深度学习中的不确定性量化 此回购包含文献调查和基线的实现，以用于深度学习中的预测不确定性估计。 文献调查 不确定性估算的基本背景 埃夫隆（B. Efron）和蒂布希拉尼（R. Tibshirani）。 “用于标准误差，置信区间和其他统计准确性度量的引导方法。” 统计科学，1986年。 R. Barber，EJ Candes，A。Ramdas和RJ Tibshirani。 “用折刀+进行预测性推论。” arXiv，2019年。 B.埃夫隆。 “ Jackknife-bootstrap之后的标准错误和影响功能。” 皇家统计学会杂志：B系列（方法论），1992年。 J.罗宾斯和A. Van Der Vaart。 “自适应非参数置信集。” 统计年鉴，2006年。 V. Vovk等人，“跨等角预测分布”。 JMLR，2018年。 M. H Quenouille。，“时间序列相关

使用TensorFlow-2.0进行深度学习 使用Tensorflow 2.0从零开始实现自己的深度学习模型 这是由发布的的代码存储库。 它包含从头到尾完成视频课程所需的所有支持项目文件。 关于视频课程 您是否渴望深入研究神经网络的细节，并愿意尝试使用它？ 您是否想学习深度学习技术，以使用最新的Tensorflow 2.0构建项目。 您可以使用Keras，但这是一个高级实现，它本身在后端使用Tensorflow，并且在TensorflowKeras之前，您无法在模型中进行最高级别的更改。 一位优秀的数据科学家必须具备幕后运作方式的技能。 本课程将通过提供Tensorflow 2.0的实践知识，帮助您成为一名优秀的数据科学家。 您将实现真正的深度学习算法，并将在所有实现中使用。 使用实现，您将学习神经网络的核心细节，例如正向传播，即如何初始化权重和反向传播，即如何使用梯度下降算法更新权重，成

图像分类 使用Tensorflow和Keras API开发了深度学习模型，以通过卷积神经网络对动物的图像进行分类。 使用Flask将开发的模型集成到Web应用程序上，并将该Web应用程序部署在Heroku上。

深PGS 深度学习模型，用于预测多基因得分。 伴随我的一篇关于文章。 请查看它，以获取有关该模型及其背后动机的描述。

深度学习模型的描述长度 此存储库包含“深度学习模型的描述长度”中的实验代码： : 对于先前的实验，我们使用Keras。 对于变体实验，我们使用pytorch和库PyVarInf： :

介绍如何创建优化Pytorch/onnx C++部署框架，如果用英伟达的显卡加速（CUDA/TensorRT）模型的推理，如何在产品中应用。在此课程中会定义统一的借口，可以加载各种onnx模型，最主要的是如何在部署的时候避坑。

本文来自360doc，本文主要介绍如何使用KERAS这个现在最新的深度学习框架来构造实用的深度学习模型。深度学习是目前最热门的高级分析技术之一，在很多方面表现出了超越传统机器学习方法的有效性。但是在常用的TensorFlow，CNTK，Theano等计算环境中实现不同的深度学习模型仍然需要耗费很多时间来编写程序。KERAS的出现提供了一个高度抽象的环境来搭建深度学习模型，特别是其简单易用，跟网络结构一一对应的特点使得其迅速在数据科学家这个使用人群中流行起来。KEARS是Google工程师FranoisChollet为主创人员，基于Python开发和维护的一个抽象的神经网络建模环境，提供了一

tensorflow的模型在移动端运行时往往需要进行模型压缩。这主要有于两方面的原因：1.模型过大不易加载和下载，运行时内存占用率太高。2. tensorflow的模型在训练的过程中可能为了训练会添加一些操作和节点，而tensorflow的移动端只专注于推理，这样在运行时就会产生一些内核不存在的错误。所以此时需要通过压缩来减少一些和输入及输出不相关的节点。

公司做图像识别，本人开发的模型标注工具。使用画板进行渲染标注，是学习画板不错的例子，也可以用来对深度学习样本进行标注，具体需求大家根据实际情况可做调整更改。 软件特色（1.0版本）： 1.多分类管理 2.拖放图片自动复制整理并序列命名 3.标注结果自动保存 4.实时预览标注矩阵与核心点等信息（应公司大佬要求，本标注工具核心点并不是重心点，使用的朋友需要根据实际情况修改，代码中已经给了注释） 5.根据图像明暗程度自动标注（稳定性有待考量，尝试后期引入分水岭算法） 6.实时显示鼠标位置与标注坐标位置 7.内置多种位图算法，二值化，灰度，降噪，保留主体等，方便图像处理 8.更多功能自行发现 同事在使用过程中出现了一些大大小小的需求 3.0版本 更新内容如下: 1.可以更改不同类型的标注颜色 2.可以通过按钮导入图片 3.自动更改注册表，解决一些win10无法拖动的问题 4.批量合并分类并重名的导出文件 5.增加子物体标注 6.优化界面布局 7.增加鼠标中键拖动图片 8.支持标注各种尺寸图片

这是我参加百度 “ 人群密度检测 ” 比赛训练的模型，可利用百度Paddle平台导入该模型对图片或视频流信号进行人流密度检测。