win10平台下的cuda8.0、用于NVIDIA的GPU加速，配置加速环境所需的cudnn6.0 -win10 for cuda 8.0。文件太大，请使用baiduyun下载

MNIST 数据集已经是一个被”嚼烂”了的数据集, 很多教程都会对它”下手”, 几乎成为一个 “典范”. 不过有些人可能对它还不是很了解, 下面来介绍一下. MNIST 数据集可在 http://yann.lecun.com/exdb/mnist/ 获取, 它包含了四个部分: Training set images: train-images-idx3-ubyte.gz (9.9 MB, 解压后 47 MB, 包含 60,000 个样本) Training set labels: train-labels-idx1-ubyte.gz (29 KB, 解压后 60 KB, 包含 60,000 个标签) Test set images: t10k-images-idx3-ubyte.gz (1.6 MB, 解压后 7.8 MB, 包含 10,000 个样本) Test set labels: t10k-labels-idx1-ubyte.gz (5KB, 解压后 10 KB, 包含 10,000 个标签) MNIST 数据集来自美国国家标准与技术研究所, National Institute of Standards and Technology (NIST). 训练集 (training set) 由来自 250 个不同人手写的数字构成, 其中 50% 是高中学生, 50% 来自人口普查局 (the Census Bureau) 的工作人员. 测试集(test set) 也是同样比例的手写数字数据.

深度学习框架技术解析及caffe实战总结，自己的一些总结，主要是对Caffe和Tensorflow两个框架做一个对比介绍，并结合自己学习caffe的过程遇到的问题和理解做一个技术总结，很简单，本来是做一次小专题，感觉分享出来比较好。

动手学深度学习课程作业和答案

基于深度学习的文本分类系统（完整代码+数据）bert+rnn textcnn fastcnn bert.rar

个人收集电子书，比较好的caffe入门教材，好资源一起分享学习，如有版权问题，请联系删除！

3.10 丢弃法（Dropout）——从零开始 . 3.12 正向传播和反向传播 3.13 实战 Kaggle 赛：预测房价和 K 折交叉验证 7.12 Ada

YOLOv5 源码无改动可直接用

SVHN数据集 基线类型 深度学习

cnn源码matlab SVHN-deep-cnn-digit-detector 该项目在自然场景中实现了 deep-cnn-detector（和识别器）。 我使用 keras 框架和 opencv 库来构建检测器。 该检测器使用 CNN 分类器为 MSER 算法提出的区域确定数字与否。 先决条件 Python 2.7 keras 1.2.2 opencv 2.4.11 张量流-GPU == 1.0.1 等等。 运行这个项目所需的所有包的列表可以在 . Python环境 我建议您创建和使用独立于您的项目的 anaconda 环境。 您可以按照以下简单步骤为该项目创建 anaconda env。 使用以下命令行创建 anaconda env： $ conda env create -f digit_detector.yml 激活环境$ source activate digit_detector 在这个环境中运行项目 用法 数字检测器的构建过程如下： 0. 下载数据集 下载 train.tar.gz 并解压文件。 1.加载训练样本（1_sample_loader.py） Svhn 以 m