中文名: 3D游戏:卷1.实时渲染与软件技术 原名: 3D Games Real-Time Rendering and Software Technology, Volume 1 作者: (英)Alan Watt Fabio Policarpo 译者: 沈一帆 陈文斌 朱怡波 图书分类: 软件 资源格式: PDF 版本: 扫描版 出版社: China Machine Press 书号: 7111156528 发行时间: 2005年2月 地区: 大陆 语言: 简体中文

cnn卷积神经网络

使用TensorFlow实现卷积神经网络的手写字符识别，可重新训练网络

信号与线性系统分析实验- 信号卷积实验实验报告 - 实验内容与matlab仿真

来自于excelhome论坛，整合了excelvba编程

一共４卷，我花了１６分一个一个下载，然后打包在一起了。

SpConv：PyTorch空间稀疏卷积库 这是一个空间稀疏的卷积库，例如但速度更快且易于阅读。 该库提供稀疏卷积/转置，子流形卷积，逆卷积和稀疏maxpool。 2020-5-2，我们在此版本的spconv中添加了ConcatTable，JoinTable，AddTable和Identity函数，以构建ResNet和Unet。 码头工人： docker pull scrin/dev-spconv ，包含python 3.8，cuda 10.1，鱼壳，最新的pytorch和tensorflow。 在Ubuntu 16.04 / 18.04上安装 如果您使用的是pytorch 1.4+，并且遇到“ nvcc致命：未知-Wall”，则需要转到割炬软件包目录并在Caffe2Targets.cmake的INTERFACE_COMPILE_OPTIONS中删除包含“ -Wall”的标志。 此项

用于训练Submanifold稀疏卷积网络的Torch/PyTorch库

资源包含文件：设计报告word+源码+演示PPT 对卷积神经网络的研究始于二十世纪80至90年代，时间延迟网络和LeNet-5是最早出现的卷积神经网络；在二十一世纪后，随着深度学习理论的提出和数值计算设备的改进，卷积神经网络得到了快速发展，并被应用于计算机视觉、自然语言处理等领域。 详细介绍参考：https://blog.csdn.net/newlw/article/details/125167714

卷积空间传播网络 程新京，王鹏，关晨烨，杨瑞刚 内容 介绍 此回购协议包含针对深度完成和立体深度估计而训练的CSPN模型，如“ ”和“”中所述 我们在这里提供两种实现。 首先，我们通过Pytorch实施了一个简单的2D CSPN，将“异地”和“转换”操作结合在一起。 然后，我们通过CUDA提供了更有效的2D / 3D CSPN实施，并将它们集成到PaddlePaddle中，从而更加稳定和易于使用。 引文 如果您在研究中使用此方法，请引用： @inproceedings{cheng2018depth, title={Depth estimation via affinity learned with convolutional spatial propagation network}, author={Cheng, Xinjing and Wang, Peng and Yang,