- 写作指导材料。祝大家都发顶刊>https://phrasebankresearch.net/ 官网都没2022年的 哪来的2022年的中译文版本?5 6782浏览¥ 9.90
- 最新完整版标准 ISO 37301-2021 中文 合规管理系统 - 要求和使用指南.pdf5 6544浏览¥ 5.90
- UL 9540A-2019中文 评估电池储能系统中热失控火灾传播的测试方法的安全标准.pdf5 4465浏览¥ 11.90
- VW 80000 最新版 EN-2021.pdf5 6747浏览¥ 11.90
- 主要介绍了详解PyTorch手写数字识别(MNIST数据集),文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧5 1w+浏览¥ 9.90
- IEC 62619-2022.pdf5 3070浏览¥ 11.90
- 主要介绍了pytorch加载自己的图像数据集实例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧4 7928浏览¥ 9.90
- UL 9540-2021中文 储能系统和设备安全标准.pdf5 2960浏览¥ 11.90
- ISO IEC 31010-2019中文 风险管理 - 风险评估技术 风险管理 - 风险评估技术.pdf5 2200浏览¥ 11.90
- NFPA 855-2020+勘误+增补中文 固定式储能系统的安装标准.pdf5 1687浏览¥ 11.90
- ISO 15118-20-2022.pdf Road vehicles — Vehicle to grid communication interface — Part 20: 2nd generation network layer and application layer requirements5 1270浏览¥ 11.90
- ISO IEC 27001-2022英文+中文 信息安全管理系统要求.pdf5 2790浏览¥ 5.90
- 我学习深度学习写代码的时候,数据集图像太少只有1406张还分4个类别,一个类别只有300来张,再分为train、valid和test,图像就更少了,训练的图像少,深度学习的准确度就会不高。 这里是我找到的扩充数据集的方法,对图像进行亮度增强、对比度增强、水平翻转和随机方向旋转,我的1406张图扩充到了7030张。 变换程序 from PIL import ImageEnhance import os import numpy as np from PIL import Image def brightnessEnhancement(root_path,img_name):#亮度增强 i4 1w+浏览¥ 9.90
- 《华为企业数字化转型之道.pdf》5 6339浏览¥ 5.90
- 最新完整版,无需一部分一部分去查了。5 2362浏览¥ 9.90
- 200页详细的特斯拉Model3域控制器拆解分析到芯片型号5 1427浏览¥ 22.90
- 最全面的ANSYS apdl命令流使用手册5 3631浏览¥ 11.90
- 1 epoch 当一个完整的数据集通过神经网络一次并且返回一次的过程称为一个epoch。 然而,当一个epoch对于计算机太过庞大时,就需要把它分成多个小块。 2 batch 在不能将数据一次性通过神经网络的适合,就需要将数据集分成几个batch。 3 batch_size 直观的理解 一个batch中的样本总数(一次训练所选取的样本数)。 batch_size的大小影响模型的优化程度和速度。同时其直接影响到GPU内存的使用情况,假如你GPU显存不大,该数值最好设置小一点。 提出batch_size的原因 在没有使用Batch Size之前,这意味着网络在训练时,是一次把所有的数据(整个数据库5 2w+浏览¥ 9.90
- ISO 14155-2020 中文版 医疗器械的人类受试者临床研究-临床试验质量管理规范.pdf5 1010浏览¥ 5.90
- 《2022年中国信创行业发展研究报告.pdf》5 1978浏览¥ 11.90
- ANSI ESD S541-2019包装材料【中文版参考】.pdf5 2227浏览¥ 19.90
- UL 1973-2022 用于固定和动力辅助电源应用的电池.pdf5 1782浏览¥ 5.90
- 新版完整标准 IEC 60747-8:2021 半导体器件 - 分立器件 - 第8部分:场效应晶体管 - 完整英文版(160页).pdf5 1401浏览¥ 5.90
- JESD238 2022 High Bandwidth Memory DRAM (HBM3).pdf5 1421浏览¥ 11.90
- comsol声学模块仿真教学PDF PPT,非常经典,值得对声学仿真感兴趣的研究。5 2069浏览¥ 5.90
- 新版完整标准 IEC 60664-1-2020-05.pdf5 1692浏览¥ 5.90
- ANSI ESD-TR53-01-22-ESD控制项符合性验证- 中文2022.pdf5 1158浏览¥ 11.90
- 基于matlab的车牌识别设计报告数字图像处理课程设计5 1909浏览¥ 4.90
- IEC 62619-2017中文 含有碱性或其他非酸性电解质的二次电池和电池 - 工业应用中使用的二次锂电池和电池的安全要求.pdf5 923浏览¥ 5.90
- ISO 15118-3-2015中文.pdf5 2032浏览¥ 11.90
- 最新完整版标准 ISO 15118-1:2019 道路车辆--车辆与电网通信接口--第1部分:一般信息和用例定义 - 完整英文版(125页).pdf5 1480浏览¥ 5.90
- ISO 28000-2022 供应链安全管理体系.pdf5 2125浏览¥ 5.90
- ISO 14064-2-2019中文 在项目层面上对温室气体减排或清除.pdf5 702浏览¥ 5.90
- 最新完整版标准 ISO IEC 27002-2022.pdf5 3435浏览¥ 5.90
- 最新完整版标准 ISO IEC 20000-3-2019中文-信息技术-服务管理-第3部分:ISO IEC 20000-1的范围定义和适用性指南.pdf5 1271浏览¥ 5.90
- 本文主要介绍基于用户的协同过滤推荐算法的推荐原理、推荐过程、代码实现。 一、基于用户的协同过滤推荐算法推荐原理 基于用户的协同过滤推荐算法是协同过滤推荐算法中最简单、最传统的推荐算法,是根据用户对项目的某一种操作行为,为目标用户找到操作行为相同或者相似的用户,这些操作行为相同或者相似的用户称之为目标用户的近邻用户,然后在这些近邻用户中找出目标用户没有操作行为同时近邻用户同时有操作行为的项目,最后将这些项目推荐给目标用户,作为目标用户感兴趣的项目。 二、基于用户的协同过滤推荐算法推荐过程 基于用户的协同过滤推荐算法推荐过程可分为四个步骤:构建用户-项目操作行为矩阵、计算用户之间似度、得到目标用户5 4794浏览¥ 9.90
- ANSYS ICEPAK电子散热基础教程……5 3235浏览¥ 11.90
- [实战]200类鸟类细粒度分类识别 我又来了!!!! 一、图像分类 这次进行实战项目,鸟类细粒度分类识别实战。再讲细粒度分类之前,让我们先回顾一下图像分类吧。 图像分类是计算机视觉的最基础的一个任务,从最开始的入门级的mnist手写数字识别、猫狗图像二分类到后来的imagenet任务。图像分类模型随着数据集的增长,一步步提升到了今天的水平。计算机的图像分类水准已经超过了人类。 在这里我把图像分类任务分为了两种,一种是单标签的图像分类任务,一种是多标签的图像分类任务。 多标签的图像分类任务,更加符合人们的认知习惯。因为现实生活中的图片往往会包含多个类别物体。 而在单标签的图像分类任务中又可以5 2797浏览¥ 9.90
- 今天小编就为大家分享一篇将labelme格式数据转化为标准的coco数据集格式方式,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧5 4681浏览¥ 9.90
- ISO 14064-3-2019中文 温室气体声明的核查和验证的规范.pdf5 580浏览¥ 5.90
- ASME Y14.5 中文版 2018 尺寸与公关标注 完整版 pdf.pdf5 3805浏览¥ 19.90
- ISO 28000-2022 《Security and resilience - Security management systems - Requirements》最新版-供应链安全管理体系手册5 2168浏览¥ 5.90
- IEC 60730-1-2020.最新原版,可复制文字 : 自动电气控制 - 第 1 部分:一般要求5 2116浏览¥ 20.90
- NFPA 68-2018中文+勘误+增补 爆燃泄气法的爆炸保护标准.pdf5 1282浏览¥ 11.90
- 问题描述: python3.5环境下跑机器学习ensemble learning的代码 数据集是UCI网站的Australia credit dataset,690个样本15个特征 调用sklearn中的XGBoost模型时,没有出现报错警告,但最后输出出错,不能正常输出准确率 // XGBoost model = xgb.XGBClassifier() model.fit(x_train, y_train) print('XGBoost model', model.score(x_test, y_test)) 输出结果(其他模型正常输出): Random Forest model 0.875 1w+浏览¥ 9.90
- 大数据时代的到来,数据成为企业最重要的资产之一,数据加密的也是保护数据资产的重要手段。本文主要在结合学习通过MySQL函数及Python加密方法来演示数据加密的一些简单方式。 1. 准备工作 为了便于后面对比,将各种方式的数据集存放在不同的表中。 创建原始明文数据表 /* 创建原始数据表 */ CREATE TABLE `f_user` ( `id` int(11) NOT NULL AUTO_INCREMENT, `name` varchar(50) DEFAULT NULL, `tel` varchar(20) DEFAULT NULL, `pwd` varchar(50) D0 3043浏览¥ 9.90
- ISO 14064-1-2018中文 在组织层面上对温室气体排放和清除的.pdf5 984浏览¥ 5.90
- VDA 6.3:2023(第四版)新版标准正式发布.pd5 3330浏览¥ 7.90
- ISO 37002-2021中文 举报管理制度--准则.pdf5 613浏览¥ 5.90
- ISO 37001-2016中文 反贿赂管理系统--要求与使用指南.pdf5 826浏览¥ 5.90
- 【最新版】 RTCA DO-178C 2011..pdf5 606浏览¥ 11.90
- 2022年最新 业界大佬翻译和分析5 1378浏览¥ 19.90
- pandas提供了一个灵活高效的groupby功能,它使你能以一种自然的方式对数据集进行切片、切块、摘要等操作。根据一个或多个键(可以是函数、数组或DataFrame列名)拆分pandas对象。计算分组摘要统计,如计数、平均值、标准差,或用户自定义函数。对DataFrame的列应用各种各样的函数。应用组内转换或其他运算,如规格化、线性回归、排名或选取子集等。计算透视表或交叉表。执行分位数分析以及其他分组分析。 groupby分组函数: 返回值:返回重构格式的DataFrame,特别注意,groupby里面的字段内的数据重构后都会变成索引 groupby(),一般和sum()、mean5 1w+浏览¥ 9.90
- 前言:上一篇对AQI进行了分析,这一篇根据对以往的数据,建立一个模型,可以将模型应用于未知的数据,来进行AQI的预测。 文章目录1、加载相关库和数据集2、数据处理和转换2.1 简单的数据处理2.2 数据转换3、建立基模型4、特征选择4.1 RFECV4.2 使用RFECV进行特征选择5、异常值处理5.1 使用临界值进行填充5.2 分箱离散化6 、残差图分析6.1 异方差性6.2 离群点 1、加载相关库和数据集 使用的库主要有:pandas、numpy、matplotlib、seaborn、sklearn 使用的数据集:2015年空气质量指数(AQI)数据集 import numpy as5 3984浏览¥ 9.90
- VDA 6.3_EN_2022 黄皮书.最新版 汽车质量VDA6.3-2022过程审核5 1548浏览¥ 11.90
- 提前说明一下,本文的CNN神经网络模型是参考网上诸多相关CNN图像分类大牛的博客修改的,在模型的基础上,用python的Flask框架搭载了一个web页面用来可视化展示。 第一步,爬取图片数据集 用python实现了一个非常简单的网络爬虫,对百度图片接口 http://image.baidu.com/search/acjson?tn=resultjson_com&ipn=rj&ct=201326592&is=&fp=result&queryWord=高清动漫&cl=2&lm=-1&ie=utf-8&oe=utf-8&adpicid5 5072浏览¥ 9.90
- 1、汽车车身控制器 2、BCM 3、功能规范 4、灯光控制 5、雨刮控制 6、门锁控制 7、防盗报警系统 8、车窗功能 9、除霜功能5 2178浏览¥ 54.90
- ISO 15031-6-2015 中文 道路车辆 — 车辆与外部设备之间的通信, 用于排放相关诊断-6诊断故障代码定义.pdf5 1115浏览¥ 5.90
- NFPA 69-2019中文 防爆系统.pdf5 1288浏览¥ 11.90
- NFPA 72-2019 中文版 国家火灾报警和信号代码.pdf5 555浏览¥ 11.90