文件名称：Deep-learning-with-Python:使用Python的深度学习代码和项目
文件大小：25.95MB
文件格式：ZIP
更新时间：2024-05-22 17:26:34
machine-learning computer-vision deep-learning keras cnn
使用Python进行深度学习（） 各种深度学习（DL）代码示例，教程风格的Jupyter笔记本和项目的集合。 相当多的Jupyter笔记本基于构建，并且可能采用Google Colab独有的特殊功能（例如，使用标准Linux命令上传数据或直接从远程存储库中提取数据）。 这是。 由Tirthajyoti Sarkar博士（）撰写和维护。 这是我的 要求 Python 3.6+ NumPy（ pip install numpy ） 熊猫（ pip install pandas ） MatplotLib（ pip install matplotlib ） Tensorflow（ pip install tensorflow或pip install tensorflow-gpu ） 当然，要正确使用本地GPU，您需要做更多的工作来设置正确的GPU驱动程序和CUDA安装。 如果您使
【文件预览】：
Deep-learning-with-Python-master
----.gitignore(1KB)
----images()
--------Transfer_learning.jpeg(42KB)
--------Caltech-101-folder.PNG(34KB)
--------transfer-learning-2-categories.png(293KB)
--------crab-cup-1.JPG(124KB)
--------model-epoch.jpg(51KB)
--------Transfer-learning-DL-1.png(61KB)
--------keract-header.PNG(189KB)
--------african-elephant1.jpg(166KB)
--------keras-imagedatagen-function-1.png(192KB)
--------CIFAR-10-categories.PNG(500KB)
--------tgan-crash.PNG(34KB)
--------grab-data-cnn.png(526KB)
--------crab-1.jpg(101KB)
--------sf-weather.jpg(72KB)
--------keras-imagedatagen.png(112KB)
--------Caltech-101-header.PNG(397KB)
--------data-flower-directory.PNG(93KB)
--------cup-1.jpg(27KB)
----Notebooks()
--------Keras_flow_from_directory.ipynb(2.27MB)
--------Transfer-learning-InceptionV3.ipynb(461KB)
--------Transfer_learning_CIFAR.ipynb(270KB)
--------Custom-real-time-plots-with-callbacks.ipynb(193KB)
--------Horse_or_Human_with_ImageGenerator.ipynb(2.58MB)
--------utils()
--------Readme.md(4KB)
--------GAN_1D.ipynb(237KB)
--------SimpleRNN-time-series.ipynb(1.66MB)
--------Fashion_MNIST_using_CNN.ipynb(83KB)
--------OOP_principle_deep_learning.ipynb(454KB)
--------Weather-RNN.ipynb(703KB)
--------Keras_Scikit_Learn_wrapper.ipynb(279KB)
--------LSTM_text_gen_Dickens.ipynb(75KB)
--------LSTM_bidirectional_IMDB_data.ipynb(18KB)
--------Function approximation by linear model and deep network.ipynb(842KB)
--------ResNet-on-CIFAR10.ipynb(92KB)
--------Demo_general_purpose_regression_module.ipynb(122KB)
--------Keract-activation.ipynb(4.55MB)
--------DL_using_util.ipynb(407KB)
----LICENSE(1KB)
----utils()
--------__init__.py(13B)
--------DL_utils.py(5KB)
--------NN_trainer.py(21KB)
----README.md(10KB)
----Data()
--------historical-hourly-weather-data()
--------pima-indian-diabetes.csv(23KB)
--------Horse or human data()
----docs()
--------index.md(10KB)
--------mkdocs.yml(163B)