- 范文/模板/素材大小:45MB视觉识别:文档扫描视觉识别:文档扫描0 5浏览会员免费
- windows大小:316MBTriton是一个由NVIDIA开源的推理服务平台,它支持多种深度学习框架,如TensorFlow、PyTorch、TensorRT等,能够实现模型的统一部署和服务。Triton提供了HTTP和gRPC协议,允许客户端请求模型推理,并且支持多种硬件平台,包括GPU和CPU。 关于“triton-2.0.0-cp310-cp310-win_amd64.whl”,这是一个Python的wheel文件,用于在Windows操作系统上安装Triton的Python客户端。wheel是Python的一种二进制包格式,使得安装过程更快更简单。这个特定的wheel文件是为Python 3.10版本编译的,适用于64位的Windows系统。 源码方面,Triton的源码可以在其GitHub仓库中找到,开发者可以从源码编译Triton,或者使用预编译的二进制文件。源码编译允许开发者根据需要进行定制和优化,而使用wheel文件安装则更加方便快速。 安装Triton服务后,用户可以上传模型到Triton服务器,配置模型仓库,并启动服务。之后,客户端可以通过HTTP或gRPC协议与Triton服务器通信Triton是一个由NVIDIA开源的推理服务平台,它支持多种深度学习框架,如TensorFlow、PyTorch、TensorRT等,能够实现模型的统一部署和服务。Triton提供了HTTP和gRPC协议,允许客户端请求模型推理,并且支持多种硬件平台,包括GPU和CPU。 关于“triton-2.0.0-cp310-cp310-win_amd64.whl”,这是一个Python的wheel文件,用于在Windows操作系统上安装Triton的Python客户端。wheel是Python的一种二进制包格式,使得安装过程更快更简单。这个特定的wheel文件是为Python 3.10版本编译的,适用于64位的Windows系统。 源码方面,Triton的源码可以在其GitHub仓库中找到,开发者可以从源码编译Triton,或者使用预编译的二进制文件。源码编译允许开发者根据需要进行定制和优化,而使用wheel文件安装则更加方便快速。 安装Triton服务后,用户可以上传模型到Triton服务器,配置模型仓库,并启动服务。之后,客户端可以通过HTTP或gRPC协议与Triton服务器通信0 21浏览会员免费
- 计算机视觉大小:3MB本资源提供了一个完整的人脸识别开发包,旨在为开发者提供一个免费且可商用的解决方案,用于集成和实现人脸识别功能。该开发包包含了完整的项目实例源码、易于理解的演示、多种使用范例以及详尽的说明书,适用于各种商业环境和应用场景。 开发包特点: 免费和可商用:开发包完全免费,支持商业用途,为企业或个人开发者提供了一个成本效益高的人脸识别解决方案。 全面的文档支持:附带详细的说明书和文档,帮助用户快速理解如何使用开发包以及如何部署和维护人脸识别系统。 丰富的示例和演示:包括多个实例和演示,展示了如何在实际应用中使用人脸识别技术,适合新手和有经验的开发者。 高度可配置和扩展:源代码开放,用户可以根据自己的需要进行修改和优化,以适应特定的业务需求和技术环境。 应用场景: 安全系统:可以集成到门禁系统、监控系统等安全相关的应用中,提高安全性和便捷性。 客户服务:用于客户身份验证,提高服务速度和质量,特别适用于银行、酒店和零售行业。 个性化营销:在广告和营销中使用人脸识别技术,提供个性化的用户体验和服务。 考勤和监控:用于企业或教育机构的考勤系统,自动化记录员工或学生的出入情况。 该开发包为希望快速实施本资源提供了一个完整的人脸识别开发包,旨在为开发者提供一个免费且可商用的解决方案,用于集成和实现人脸识别功能。该开发包包含了完整的项目实例源码、易于理解的演示、多种使用范例以及详尽的说明书,适用于各种商业环境和应用场景。 开发包特点: 免费和可商用:开发包完全免费,支持商业用途,为企业或个人开发者提供了一个成本效益高的人脸识别解决方案。 全面的文档支持:附带详细的说明书和文档,帮助用户快速理解如何使用开发包以及如何部署和维护人脸识别系统。 丰富的示例和演示:包括多个实例和演示,展示了如何在实际应用中使用人脸识别技术,适合新手和有经验的开发者。 高度可配置和扩展:源代码开放,用户可以根据自己的需要进行修改和优化,以适应特定的业务需求和技术环境。 应用场景: 安全系统:可以集成到门禁系统、监控系统等安全相关的应用中,提高安全性和便捷性。 客户服务:用于客户身份验证,提高服务速度和质量,特别适用于银行、酒店和零售行业。 个性化营销:在广告和营销中使用人脸识别技术,提供个性化的用户体验和服务。 考勤和监控:用于企业或教育机构的考勤系统,自动化记录员工或学生的出入情况。 该开发包为希望快速实施0 5浏览会员免费
- chattts大小:153KBchatttschattts0 33浏览会员免费
- 数据挖掘大小:137KBPython电商用户画像 kmeans聚类 商品特征提取 按月份统计客户人数 数据分析 数据挖掘 人工智能 机器学习Python电商用户画像 kmeans聚类 商品特征提取 按月份统计客户人数 数据分析 数据挖掘 人工智能 机器学习0 5浏览免费
- 机器学习大小:2MB这是2020年TN-SCUI挑战中分割任务(loU为82.54%)第一名解决方案的源代码。 这段代码可以很容易地在单目标分割任务上执行。这里,我们将整个过程分为五个步骤,以便您可以轻松复制我们的结果或在您个人自定义数据集上执行整个过程。 step0,准备环境 step1, 运行脚本[`step1_preprocessing.m 来执行预处理 step2, 运行脚[`step2_TrainAndValidate.py`] 训练和验证CNN模型 step3,运行脚本[`step3_TestOrInference.py`]在未经处理的原始图像上测试模型 step4 (可选择的), 运行脚本[`step4_Merge.py`]这是2020年TN-SCUI挑战中分割任务(loU为82.54%)第一名解决方案的源代码。 这段代码可以很容易地在单目标分割任务上执行。这里,我们将整个过程分为五个步骤,以便您可以轻松复制我们的结果或在您个人自定义数据集上执行整个过程。 step0,准备环境 step1, 运行脚本[`step1_preprocessing.m 来执行预处理 step2, 运行脚[`step2_TrainAndValidate.py`] 训练和验证CNN模型 step3,运行脚本[`step3_TestOrInference.py`]在未经处理的原始图像上测试模型 step4 (可选择的), 运行脚本[`step4_Merge.py`]0 3623浏览会员免费
- age大小:81MB对人脸图像进行性别和年龄的判断对人脸图像进行性别和年龄的判断0 17浏览会员免费
- ZIP大小:5KB蚁群优化算法程序,连续域的蚁群优化程序,供学习参考蚁群优化算法程序,连续域的蚁群优化程序,供学习参考0 5浏览会员免费
- pytorch大小:2KB本程序实现了基于Pytorch的seq2seq机器翻译深度学习网络训练和测试实现,适合基于Pytorch的深度学习搭建以及机器翻译模型的设计,可供机器翻译深度学习模型学习和使用。本程序实现了基于Pytorch的seq2seq机器翻译深度学习网络训练和测试实现,适合基于Pytorch的深度学习搭建以及机器翻译模型的设计,可供机器翻译深度学习模型学习和使用。0 8浏览会员免费
- pytorch大小:2KB本程序实现了基于Pytorch的风格转换生成网络深度学习网络训练和测试实现,适合基于Pytorch的深度学习搭建以及风格转换生成模型的设计,可供风格转换生成网络模型学习和使用。本程序实现了基于Pytorch的风格转换生成网络深度学习网络训练和测试实现,适合基于Pytorch的深度学习搭建以及风格转换生成模型的设计,可供风格转换生成网络模型学习和使用。0 6浏览会员免费
- pytorch大小:24KB权重替换:KAN网络通过将权重参数替换为可学习的单变量函数,提高了网络的性能和可解释性。这种设计使得KAN网络在准确性和可解释性方面优于传统的多层感知器(MLP)。 激活函数位置:与传统的MLP不同,KAN网络中的激活函数位于网络的“边”(即权重)上,而不是节点上。这使得KAN网络能够更灵活地调整每个连接上的激活函数,从而提高模型的表示能力。 非线性核函数:KAN网络可以使用非线性核函数来替代MLP“边”上的线性函数,进一步增强了模型的非线性处理能力。 逼近精度:KAN网络可以设定细粒度的结点(Knot)来提高逼近精度,这使得KAN网络在处理复杂任务时能够获得更高的准确度。 KAN网络的数学理论基础主要来自于Kolmogorov-Arnold表示定理。该定理指出,任意一个多变量连续函数都可以表示为有限数量的单变量连续函数的两层嵌套加法的形式。KAN网络正是基于这一定理,通过将多元函数的学习转化为对一组单变量函数的学习,提高了模型的表达能力和计算效率。权重替换:KAN网络通过将权重参数替换为可学习的单变量函数,提高了网络的性能和可解释性。这种设计使得KAN网络在准确性和可解释性方面优于传统的多层感知器(MLP)。 激活函数位置:与传统的MLP不同,KAN网络中的激活函数位于网络的“边”(即权重)上,而不是节点上。这使得KAN网络能够更灵活地调整每个连接上的激活函数,从而提高模型的表示能力。 非线性核函数:KAN网络可以使用非线性核函数来替代MLP“边”上的线性函数,进一步增强了模型的非线性处理能力。 逼近精度:KAN网络可以设定细粒度的结点(Knot)来提高逼近精度,这使得KAN网络在处理复杂任务时能够获得更高的准确度。 KAN网络的数学理论基础主要来自于Kolmogorov-Arnold表示定理。该定理指出,任意一个多变量连续函数都可以表示为有限数量的单变量连续函数的两层嵌套加法的形式。KAN网络正是基于这一定理,通过将多元函数的学习转化为对一组单变量函数的学习,提高了模型的表达能力和计算效率。0 68浏览会员免费
- pytorch大小:3KB本程序实现了基于Pytorch的具有多种迁移学习深度学习网路风格生成的网络模型训练和测试实现,适合基于Pytorch的深度学习搭建以及具有迁移模型的设计,更好地实现了图像的风格生成生成网络模型的训练和测试。本程序实现了基于Pytorch的具有多种迁移学习深度学习网路风格生成的网络模型训练和测试实现,适合基于Pytorch的深度学习搭建以及具有迁移模型的设计,更好地实现了图像的风格生成生成网络模型的训练和测试。0 5浏览会员免费
- pytorch大小:3KB本程序实现了基于Pytorch的具有多种迁移学习深度学习模型的深度神经网络训练和测试实现,适合基于Pytorch的深度学习搭建以及具有迁移模型的设计,更好地实现了图像的分类识别的学习和使用,本项目是基于GPU的,也可以改为CPU。本程序实现了基于Pytorch的具有多种迁移学习深度学习模型的深度神经网络训练和测试实现,适合基于Pytorch的深度学习搭建以及具有迁移模型的设计,更好地实现了图像的分类识别的学习和使用,本项目是基于GPU的,也可以改为CPU。0 7浏览会员免费
- pytorch大小:6KB本程序实现了基于Pytorch的具有风格转换的网络生成对抗网络CycleGAN网络深度学习网络训练和测试实现,适合基于Pytorch的深度学习搭建以及进行风格转换的GAN生成改进模型的设计,设计了具有风格转换的生成对抗网络模型的学习和使用。本程序实现了基于Pytorch的具有风格转换的网络生成对抗网络CycleGAN网络深度学习网络训练和测试实现,适合基于Pytorch的深度学习搭建以及进行风格转换的GAN生成改进模型的设计,设计了具有风格转换的生成对抗网络模型的学习和使用。0 4浏览会员免费
- 图像处理大小:30MB资源专区-课程设计-【编程作业】-【图像处理】-采购管理系统资源专区-课程设计-【编程作业】-【图像处理】-采购管理系统0 1154浏览会员免费
- 范文/模板/素材大小:3MB"探索创新科技,自制GPS车速仪! 我们提供了一份详尽的教程,教您如何利用Arduino、NEO6M GPS模块和1.3英寸I2C OLED显示屏,动手制作一个精确的GPS车速仪。本教程适合创客、工程师以及所有对物联网和智能硬件有兴趣的爱好者。 "从零开始,逐步引导",我们详细介绍了所需材料、硬件连接方法和编程步骤。通过清晰的电路原理图和完整的Arduino代码示例,即便是初学者也能轻松上手。教程中所用的NEO6M GPS模块以其高灵敏度和多卫星追踪能力,保证了车速测量的准确性和可靠性。同时,OLED显示屏提供了一个直观的界面,实时显示车速信息。 "实践出真知",本项目不仅能够帮助您学习GPS定位技术和Arduino编程,还能让您在实践中深入理解速度计算和数据处理。完成项目后,您将拥有一个功能完备的GPS车速仪,无论是用于教育目的还是个人项目,都将是一次宝贵的DIY体验。 本教程旨在激发创造力,鼓励分享和交流。我们诚邀您下载这份资源,开始您的制作之旅,并与我们分享您的成果和经验。"探索创新科技,自制GPS车速仪! 我们提供了一份详尽的教程,教您如何利用Arduino、NEO6M GPS模块和1.3英寸I2C OLED显示屏,动手制作一个精确的GPS车速仪。本教程适合创客、工程师以及所有对物联网和智能硬件有兴趣的爱好者。 "从零开始,逐步引导",我们详细介绍了所需材料、硬件连接方法和编程步骤。通过清晰的电路原理图和完整的Arduino代码示例,即便是初学者也能轻松上手。教程中所用的NEO6M GPS模块以其高灵敏度和多卫星追踪能力,保证了车速测量的准确性和可靠性。同时,OLED显示屏提供了一个直观的界面,实时显示车速信息。 "实践出真知",本项目不仅能够帮助您学习GPS定位技术和Arduino编程,还能让您在实践中深入理解速度计算和数据处理。完成项目后,您将拥有一个功能完备的GPS车速仪,无论是用于教育目的还是个人项目,都将是一次宝贵的DIY体验。 本教程旨在激发创造力,鼓励分享和交流。我们诚邀您下载这份资源,开始您的制作之旅,并与我们分享您的成果和经验。0 6浏览会员免费
- pytorch大小:3KB本程序实现了基于Pytorch的带语义信息的网络生成对抗网络GAN网络深度学习网络训练和测试实现,适合基于Pytorch的深度学习搭建以及带语义信息的GAN生成改进模型的设计,设计了带语义信息的生成对抗网络模型的学习和使用。本程序实现了基于Pytorch的带语义信息的网络生成对抗网络GAN网络深度学习网络训练和测试实现,适合基于Pytorch的深度学习搭建以及带语义信息的GAN生成改进模型的设计,设计了带语义信息的生成对抗网络模型的学习和使用。0 5浏览会员免费
- unity大小:11MB基于Unity C# 参考源代码全套无偿分享基于Unity C# 参考源代码全套无偿分享0 5浏览会员免费
- pytorch大小:3KB本程序实现了基于Pytorch的带卷积的网络生成对抗网络GAN网络深度学习网络训练和测试实现,适合基于Pytorch的深度学习搭建以及GAN生成模型改进,设计了变分模型,的学习和使用。本程序实现了基于Pytorch的带卷积的网络生成对抗网络GAN网络深度学习网络训练和测试实现,适合基于Pytorch的深度学习搭建以及GAN生成模型改进,设计了变分模型,的学习和使用。0 6浏览会员免费
- pytorch大小:2KB本程序实现了基于Pytorch的生成对抗网络GAN网络深度学习网络训练和测试实现,适合基于Pytorch的深度学习搭建以及GAN生成模型改进,设计了变分模型,的学习和使用。本程序实现了基于Pytorch的生成对抗网络GAN网络深度学习网络训练和测试实现,适合基于Pytorch的深度学习搭建以及GAN生成模型改进,设计了变分模型,的学习和使用。0 6浏览会员免费
- 深度学习大小:48KB深度学习智能坐姿检测系统项目源码.zip 深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip 深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip深度学习智能坐姿检测系统项目源码.zip0 9浏览免费
- pytorch大小:2KB本程序实现了基于Pytorch的变分自编码器生成模型的设计训练和测试实现,适合基于Pytorch的深度学习搭建以及自编码器生成模型改进,设计了变分模型,的学习和使用。本程序实现了基于Pytorch的变分自编码器生成模型的设计训练和测试实现,适合基于Pytorch的深度学习搭建以及自编码器生成模型改进,设计了变分模型,的学习和使用。0 6浏览会员免费
- 神经网络大小:5MB图神经网络GNN数据集,合成数据集,共有400张图,4分类,平均节点数为95,平均边数为172图神经网络GNN数据集,合成数据集,共有400张图,4分类,平均节点数为95,平均边数为1720 7浏览免费
- 神经网络大小:753KB图神经网络GNN数据集,合成数据集,共有300张图,二分类,平均节点数为100,平均边数为196图神经网络GNN数据集,合成数据集,共有300张图,二分类,平均节点数为100,平均边数为1960 7浏览免费
- 神经网络大小:672KB图神经网络GNN数据集,合成数据集,共有300张图,二分类,平均节点数为100,平均边数为196图神经网络GNN数据集,合成数据集,共有300张图,二分类,平均节点数为100,平均边数为1960 5浏览免费
- 神经网络大小:69KB图神经网络GNN数据集,小分子数据集,共有349张图,二分类,平均节点数为14,平均边数为14图神经网络GNN数据集,小分子数据集,共有349张图,二分类,平均节点数为14,平均边数为140 3浏览免费
- 神经网络大小:854KB图神经网络GNN数据集,生物信息学领域数据集,共有1113张图,二分类,平均节点数为39,平均边数为72图神经网络GNN数据集,生物信息学领域数据集,共有1113张图,二分类,平均节点数为39,平均边数为720 2浏览免费
- 神经网络大小:84KB图神经网络GNN数据集,生物信息学领域数据集,共有85张图,二分类,平均节点数为39,平均边数为77图神经网络GNN数据集,生物信息学领域数据集,共有85张图,二分类,平均节点数为39,平均边数为770 5浏览免费
- 神经网络大小:173KB图神经网络GNN数据集,生物信息学领域数据集,共有79张图,二分类,平均节点为82,平均边数为199图神经网络GNN数据集,生物信息学领域数据集,共有79张图,二分类,平均节点为82,平均边数为1990 4浏览免费
- 神经网络大小:2MB图神经网络GNN数据集,小分子领域数据集,共有4110张图,二分类,平均节点数为29,平均边数为32图神经网络GNN数据集,小分子领域数据集,共有4110张图,二分类,平均节点数为29,平均边数为320 4浏览免费
- 神经网络大小:58KB图神经网络GNN数据集,小分子数据集,共有188张图,二分类,平均节点数为17,平均边数为19图神经网络GNN数据集,小分子数据集,共有188张图,二分类,平均节点数为17,平均边数为190 4浏览免费
- 神经网络大小:187KB图神经网络GNN数据集,计算机视觉领域数据集,共有221张图,八分类,平均节点数为40,平均边数为97图神经网络GNN数据集,计算机视觉领域数据集,共有221张图,八分类,平均节点数为40,平均边数为970 6浏览免费
- 神经网络大小:30MB图神经网络GNN数据集,CV领域数据集处理成邻接矩阵、特征矩阵格式,共有70000张图,10分类,平均节点数为70,平均边数为564图神经网络GNN数据集,CV领域数据集处理成邻接矩阵、特征矩阵格式,共有70000张图,10分类,平均节点数为70,平均边数为5640 2浏览免费
- 神经网络大小:742KB图神经网络GNN数据集,社交网络领域数据集,共有1500张图,三分类,平均节点为13,平均边数为65图神经网络GNN数据集,社交网络领域数据集,共有1500张图,三分类,平均节点为13,平均边数为650 3浏览免费
- 神经网络大小:761KB图神经网络GNN数据集,社交网络领域数据集,共有1000张图,二分类,平均节点为19,平均边数为96图神经网络GNN数据集,社交网络领域数据集,共有1000张图,二分类,平均节点为19,平均边数为960 5浏览免费
- 神经网络大小:5MB图神经网络GNN数据集,计算机视觉数据集,共有41张图,11分类,平均节点数为1377,边数平均为3074图神经网络GNN数据集,计算机视觉数据集,共有41张图,11分类,平均节点数为1377,边数平均为30740 4浏览免费
- 神经网络大小:1MB图神经网络GNN数据集,生物信息学数据集,共有600张图,六分类,平均节点数为32,平均边数为62图神经网络GNN数据集,生物信息学数据集,共有600张图,六分类,平均节点数为32,平均边数为620 4浏览免费
- 神经网络大小:9MB图神经网络GNN数据集,生物信息学数据集,包含1178张图,二分类,平均节点数为284,平均边数为715图神经网络GNN数据集,生物信息学数据集,包含1178张图,二分类,平均节点数为284,平均边数为7150 4浏览免费
- 神经网络大小:1MB图神经网络GNN数据集,小分子图数据,共有306张图,二分类,节点数为~2130,边数为~22506图神经网络GNN数据集,小分子图数据,共有306张图,二分类,节点数为~2130,边数为~225060 2浏览免费
- 数据集大小:645MB占道经营数据集 yolo格式 图书数量5200张占道经营数据集 yolo格式 图书数量5200张0 2浏览会员免费
- 数据集大小:123MB电动车数据集 yolo格式电动车数据集 yolo格式0 2浏览会员免费
- 数据集大小:27MBcoco128 YOLO格式数据集 内含yolov8模型pt格式coco128 YOLO格式数据集 内含yolov8模型pt格式0 0浏览会员免费
- k210大小:7MBk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料k210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料.zipk210开发板.硬件参考资料0 7浏览会员免费
- 数据集大小:258MB八种基本情绪数据集 {0: 'Anger', 1: 'Contempt', 2: 'Disgust', 3: 'Fear', 4: 'Happy', 5: 'Neutral', 6: 'Sad', 7: 'Surprise'} 训练集:17000张图 验证集:5400张图 测试集:2700张图八种基本情绪数据集 {0: 'Anger', 1: 'Contempt', 2: 'Disgust', 3: 'Fear', 4: 'Happy', 5: 'Neutral', 6: 'Sad', 7: 'Surprise'} 训练集:17000张图 验证集:5400张图 测试集:2700张图0 4浏览会员免费
- k210大小:25MBk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板k210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板程序源码汇总.zipk210开发板0 10浏览会员免费
- 数据集大小:288MB这个是运行上一个上传自制数据集的代码,因为大小限制分开上传这个是运行上一个上传自制数据集的代码,因为大小限制分开上传0 17浏览会员免费
- python大小:13KB基于Python实现了K-Means、GMM、DBSCAN、AGNES等四种常见的聚类算法 Clustering-Algorithms 在“无监督学习”(unsupervised learning)中,训练样本的标记信息是未知的,目标是通过对无标记训练样本的学习来揭示数据的内在性质及规律,为进一步的数据分析提供基础。此类学习任务中研究最多、应用最广的是“聚类”(Clustering)。 聚类试图将数据集中的样本划分为若干个通常是不相交的子集,每个子集称为一个“簇”(Cluster)。通过这样的划分,每个簇可能对应于一些潜在概念(类别),这些概念对聚类算法而言事先是未知的,聚类过程仅能自动形成簇结构,簇所对应的概念语义需由使用者来把握和命名。 聚类既能作为一个单独过程,用于寻找数据内在的分布结构,也可以作为分类等其他学习任务的前驱过程。例如,在一些商业应用中需对新用户的类型进行判别,但定义“用户类型”对商家来说却不太容易,此时往往可以先对用户数据进行聚类,根据聚类结果将每个簇定义为一个类,然后再基于这些类来训练分类模型,用于判别新用户的类型。 基于不同的学习策略,人们设计基于Python实现了K-Means、GMM、DBSCAN、AGNES等四种常见的聚类算法 Clustering-Algorithms 在“无监督学习”(unsupervised learning)中,训练样本的标记信息是未知的,目标是通过对无标记训练样本的学习来揭示数据的内在性质及规律,为进一步的数据分析提供基础。此类学习任务中研究最多、应用最广的是“聚类”(Clustering)。 聚类试图将数据集中的样本划分为若干个通常是不相交的子集,每个子集称为一个“簇”(Cluster)。通过这样的划分,每个簇可能对应于一些潜在概念(类别),这些概念对聚类算法而言事先是未知的,聚类过程仅能自动形成簇结构,簇所对应的概念语义需由使用者来把握和命名。 聚类既能作为一个单独过程,用于寻找数据内在的分布结构,也可以作为分类等其他学习任务的前驱过程。例如,在一些商业应用中需对新用户的类型进行判别,但定义“用户类型”对商家来说却不太容易,此时往往可以先对用户数据进行聚类,根据聚类结果将每个簇定义为一个类,然后再基于这些类来训练分类模型,用于判别新用户的类型。 基于不同的学习策略,人们设计0 9浏览免费
- c++大小:862KB数字图像处理——基于Qt 5.8.0(C++) ImageQt Image viewer powered by Qt 5.8.0 功能(按完成时间排序) 基本的图像查看 图像缩放、旋转、翻转 灰度图像 调节色温 调节亮度 添加相框 金属纹理 语言切换(中/英)支持(已删除) 直方图(包括灰度直方图和各通道直方图) 线性灰度变换 函数图像绘制 指数灰度变换 幂次灰度变换 对数灰度变换 拉伸灰度变换 简单平滑 高斯平滑 中值滤波 Laplace锐化 Sobel边缘检测数字图像处理——基于Qt 5.8.0(C++) ImageQt Image viewer powered by Qt 5.8.0 功能(按完成时间排序) 基本的图像查看 图像缩放、旋转、翻转 灰度图像 调节色温 调节亮度 添加相框 金属纹理 语言切换(中/英)支持(已删除) 直方图(包括灰度直方图和各通道直方图) 线性灰度变换 函数图像绘制 指数灰度变换 幂次灰度变换 对数灰度变换 拉伸灰度变换 简单平滑 高斯平滑 中值滤波 Laplace锐化 Sobel边缘检测0 4浏览免费
- 计算机视觉大小:294KB计算机视觉领域的教程以及深度学习计算机视觉的定义计算机视觉领域的教程以及深度学习计算机视觉的定义0 4浏览会员免费
- 编程语言大小:150MB用鼠标在屏幕上绘制任意顶点数的封闭多边形并填充,填充效果如下图所示。 编程要求: ⑴多边形的顶点数不受限制; ⑵按下鼠标左键,拖动鼠标绘制多边形,同时按下Shift键可以绘制水平边或垂直边; ⑶单击鼠标右键闭合多边形; ⑷使用边缘填充算法填充多边形。用鼠标在屏幕上绘制任意顶点数的封闭多边形并填充,填充效果如下图所示。 编程要求: ⑴多边形的顶点数不受限制; ⑵按下鼠标左键,拖动鼠标绘制多边形,同时按下Shift键可以绘制水平边或垂直边; ⑶单击鼠标右键闭合多边形; ⑷使用边缘填充算法填充多边形。0 9浏览会员免费
- spring大小:27MB一个基于Springboot的人工智能机器人,已对接GPT-3.5、GPT-4.0、Kimi、百度文心一言、stable diffusion AI绘图、Midjourney绘图,等多种主流OpenAI大模型(优质资源)适用人群:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业或毕业设计,作为“参考资料”使用。 一个基于Springboot的人工智能机器人,已对接GPT-3.5、GPT-4.0、Kimi、百度文心一言、stable diffusion AI绘图、Midjourney绘图,等多种主流OpenAI大模型(优质资源)适用人群:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业或毕业设计,作为“参考资料”使用。 一个基于Springboot的人工智能机器人,已对接GPT-3.5、GPT-4.0、Kimi、百度文心一言、stable diffusion AI绘图、Midjourney绘图,等多种主流OpenAI大模型(优质资源)适用人群:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业或毕业设计,作为“参考资料”使用。一个基于Springboot的人工智能机器人,已对接GPT-3.5、GPT-4.0、Kimi、百度文心一言、stable diffusion AI绘图、Midjourney绘图,等多种主流OpenAI大模型(优质资源)适用人群:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业或毕业设计,作为“参考资料”使用。 一个基于Springboot的人工智能机器人,已对接GPT-3.5、GPT-4.0、Kimi、百度文心一言、stable diffusion AI绘图、Midjourney绘图,等多种主流OpenAI大模型(优质资源)适用人群:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业或毕业设计,作为“参考资料”使用。 一个基于Springboot的人工智能机器人,已对接GPT-3.5、GPT-4.0、Kimi、百度文心一言、stable diffusion AI绘图、Midjourney绘图,等多种主流OpenAI大模型(优质资源)适用人群:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业或毕业设计,作为“参考资料”使用。0 14浏览会员免费
- python大小:218KB一组用于处理AUTOSAR XML 文件的 Python 模块一组用于处理AUTOSAR XML 文件的 Python 模块0 5浏览会员免费
- ZIP大小:91MB**内容概要:** 这个项目是基于Qt框架实现的人脸识别考勤系统。项目将包括人脸检测、识别、考勤记录管理等功能。使用了Qt的图形界面设计和多线程处理,结合开源的人脸识别库,实现了一个功能完善的考勤系统。 **适用人群:** - 对Qt框架有一定了解,并具备一定的C++编程基础的开发人员。 - 想要学习人脸识别技术,并希望通过实际项目来应用和深入理解的开发者。 - 对于需要实现简单人脸识别考勤系统的企业、学校等组织,可以作为参考和定制。 **使用场景及目标:** - 学习者可以通过该项目了解Qt框架的应用,以及如何将人脸识别技术应用于实际项目中。 - 对于企业或学校,可以将该系统部署用于员工或学生考勤管理,提高考勤效率和准确性。 - 该系统可以作为一个基础框架,根据具体需求进行定制和扩展,如增加人脸注册功能、考勤数据统计分析等。 **其他说明:** - 项目将提供详细的文档和注释,以便开发者理解代码逻辑和实现细节。 - 可能会使用开源的人脸识别库,如OpenCV等,并结合Qt的图形界面设计实现用户友好的界面。 - 考虑到人脸识别的安全性和隐私保护,项目将充分考虑数据加密、访问控制等**内容概要:** 这个项目是基于Qt框架实现的人脸识别考勤系统。项目将包括人脸检测、识别、考勤记录管理等功能。使用了Qt的图形界面设计和多线程处理,结合开源的人脸识别库,实现了一个功能完善的考勤系统。 **适用人群:** - 对Qt框架有一定了解,并具备一定的C++编程基础的开发人员。 - 想要学习人脸识别技术,并希望通过实际项目来应用和深入理解的开发者。 - 对于需要实现简单人脸识别考勤系统的企业、学校等组织,可以作为参考和定制。 **使用场景及目标:** - 学习者可以通过该项目了解Qt框架的应用,以及如何将人脸识别技术应用于实际项目中。 - 对于企业或学校,可以将该系统部署用于员工或学生考勤管理,提高考勤效率和准确性。 - 该系统可以作为一个基础框架,根据具体需求进行定制和扩展,如增加人脸注册功能、考勤数据统计分析等。 **其他说明:** - 项目将提供详细的文档和注释,以便开发者理解代码逻辑和实现细节。 - 可能会使用开源的人脸识别库,如OpenCV等,并结合Qt的图形界面设计实现用户友好的界面。 - 考虑到人脸识别的安全性和隐私保护,项目将充分考虑数据加密、访问控制等0 6浏览会员免费
- opencv大小:556KB分享项目:识别银行卡号(Python-opencv)分享项目:识别银行卡号(Python-opencv)0 7浏览会员免费
- 嵌入式大小:5MB**系统说明** 本系统采取全3D虚拟仿真技术,界面生动美观、易学易用,以此提升老师教学和学生学习趣味性,加深学生对知识了解和利用。 本系统经过产品说明、零件展示、装配演示、原理展示四个方面,讲述了霍尔传感器、压电传感器、湿敏传感器、气敏传感器、电涡流传感器、磁电传感器、差动电容传感器、差动变压器等八个常见传感器。 产品说明:从理论上简单介绍传感器原理。 零件展示:单独展示传感器各个组成元件,观察零件结构、材质和材质类型。 装配演示:以三维仿真形式展示传感器装配过程,让学生直观了解传感器组成结构和装配方法。 原理展示:经过几组具体应用实例来展示传感器基础原理,以此加深学生对传感器了解。**系统说明** 本系统采取全3D虚拟仿真技术,界面生动美观、易学易用,以此提升老师教学和学生学习趣味性,加深学生对知识了解和利用。 本系统经过产品说明、零件展示、装配演示、原理展示四个方面,讲述了霍尔传感器、压电传感器、湿敏传感器、气敏传感器、电涡流传感器、磁电传感器、差动电容传感器、差动变压器等八个常见传感器。 产品说明:从理论上简单介绍传感器原理。 零件展示:单独展示传感器各个组成元件,观察零件结构、材质和材质类型。 装配演示:以三维仿真形式展示传感器装配过程,让学生直观了解传感器组成结构和装配方法。 原理展示:经过几组具体应用实例来展示传感器基础原理,以此加深学生对传感器了解。0 3浏览会员免费
- ZIP大小:157MB**功能描述:** - 用户可以通过鼠标在屏幕上自由绘制一个封闭的多边形,顶点数量不受限制。 - 填充效果如示例图所示,用户可以参照该图了解预期的填充效果。 **操作步骤:** 1. **绘制多边形:** 使用鼠标左键点击并拖动来绘制多边形的每个顶点。 2. **辅助绘制:** 在绘制过程中,按住Shift键可以辅助绘制水平或垂直的边,以确保多边形的规则性。 3. **闭合多边形:** 单击鼠标右键来闭合当前绘制的多边形,形成一个封闭图形。 4. **填充多边形:** 应用边缘填充算法来填充绘制完成的多边形,确保填充效果均匀且美观。 **技术要求:** - 多边形的顶点数量应无上限,允许用户根据需要添加任意数量的顶点。 - 程序应支持在绘制过程中通过Shift键辅助绘制水平或垂直边,提高绘制效率和准确性。 - 必须实现鼠标右键单击来闭合多边形的功能,确保用户可以明确结束绘制过程。 - 填充算法需精确执行,确保多边形内部被正确且均匀地填充。 通过上述优化,描述更加清晰、条理化,同时提供了操作的具体步骤和相应的技术要求,便于用户理解和执行。**功能描述:** - 用户可以通过鼠标在屏幕上自由绘制一个封闭的多边形,顶点数量不受限制。 - 填充效果如示例图所示,用户可以参照该图了解预期的填充效果。 **操作步骤:** 1. **绘制多边形:** 使用鼠标左键点击并拖动来绘制多边形的每个顶点。 2. **辅助绘制:** 在绘制过程中,按住Shift键可以辅助绘制水平或垂直的边,以确保多边形的规则性。 3. **闭合多边形:** 单击鼠标右键来闭合当前绘制的多边形,形成一个封闭图形。 4. **填充多边形:** 应用边缘填充算法来填充绘制完成的多边形,确保填充效果均匀且美观。 **技术要求:** - 多边形的顶点数量应无上限,允许用户根据需要添加任意数量的顶点。 - 程序应支持在绘制过程中通过Shift键辅助绘制水平或垂直边,提高绘制效率和准确性。 - 必须实现鼠标右键单击来闭合多边形的功能,确保用户可以明确结束绘制过程。 - 填充算法需精确执行,确保多边形内部被正确且均匀地填充。 通过上述优化,描述更加清晰、条理化,同时提供了操作的具体步骤和相应的技术要求,便于用户理解和执行。0 14浏览会员免费
- 软件/插件大小:941KBMFRC522 是一种常见的 RFID(射频识别)读卡器模块,它通常与 Arduino 结合使用,用于读取和写入 RFID 标签。为了简化开发,社区开发了多个适用于 MFRC522 的 Arduino 库。这些库提供了与 MFRC522 读卡器通信的高层次接口,便于开发者快速实现 RFID 功能。以下是关于 MFRC522 的 Arduino RFID 库的资源描述。 ### 库简介 Arduino MFRC522 库是一款用于与 MFRC522 RFID 读卡器模块通信的开源库。该库由 GitHub 上的社区维护,提供了简洁的 API,支持读取和写入 RFID 标签中的数据。开发者可以通过该库轻松实现基于 RFID 的项目,如门禁系统、库存管理和身份验证等。 ### 主要功能 1. **读取 UID**: - 支持读取 RFID 标签的唯一标识符(UID),用于唯一标识每个标签。 - 示例代码展示了如何检测和读取 RFID 标签的 UID。 2. **读写数据块**: - 支持读取和写入 RFID 标签中的特定数据块。 - 提供加密功能,保护读写过程MFRC522 是一种常见的 RFID(射频识别)读卡器模块,它通常与 Arduino 结合使用,用于读取和写入 RFID 标签。为了简化开发,社区开发了多个适用于 MFRC522 的 Arduino 库。这些库提供了与 MFRC522 读卡器通信的高层次接口,便于开发者快速实现 RFID 功能。以下是关于 MFRC522 的 Arduino RFID 库的资源描述。 ### 库简介 Arduino MFRC522 库是一款用于与 MFRC522 RFID 读卡器模块通信的开源库。该库由 GitHub 上的社区维护,提供了简洁的 API,支持读取和写入 RFID 标签中的数据。开发者可以通过该库轻松实现基于 RFID 的项目,如门禁系统、库存管理和身份验证等。 ### 主要功能 1. **读取 UID**: - 支持读取 RFID 标签的唯一标识符(UID),用于唯一标识每个标签。 - 示例代码展示了如何检测和读取 RFID 标签的 UID。 2. **读写数据块**: - 支持读取和写入 RFID 标签中的特定数据块。 - 提供加密功能,保护读写过程0 7浏览会员免费
- 大模型大小:639MBmeta-llama-3-8b-instruct 的 model-00003-of-00004.safetensors 的1/3meta-llama-3-8b-instruct 的 model-00003-of-00004.safetensors 的1/30 8浏览会员免费
- 数据集大小:11MB训练集猫狗分别200张 测试集猫狗分别70张训练集猫狗分别200张 测试集猫狗分别70张0 15浏览会员免费
- test大小:83MB2024.5.29 catkin-ws2.02024.5.29 catkin-ws2.00 3浏览会员免费