的匹配 3.将几何一致的匹配和不一致的匹配在图像上画出来，分别用蓝色和红色进行区分