awesome deeplearning resources下載 - awesome deeplearning resources源代碼下載

awesome deeplearning resources

其他源碼

1.0.0

下載

很棒的深度學習論文和其他資源

有關深度學習和深入增強學習的最新論文清單。他們是按時間排序的，首先查看最近的論文。我將續簽最近的論文，並在這些論文中添加註釋。

您應該發現帶有星空標誌的論文和軟件更重要或受歡迎。

文件

2021年
- 計算機視覺
- 自然語言過程
- 多模型
2020年
- 深度學習
- 深厚的增強學習
- 自然語言過程
- 計算機視覺
2019年
- 深度學習
- 深厚的增強學習
- 自然語言過程
- 計算機視覺
2018年
- 深度學習
- 深厚的增強學習
- 自然語言過程
- 計算機視覺
2017年
- 深度學習
- 深厚的增強學習
- 自然語言過程
- 計算機視覺
2016年
- 深度學習
- 深厚的增強學習
- 自然語言過程
- 計算機視覺
2015年
2014年
2013年
2012年
2011年
2010年
2010年之前

模型動物園

2012 | Alexnet：具有深卷積神經網絡的Imagenet分類。 pdf code
2013 | RCNN：具有精確對象檢測和語義分割的豐富特徵層次結構。 arxiv code
2014 | CGNA：有條件的生成對抗網。 arxiv code
2014 | DeepFaceVariant：從預測10,000堂課的深度學習表現。 pdf code
2014 | GAN：生成對抗網絡。 arxiv code
2014 | Googlenet：卷積更深入。 pdf code

模型動物園中的更多詳細信息

訓練有素的模型

對齊78種語言的fastText載體
可用的單詞嵌入
ImakeNet的Inception-V3
CAFFE2模型存儲庫

據預定模型中的更多細節

課程

[Berkeley] CS294：深入加固學習
[伯克利] Stat212b：深度學習的主題課程
[CUHK] Eleg5040：信號處理的高級主題（深度學習簡介）
[CMU]深度強化學習和控制
[CMU] NLP的神經網絡）

課程中的更多詳細信息

圖書

Ian Goodfellow，Yoshua中文版本和Aaron Courville的深度學習。
蒙特利爾大學麗莎實驗室的深度學習教程
深度學習速成課程
關於我在人工智能和機器學習方面學習的所有主題的文檔。
可解釋的機器學習
深度學習和GO的遊戲
搜索深度學習
與Pytorch深入學習
深入的強化學習行動
Grokking深入加固
Grokking對計算機視覺的深度學習
python的概率深度學習
數學和深度學習的體系結構
內部深度學習
工程深度學習平台
用R，第二版深度學習
深度學習
JAX在行動中
與Pytorch深入學習，第二版

書中的更多細節

教程

UFLDL教程1
UFLDL教程2
NLP的深度學習（沒有魔術）
深度學習教程：從感知到深網
深入學習自下而上
Theano教程
TensorFlow教程
r運動深入學習
運動中的深度學習
python的機器學習，數據科學和深度學習

教程中的更多詳細信息

軟體

theano和Tensorflow的Keras深學習庫。
Kur描述性深度學習。
BVLC的Caffe深度學習框架
CNTK Microsoft認知工具包。
Dlib現代的C ++工具包包含機器學習算法和用於在C ++中創建複雜軟件的工具。
PyTorch Tensors和Python中具有強GPU加速度的動態神經網絡。
Python中的Scikit-Learn機器學習。
- python的Semisup-Learn半監督學習框架
Tensorflow使用Google使用數據流圖的開源軟件庫，用於數值計算

軟件中的更多詳細信息

申請

Pytorch
- 使用Pytorch的2D和3D臉對齊庫構建
- 對抗性自動編碼器
- WAVENET的實施，快速生成
- Pytorch的快速且可區分的QP求解器。
- 一種在多個演講者中發表語音的方法
- 特定於風格音樂的模型
- 使用最先進的深度學習模型的自然語言處理工具包。
- 使用pytorch實現char rnn生成古詩和周杰倫的歌詞
Theano
- CNN-YELP-CHALLENGE-2016-sentiment-classification
- Pydata的深度學習教程
- 在Twitter上進行情感分析的深度神經網絡
- Theano+Lasagne的許多流行深度學習模型的實現
張量
- 使用Tensorflow和預訓練的成立的通用圖像檢測程序。
- 各種文本分類模型以及深度學習的更多
- 通過重新培訓的最後一層將轉移學習應用於自定義數據集
- 通過TensorFlow對VGG19的簡單實現，該實現具有詳細的解釋。
- 使用OpenAI健身房，Tensorflow和Keras進行加固學習的實驗系統。
- TensorFlow中Pix2Pix的實現，可與電影框架一起使用
凱拉斯
- 使用自定義挖掘數據集生成動漫面孔的DCGAN
- 面部表達分類系統，可以認識到6種基本情緒：快樂，悲傷，驚喜，恐懼，憤怒和中立。
- 經過培訓的神經網絡，可幫助使用自動完成編寫神經網絡代碼
- 注意機制的KERAS。
- 具有基因編程的自動深度神經網絡設計
- 基於注意的Keras的神經機器翻譯
- 針對半監督學習的梯子網絡的KERAS實施
mxnet
- 使用mxnet的動態圖接口gluon實現char rnn生成古詩和周杰倫的歌詞