其中预训练模型包含(注意由于文件巨大被分为了三部分） AlexNet（part1） Darknet_19（part1） Darknet_53 （part1） DenseNet_201（part1） EfficientNet_b0 Inception_ResNet_v2 Inception_v3 LeNet LeNet_Places365 mobileNet_v2 NasNet_large NasNet_mobile ResNet_18 ResNet_50 ResNet_101 shuffleNet VGG_16 VGG_19 Xception 其中：所有模型变量储存在其对应名字的mat文件夹中，加载后模型变量皆为：net，matlab版本越高所支持其中的模型越多，在matlab deep learning toolbox中深度网络编辑器中从工作区导入可以根据自己的需求进一步进行改进。 模型详细内容解释参考：https://blog.csdn.net/m0_47787372/article/details/125774554?spm=1001.2014.3001.5501

该部分预训练模型包含(注意由于文件巨大被分为了三部分） EfficientNet_b0（part2） Inception_ResNet_v2(part2) Inception_v3(part2) LeNet(part2) LeNet_Places365（part2） mobileNet_v2(part2) NasNet_large(part2) NasNet_mobile(part2) ResNet_18(part2) 其中：所有模型变量储存在其对应名字的mat文件夹中，加载后模型变量皆为：net，matlab版本越高所支持其中的模型越多，在matlab deep learning toolbox中深度网络编辑器中从工作区导入可以根据自己的需求进一步进行改进。 模型详细内容解释参考：https://blog.csdn.net/m0_47787372/article/details/125774554?spm=1001.2014.3001.5501

其中预训练模型包含(注意由于文件巨大被分为了三部分） ResNet_50（part3） ResNet_101（part3） shuffleNet（part3） VGG_16（part3） 其中：所有模型变量储存在其对应名字的mat文件夹中，加载后模型变量皆为：net，matlab版本越高所支持其中的模型越多，在matlab deep learning toolbox中深度网络编辑器中从工作区导入可以根据自己的需求进一步进行改进。 模型详细内容解释参考：https://blog.csdn.net/m0_47787372/article/details/125774554?spm=1001.2014.3001.5501

PPT版本的深度学习模型绘制母版

使用Flask和Python在Heroku Server上进行深度学习模型部署 请参阅有关以下内容的教程- 查看正在运行的应用- 贡献者 Soumya Gupta 许可和版权 :copyright:Soumya Gupta，2019。

越来越多的人工智能解决方案将深度学习作为其基本技术，然而构建深度学习模型并不是一件容易的事，为了获得满意的准确性和效率，通常需要数周的时间优化模型。 本下载源码为博客文章 https://blog.csdn.net/shichaog/article/details/125128321 配套资源，从网络结构本身和训练参数两个层级两个方面实例分析优化的过程和手段

AI科技大本营在线公开课《深度学习模型压缩加速与手机移动端部署》 共47页.pptx

详细介绍了目前深度学校模型压缩和加速方面的研究现状，并详细探索了深度压缩及其硬件实现

现在搞AI研究写论文，其中论文里的框架图模型图很是考验你画图的能力，不费一番心思功夫，怎能画出一个入得Reviewer法眼的图，论文也不大好中，很是发愁。好消息来了，elvis介绍了有个ML visual的利器，提供一份103页的PPT模型图素材，你在上面可以直接使用画出你要的机器学习深度学习模型图，再也不用担心画图了！ URL：https://github.com/dair-ai/ml-visuals https://mp.weixin.qq.com/s/QoMY4NLUmdTyLkWx8zD_hA

开篇词掌握深度学习，畅游AI时代 网盘文件永久链接 01从神经元说起：数学篇.mp4 02从神经元说起：结构篇.mp4 03AI术语：让你变得更加专业.mp4 04函数与优化方法：模型的自我学习（上）。mp4 05前馈网络与反向传播：模型的自我学习（下）。mp4 06线性回归模型：在问题中回顾与了解基础概念。mp4 07卷积神经网络：给你的模型一双可以看到世界的眼睛。mp4 08RNN与LSTM模型也可以持续不断地思考。mp4 09自编码器：让模型拥有属于自己的表达和语言。mp4 10生成式对抗网络艺术创造也可以成为深度学习的拿手好戏。mp4 11集成、共享、敏捷lupyter Notebook的使用.mp4 12数据预处理让模型学得更好。mp4 13张量、数据流图与概念初步了解TenorFlow.mp4 14工作机制与流程：通过手写识别深入了解TenorFlow.mp4 15 TenorBoard:实验统计分析助手mp4 16图像分类：技术背景与常用模型解析。mp4 17图像分类：实现你的第一个图像分类实战顶目。mp4 18语义分割：技术背景与算法剖