- delicious大小:19MB经过预处理的。数据格式 [ USER_ID , URL_ID , Tags ] 。经过预处理的。数据格式 [ USER_ID , URL_ID , Tags ] 。5 713浏览会员免费
- 网络安全大小:43MB这是作者恶意代码分析、网络安全、系统安全等系列教程,主要是通过机器学习、人工智能和深度学习来分析恶意代码的在线笔记。希望对您有所帮助,学无止境,一起加油。参考作者的博客和github资源,由于github速度限制,故上传免费资源供大家学习。 [网络安全自学篇] 二十四.基于机器学习的入侵检测和攻击识别——以KDD CUP99数据集为例 https://blog.csdn.net/Eastmount/article/details/102852458 https://github.com/eastmountyxz/AI-for-Malware-Analysis-这是作者恶意代码分析、网络安全、系统安全等系列教程,主要是通过机器学习、人工智能和深度学习来分析恶意代码的在线笔记。希望对您有所帮助,学无止境,一起加油。参考作者的博客和github资源,由于github速度限制,故上传免费资源供大家学习。 [网络安全自学篇] 二十四.基于机器学习的入侵检测和攻击识别——以KDD CUP99数据集为例 https://blog.csdn.net/Eastmount/article/details/102852458 https://github.com/eastmountyxz/AI-for-Malware-Analysis-0 4945浏览会员免费
- 操作系统大小:19KB有五个哲学家围坐在一圆桌旁,桌中央有一盘通心粉,每人面前有一只空盘子,每两人之间放一只筷子每个哲学家的行为是思考,感到饥饿,然后吃通心粉.为了吃通心粉,每个哲学家必须拿到两只筷子,并且每个人只能直接从自己的左边或右边去取筷子。 有一个公用的数据集,有很多人需要访问,其中一些需要阅读其中的信息,一些需要修改其中的消息。阅读者可以同时访问数据集,而写入者只能互斥的访问数据集,不能与任何的进程一起访问数据区。有五个哲学家围坐在一圆桌旁,桌中央有一盘通心粉,每人面前有一只空盘子,每两人之间放一只筷子每个哲学家的行为是思考,感到饥饿,然后吃通心粉.为了吃通心粉,每个哲学家必须拿到两只筷子,并且每个人只能直接从自己的左边或右边去取筷子。 有一个公用的数据集,有很多人需要访问,其中一些需要阅读其中的信息,一些需要修改其中的消息。阅读者可以同时访问数据集,而写入者只能互斥的访问数据集,不能与任何的进程一起访问数据区。5 1284浏览会员免费
- 基于pytorch的UNet分割网络demo实现,及训练自己的数据集。包括对相关报错的分析。收集了几个比较好的前辈的网址。2 6209浏览会员免费
- svm大小:8KBSVM支持向量机分类鸢尾花数据集iris及代码,数据集有Excel、data、txt文件格式,代码有data、txt格式演示SVM支持向量机分类鸢尾花数据集iris及代码,数据集有Excel、data、txt文件格式,代码有data、txt格式演示1 6399浏览会员免费
- UDS大小:5MB良心贡献 良心贡献 质量保证 只需2个积分,希望好评! ISO 14229 最全协议-全部协议 国际标准2013版UDS ISO 14229 最全协议-全部协议 国际标准2013版UDS ISO 14229 最全协议-全部协议 国际标准2013版UDS ISO 14229 最全协议-全部协议 国际标准2013版UDS ISO 14229 最全协议-全部协议 国际标准2013版UDS ISO 14229 最全协议-全部协议 国际标准2013版UDS ISO 14229 最全协议-全部协议 国际标准2013版UDS ISO 14229 最全协议-全部协议 国际标准2013版UDS ISO 14229 最全协议-全部协议 国际标准2013版UDS ISO 14229 最全协议-全部协议 国际标准2013版UDS ISO 14229 最全协议-全部协议 国际标准2013版UDS ISO 14229 最全协议-全部协议 国际标准2013版UDS ISO 14229 最全协议-全部协议 国际标准2013版UDS I良心贡献 良心贡献 质量保证 只需2个积分,希望好评! ISO 14229 最全协议-全部协议 国际标准2013版UDS ISO 14229 最全协议-全部协议 国际标准2013版UDS ISO 14229 最全协议-全部协议 国际标准2013版UDS ISO 14229 最全协议-全部协议 国际标准2013版UDS ISO 14229 最全协议-全部协议 国际标准2013版UDS ISO 14229 最全协议-全部协议 国际标准2013版UDS ISO 14229 最全协议-全部协议 国际标准2013版UDS ISO 14229 最全协议-全部协议 国际标准2013版UDS ISO 14229 最全协议-全部协议 国际标准2013版UDS ISO 14229 最全协议-全部协议 国际标准2013版UDS ISO 14229 最全协议-全部协议 国际标准2013版UDS ISO 14229 最全协议-全部协议 国际标准2013版UDS ISO 14229 最全协议-全部协议 国际标准2013版UDS I3 1407浏览会员免费
- 充电桩海外标准大小:6MB充电桩海外标准,part-1,定义充电桩通用信息和用例定义,part-2 网络和应用层协议定义充电桩海外标准,part-1,定义充电桩通用信息和用例定义,part-2 网络和应用层协议定义4 1723浏览会员免费
- unet,u-net,语义分割,图像分割,kaggle,深度学习,keras,计算机视觉,人工智能大小:6MBU-Net是一种基于深度学习的图像语义分割方法,尤其在医学图像分割中表现优异。 本课程将手把手地教大家使用labelme图像标注工具制作自己的数据集,生成Mask图像,并使用U-Net训练自己的数据集,从而能开展自己的图像分割应用。 本课程有三个项目实践: (1) Kaggle盐体识别比赛 :利用U-Net进行Kaggle盐体识别 (2) Pothole语义分割:对汽车行驶场景中的路坑进行标注和语义分割 (3) Kaggle细胞核分割比赛 :利用U-Net进行Kaggle细胞核分割 本课程使用keras版本的U-Net,在Ubuntu系统上用Jupyter Notebook做项目演示。 包括:数据集标注、数据集格式转换和Mask图像生成、编写U-Net程序文件、训练自己的数据集、测试训练出的网络模型、性能评估。 本课程提供项目的数据集和Python程序文件。U-Net是一种基于深度学习的图像语义分割方法,尤其在医学图像分割中表现优异。 本课程将手把手地教大家使用labelme图像标注工具制作自己的数据集,生成Mask图像,并使用U-Net训练自己的数据集,从而能开展自己的图像分割应用。 本课程有三个项目实践: (1) Kaggle盐体识别比赛 :利用U-Net进行Kaggle盐体识别 (2) Pothole语义分割:对汽车行驶场景中的路坑进行标注和语义分割 (3) Kaggle细胞核分割比赛 :利用U-Net进行Kaggle细胞核分割 本课程使用keras版本的U-Net,在Ubuntu系统上用Jupyter Notebook做项目演示。 包括:数据集标注、数据集格式转换和Mask图像生成、编写U-Net程序文件、训练自己的数据集、测试训练出的网络模型、性能评估。 本课程提供项目的数据集和Python程序文件。5 6953浏览会员免费
- caffe大小:24MB数据分成了训练集(60000张共10类)和测试集(共10000张10类),每个类别放在一个单独的文件夹里。并且将所有的图片,都生成了txt列表清单(train.txt和test.txt)。数据分成了训练集(60000张共10类)和测试集(共10000张10类),每个类别放在一个单独的文件夹里。并且将所有的图片,都生成了txt列表清单(train.txt和test.txt)。4 959浏览会员免费
- GAN大小:110MB初学者入门GAN最好的代码。代码非常简单,下载好数据集后全部可以运行,几乎包括之前所有主流的30多个GAN代码,方便快速上手。初学者入门GAN最好的代码。代码非常简单,下载好数据集后全部可以运行,几乎包括之前所有主流的30多个GAN代码,方便快速上手。5 4791浏览会员免费
- python大小:13MB利用python爬取飞猪网站获取全国景点的数据。 包含字段:序号(id),景点标题(title),封面图(picUrl),销量(sold),价格(price),对应飞猪网站的地址(url),景点城市(city)利用python爬取飞猪网站获取全国景点的数据。 包含字段:序号(id),景点标题(title),封面图(picUrl),销量(sold),价格(price),对应飞猪网站的地址(url),景点城市(city)2 3696浏览会员免费
- 数据集大小:7MBImageNet is provided by Standford University.本数据集由斯坦福大学提供。 imagenet_ILSVRC2017_datasets.zipImageNet is provided by Standford University.本数据集由斯坦福大学提供。 imagenet_ILSVRC2017_datasets.zip1 4334浏览会员免费
- 计算机大小:5KB鸢尾花数据集鸢尾花数据集5 5466浏览会员免费
- 最小二乘大小:1MB该工具箱主要用于商业用Matlab软件包使用。Matlab的工具箱已经在不同的计算机体系结构编译和测试,包括Linux和Windows。大部分函数可以处理的数据集可高达20,000或更多点的数据。LS- SVMlab对Matlab接口包括一个适合初学者的基本版本,以及一个多类编码技术和贝叶斯框架的更先进的版本。该工具箱主要用于商业用Matlab软件包使用。Matlab的工具箱已经在不同的计算机体系结构编译和测试,包括Linux和Windows。大部分函数可以处理的数据集可高达20,000或更多点的数据。LS- SVMlab对Matlab接口包括一个适合初学者的基本版本,以及一个多类编码技术和贝叶斯框架的更先进的版本。0 2863浏览会员免费
- 7Z大小:18MB充电桩欧标美标标准-IEC-61851-1-21-22-23-24和ISO15118充电桩欧标美标标准-IEC-61851-1-21-22-23-24和ISO151185 1715浏览会员免费
- 朴素贝叶斯大小:1MB朴素贝叶斯对tic-tac-toe游戏结果数据集进行分类预测,正确率67.7%. 绝对完美的界面设计! 绝对完整的测试数据+源码+可执行文件+用户手册+详细设计文档!!! 还有小小游戏可以玩儿!!!朴素贝叶斯对tic-tac-toe游戏结果数据集进行分类预测,正确率67.7%. 绝对完美的界面设计! 绝对完整的测试数据+源码+可执行文件+用户手册+详细设计文档!!! 还有小小游戏可以玩儿!!!5 234浏览会员免费
- hbase大小:880KBhbase是一个开源的数据库,主要用于大数据集的分布式存储,本身是hadoop的一个子项目,区分于传统的数据库,它是按列存储的hbase是一个开源的数据库,主要用于大数据集的分布式存储,本身是hadoop的一个子项目,区分于传统的数据库,它是按列存储的5 78浏览会员免费
- 主要介绍了python KNN算法实现鸢尾花数据集分类,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0 1w+浏览会员免费
- 高光谱数据大小:6MBIndian pines印第安农场高光谱数据集,波段数200,数据大小145*145*200。Indian pines印第安农场高光谱数据集,波段数200,数据大小145*145*200。4 3570浏览会员免费
- webMethods是时下欧洲比较流行的EDI开发集成平台,国内比较少用到。 webMethods现在还没有一份中文文档可供参考的,有的话也估计是一些企业内部总结或者翻译的一些文档,不对外。所以这可能是第一篇了。5 1085浏览会员免费
- 1. 九八年秋季试题 5 1.1. 概念题 5 1.1.1. 比较半连接方法和枚举法的优缺点。 5 1.1.2. 2PL协议的基本思想。 5 1.1.3. WAL协议的主要思想。 5 1.1.4. SSPARC三级模式体系结构。 5 1.1.5. 设计OID的数据结构时应考虑哪些问题。 6 1.2. 某个大学中有若干系,且每个系有若干个班级和教研室,每个教研室有若干个教员,其中教授、副教授每个人带若干名研究生。每个班有若干名学生,每个学生可选修若干门课程,每门课程可由若干学生选修。完成下列各种要求: 6 1.3. 下面是某学院的一个学生档案数据库的全局模式: 7 1.3.1. 将全局模式进行分片,写出分片定义和分片条件。 7 1.3.2. 指出各分片的类型,并画出分片树。 8 1.3.3. 假设要求查询系号为1的所有学生的姓名和成绩,写出在全局模式上的SQL查询语句,并要求转换成相应的关系代数表示,画出全局查询树,请依次进行全局优化和分片优化,画出优化后的查询树。要求给出优化变换过程。 8 1.4. 设数据项x,y存放在S1场地,u,v存放在S2场地,有分布式事务T1和T2,T1在S1场地的操作为R1(x)W1(x)R1(y)W1(y),T2在S1场地的操作为R2(x)R2(y)W2(y);T1在S2场地上的操作作为R1(u)R1(v)W1(u),T2在S2场地上的操作作为W2(u)R2(v)W2(v)。对下述2种情况,各举一种可能的局部历程(H1和H2),并说明理由。 9 1.4.1. 局部分别是可串行化,而全局是不可串行化的 9 1.4.2. 局部和全局都是可串行化的。要求按照严格的2PL协议,加上适当的加锁和解锁命令,(注意,用rl(x)表示加读锁,wl(x)表示加对x加写锁,ul(x)表示解锁) 9 1.5. 试述面向对象的数据库系统中页面服务器和对象服务器两种Client/Server体系结构的主要特点, 10 2. 九九年春季试题 10 2.1. DBMS解决了信息处理技术中的哪些挑战? 10 2.2. 在关系数据库应用设计中,为什么要对数据库模式进行规范化? 10 2.3. 简述ACID特性。 11 2.4. 长事务处理有哪些特性,如何解决? 12 2.5. 数据库系统体系结构有哪几类,每种类型的特点是什么,关键技术有哪些? 12 2.6. 决策支持类应用与OLTP应用对于数据库系统的要求有哪些不同,支持前者的关键技术有哪些,并简述之。 12 2.7. 面向对象的数据库是如何产生的,其基本原理是什么?有哪些创新特性? 13 2.8. r r 一定等于r r 吗?在什么条件下r r = r r 成立? 14 2.9. 为了设计一个健壮的分布式系统,你必须知道可能发生哪种类型的失败。 14 2.9.1. 请列出在分布式系统中可能的失败类型: 14 2.9.2. 在你列出的失败类型中,哪些也可能发生在集中式系统中? 14 2.9.3. 对于每一种失败类型,在失败发生情况下,两段提交机制如何保证事务的原子性? 14 3. 九九年秋季试题 14 3.1. 问答题 14 3.1.1. 分布式数据库系统在系统结构、模式结构、功能模块等方面有何特点? 14 3.1.2. 给出两种2PL协议,并比较它们的优点缺点? 14 3.1.3. 解释为什么对象类的多继承存在二义性,并通过例子加以说明。 15 3.1.4. 对于下述情况,哪种并行性(查询间并行性、操作间并行性、操作内并行性)有助于正加系统的吞吐量: 15 3.2. 下面是某个公司人事数据库的两个全局关系 15 3.2.1. 将全局模式进行分片,写出分片定义和分片条件。 15 3.2.2. 指出各分片的类型,并画出分片树 15 3.2.3. 进行全局优化,画出优化后的全局查询树。 16 3.2.4. 进行分片优化,画出优化后的分片查询树。 16 3.3. 对3个关系R,S和T的分布式连接,已知有如下的剖视图: 19 3.3.1. 按照SDD-1半连接优化算法,逐步求出半连接优化集和最终执行场地; 19 3.3.2. 对以上结果做相应的优化处理。 23 3.4. 用下面的关键字值的集合构造一颗B+树:(2,3,5,7,11,17,19,23,29,31)。假定树开始是空的,且关键字的值是以升序插入到B+树中去的,B+树每个节点中含的指针数为4。 24 3.5. 考虑关系r (A,B,C),r (C,D,E),r (E,F),假设不存在主关键字。设V(C, r )=900, 24 3.6. 假设一个存储块中仅能存放一个记录且在内存中最多只有三个页框。请 出在排序合并算法中每遍形成的Runs,排序属性为第一个属性:(kangaroo,17),(wallaby,21),(emu,1),(wombat,13),(platypus,3),(lion,8),(warthg,4),(zebra,11),(meerkat,6),(hornbill,2),(baboon,12)。 24 4. 二零年春季试题 24 4.1. 24 4.1.1. 分布库管理系统有哪些主要功能模块及其作用. 24 4.1.2. 半连接方法和枚举法各适用于何种查询优化情况. 25 4.1.3. 分布式事务有哪些基本性质. 25 4.1.4. 什么是2PL协议 25 4.2. 下面是某个公司的人事关系数据库的全局模式: 25 4.2.1. 将全局模式进行分片,写出分片定义和分片条件。 26 4.2.2. 指出分片的类型,并画出分片树。 26 4.3. 对题4.2所确定的分片模式,要求查询级别高于“6”的所有职员的姓名和工资,写出的在全局模式上的SQL查询语句,并要求转换成相应的关系代数表示,画出全局查询树。 26 4.3.1. 进行全局优化,画出各步优化后的全局查询树。 26 4.3.2. 进行分片优化,画出各步优化后的分片查询树。 27 4.4. 下面是一个数据库系统出现故障是,日志文件中记录的信息; 27 4.4.1. 找出发生故障时系统中的活动事务,确定出反做和重做事务集。 27 4.4.2. 用C或其他语言定义出数据库记录(D记录)和检查点记录(K记录)的数据结构。 28 4.5. 设数据项x,y存放在S1场地,u,v存放在S2场地,有分布式事务T1和T2,T1在S1场地的操作为R1(x)W1(x)R1(y)W1(y),T2在S1场地的操作为R2(x)R2(y)W2(y);T1在S2场地上的操作作为R1(u)R1(v)W1(u),T2在S2场地上的操作作为W2(u)R2(v)W2(v)。对下述2种情况,各举一种可能的局部历程(H1和H2),并说明理由 28 4.5.1. 局部分别是可串行化,而全局是不可串行化的 28 4.5.2. 局部和全局都是可串行化的。 28 4.5.3. 要求按照严格的2PL协议,加上适当的加锁和解锁命令,(注意,用rl(x)表示加读锁,wl(x)表示加对x加写锁,ul(x)表示解锁) 28 5. 二零年秋试题 29 5.1. 概念题 29 5.1.1. 解释对象数据库系统中面向对象的相关概念 29 5.1.2. 从概念上比较对象数据库模型与对象关系模型 29 5.1.3. 利用左深树、右深树、浓密树来进行查询优化的各自特点 29 5.1.4. 试解释影响并行数据库系统中并行算法性能的三个因数 30 5.1.5. 简述用爬山算法进行查询优化的基本思想 30 5.2. 下面是某个公司一个人事关系数据库的全局模式: EMP={ENO*,ENAME,POSITION,PHONE} PAY={POSITION*,SALARY} ENO为职员号,POSITION为岗位。SALARY表示岗位对应的工资,*对应的属性表示主关键字。该公司分布在两个场地上,其中,在场地1经常处理所有职员数据,而场地2只处理工资低于1000的职员数据,为了节省磁盘空间和增大处理局部性: 30 5.2.1. 将以上全局关系进行分片设计,写出分片定义和分片条件。 30 5.2.2. 指出分片的类型,并画出分片树。 30 5.2.3. 给出分配设计。 31 5.3. 对题二所确定的分片模式,要求查询岗位为“salesman”的所有职员的姓名和工资,写出的在全局模式上的SQL查询语句,并要求转换成相应的关系代数表示,画出全局查询树。假设“salesman”的工资为800元。要求给出中间转换过程。 31 5.3.1. 进行全局优化,画出优化后的全局查询树。 31 5.3.2. 进行分片优化,画出优化后的分片查询树。 31 5.4. 按如下给出的条件,求出半连接优化计划和执行场地,并作后优化处理 32 5.5. 下面是当一个数据库系统出现故障时,日志文件中的信息 36 5.5.1. 画出对应的事务并发执行图。 37 5.5.2. 找出发生故障时系统中的活动事务,确定出反做和重做事务集。 37 5.5.3. 指出需要undo的和redo的数据记录。 37 5.6. 设数据项x,y存放在S1场地,u,v存放在S2场地,有分布式事务T1和T2。T1在S1场地的操作为R1(x)W1(x)R1(y)W1(y),T2在S1场地的操作为R2(x)R2(y)W2(y);T1在S2场地上的操作作为R1(u)R1(v)W1(u),T2在S2场地上的操作作为W2(u)R2(v)W2(v)。对下述2种情况,各举一种可能的局部历程(H1和H2),如果是可串行化的,指出事务的执行次序。对第3种情况,给出符合基本2PL协议的调度。(T1 加锁命令用L1(X)表示,开锁命令U1(X)表示。对任何数据的加锁可在事务开始后立即进行)。 38 5.6.1. 局部是不可串行化的。 38 5.6.2. 局部是可串行化的,而全局是不可串行化的。 38 5.6.3. 局部是可串行化的,全局也是可串行化的。 39 5.7. 设计一种满足下列要求的索引结构。 39 5.7.1. 被索引的数据集合为有序集 39 5.7.2. 在有序集上的查询操作都是基于位置来进行的 39 5.7.3. 当往有序集中插入或删除一个元素时,与该元素相关的后续元素的位置均要发生变化 39 5.7.4. 元素的类型可为任意类型(这一个小问题的解决需要考虑语言的特征) 39 6. 二零一春季试题 39 6.1. 39 6.1.1. 讨论集中式数据库和分布式数据库各自的优缺点。 39 6.1.2. 讨论在局域网和广域网两种情况下分布库设计的区别。 39 6.1.3. 解释分片透明性、复制透明性和位置透明性等三级透明性的区别。 39 6.1.4. 解释2PC协议如何在故障情况下保证事务的原子性的 40 6.1.5. 解释严格2PL协议与基本2PL协议的区别 40 6.2. 下面是某个公司一个人事关系数据库的全局模式: EMP={ENO*,ENAME,POSITION,PHONE} PAY={POSITION*,SALARY} ENO为职员号,POSITION为岗位。SALARY表示岗位对应的工资,*对应的属性表示主关键字。该公司分布在两个场地上,其中,在场地1经常处理所有职员数据,而场地2只处理工资低于1000的职员数据,为了节省磁盘空间和增大处理局部性: 41 6.2.1. 将以上全局关系进行分片设计,写出分片定义和分片条件。 41 6.2.2. 指出分片的类型,并画出分片树。 41 6.2.3. 给出分配设计。 41 6.3. 对题二所确定的分片模式,要求查询岗位为“salesman”的所有职员的姓名和工资,写出的在全局模式上的SQL查询语句,并要求转换成相应的关系代数表示,画出全局查询树。假设“salesman”的工资为1500元。要求给出中间转换过程。 41 6.3.1. 进行全局优化,画出优化后的全局查询树 42 6.3.2. 进行分片优化,画出优化后的分片查询树。 42 6.4. 下面是当一个数据库系统出现故障时,日志文件中的信息 43 6.4.1. 画出对应的事务并发执行图。 44 6.4.2. 找出发生故障时系统中的活动事务,确定出反做和重做事务集。 44 6.4.3. 指出需要undo的和redo的数据记录。 44 6.5. 设数据项x,y存放在S1场地,u,v存放在S2场地,有分布式事务T1和T2,T1在S1场地的操作为R1(x)W1(x)R1(y)W1(y),T2在S1场地的操作为R2(x)R2(y)W2(y);T1在S2场地上的操作作为R1(u)R1(v)W1(u),T2在S2场地上的操作作为W2(u)R2(v)W2(v)。对下述2种情况,各举一种可能的局部历程(H1和H2),如果是可串行化的,指出事务的执行次序。对第3种情况,给出符合基本2PL协议的调度。(T1 加锁命令用L1(X)表示,开锁命令U1(X)表示。对任何数据的加锁可在事务开始后立即进行)。 44 6.5.1. 局部是不可串行化的。 44 6.5.2. 局部是可串行化的,而全局是不可串行化的。 45 6.5.3. 局部是可串行化的,全局也是可串行化的。 455 1443浏览会员免费
- YOLO大小:979MB红绿灯数据集主要来自网络和自己拍摄,总共2000+张图片,图片均为国内红绿灯场景,覆盖晴天,阴天,雨天,低能见度天气等复杂场景,且均已标注。可用于深度学习,用于YOLOv5的训练,用于嵌入式比赛,使用YOLOv5s.pt,训练300轮,可达到较好检测效果。 红绿灯数据集主要来自网络和自己拍摄,总共2000+张图片,图片均为国内红绿灯场景,覆盖晴天,阴天,雨天,低能见度天气等复杂场景,且均已标注。可用于深度学习,用于YOLOv5的训练,用于嵌入式比赛,使用YOLOv5s.pt,训练300轮,可达到较好检测效果。 类别:green,red,yellow,none 类别:green,red,yellow,none红绿灯数据集主要来自网络和自己拍摄,总共2000+张图片,图片均为国内红绿灯场景,覆盖晴天,阴天,雨天,低能见度天气等复杂场景,且均已标注。可用于深度学习,用于YOLOv5的训练,用于嵌入式比赛,使用YOLOv5s.pt,训练300轮,可达到较好检测效果。 红绿灯数据集主要来自网络和自己拍摄,总共2000+张图片,图片均为国内红绿灯场景,覆盖晴天,阴天,雨天,低能见度天气等复杂场景,且均已标注。可用于深度学习,用于YOLOv5的训练,用于嵌入式比赛,使用YOLOv5s.pt,训练300轮,可达到较好检测效果。 类别:green,red,yellow,none 类别:green,red,yellow,none5 2343浏览会员免费
- 机器学习大小:1MB1.自编 Lasso 算法,求解方法不限(最小角度规划和快速迭代收缩阈值 FIST 或者其他),说明采用的是何种类型求解方法。2.基于波士顿房价数据集,采用自编 Lasso 算法预测波士顿房价。共 506 个样本,前一半样本作为训练集,后一半样本作为测试集。给出模型在 RMSE 指标上的表现。3. 使用 scikit-learn 实现的回归算法(至少 3 种)来预测波斯顿房价,并对比结果。1.自编 Lasso 算法,求解方法不限(最小角度规划和快速迭代收缩阈值 FIST 或者其他),说明采用的是何种类型求解方法。2.基于波士顿房价数据集,采用自编 Lasso 算法预测波士顿房价。共 506 个样本,前一半样本作为训练集,后一半样本作为测试集。给出模型在 RMSE 指标上的表现。3. 使用 scikit-learn 实现的回归算法(至少 3 种)来预测波斯顿房价,并对比结果。0 8805浏览会员免费
- CANAPE大小:3MBPPT中介绍的是CANAPE20.0,如何创建空白A2L文件,并通过ASAP2 Studio向A2L文件添加需要观察和标的定参数PPT中介绍的是CANAPE20.0,如何创建空白A2L文件,并通过ASAP2 Studio向A2L文件添加需要观察和标的定参数5 2609浏览会员免费
- 数据集大小:236MB超市商品数据集。可以做训练用超市商品数据集。超市商品数据集。可以做训练用超市商品数据集。2 3716浏览会员免费
- cheatengine大小:25MBcheatengine7.4.1官方源码编译 原版CE dbk32.sys dbk64.sys 修改版 ABIN32.sys ABIN64.sys 经过修改 测试完美可用 附加下断OKcheatengine7.4.1官方源码编译 原版CE dbk32.sys dbk64.sys 修改版 ABIN32.sys ABIN64.sys 经过修改 测试完美可用 附加下断OK5 5070浏览会员免费
- 本系统的主要功能是通过与数据库链接来实现教务信息、出勤信息、系统信息的管理功能。 本系统主要技术有: 1.数据库的建立和维护,采用SQL Server 2000来实现。 2.应用程序的开发,采用Delphi 7来实现。 3.系统的数据库连接,是采用ADO技术数据源连接方式; 4.数据库的具体操作,主要是在要使用数据库的界面使用了Adoconnection/AdoQuery、 AdoDatasource等数据集组件,并在此基础上对相应组件的属性、方法和事件进行了设置。本系统分为六个不同的界面: 用户登陆界面、系统主界面、出勤记录子界面、奖惩信息子界面、工资信息查看和查询子界面、用户信息管理子界面。5 568浏览会员免费
- karat大小:14KB可直接用pajek分析,或作为矩阵导入MATLAB使用。可直接用pajek分析,或作为矩阵导入MATLAB使用。2 1391浏览会员免费
- 数据库连接大小:4KBstring str=texuser.Text.ToString(); DataSet Dataset1 = new DataSet(); SqlConnection objConnect;//打开数据库连接 SqlDataAdapter objCommand= new SqlDataAdapter();//数据库命令 string strConnect;//定义数据库连接字符串 string strCommand=null;//定义数据库命令语句 // DataSet Dataset1 = new DataSet();//数据存放 //strConnect = "Data Source=.;Initial Catalog=web;Integrated Security=True"; strConnect = "Data Source=.;Initial Catalog=web;Integrated Security=True"; //连接数据库语句 objCommand.SelectCommand.Parameters.AddWithValue("@username", str); strCommand = "select username,password from users where username=@username";//数据库命令语句 objConnect = new SqlConnection(strConnect);//实例话 objCommand = new SqlDataAdapter(strCommand, objConnect);//连接数据库,并执行数据库命令 objCommand.Fill(Dataset1, "produce");//把数据库内容存放在数据集dataset1中,并更名user表中string str=texuser.Text.ToString(); DataSet Dataset1 = new DataSet(); SqlConnection objConnect;//打开数据库连接 SqlDataAdapter objCommand= new SqlDataAdapter();//数据库命令 string strConnect;//定义数据库连接字符串 string strCommand=null;//定义数据库命令语句 // DataSet Dataset1 = new DataSet();//数据存放 //strConnect = "Data Source=.;Initial Catalog=web;Integrated Security=True"; strConnect = "Data Source=.;Initial Catalog=web;Integrated Security=True"; //连接数据库语句 objCommand.SelectCommand.Parameters.AddWithValue("@username", str); strCommand = "select username,password from users where username=@username";//数据库命令语句 objConnect = new SqlConnection(strConnect);//实例话 objCommand = new SqlDataAdapter(strCommand, objConnect);//连接数据库,并执行数据库命令 objCommand.Fill(Dataset1, "produce");//把数据库内容存放在数据集dataset1中,并更名user表中4 109浏览会员免费
- 美国高速公路车辆驾驶行为轨迹数据集,包含了US101的txt和全部的csv文件,需要自取,可作标定车辆驾驶行为参数,作驾驶模拟分析统计等用途。0 5695浏览会员免费
- 网站拷贝工具大小:2MB对比webcopy 工具,拷贝下来的站点文件不仅不干净,而且HTML里面的代码,很多都无关紧要,被混淆过的代码,这不是我们想要的代码,无疑会增加巨量的代码整理时间。 这是一款非常好用的网站拷贝工具,界面简单,拷贝下来的代码干净。对比webcopy 工具,拷贝下来的站点文件不仅不干净,而且HTML里面的代码,很多都无关紧要,被混淆过的代码,这不是我们想要的代码,无疑会增加巨量的代码整理时间。 这是一款非常好用的网站拷贝工具,界面简单,拷贝下来的代码干净。1 2849浏览会员免费
- 区划图大小:23MB全国五级行政区图到村级.kml全国五级行政区图到村级.kml1 2075浏览会员免费
- 交通拥堵大小:181KB针对城市道路交通拥堵预警问题,提出了一种基于深度学习的预测模型 。 通过归纳合并交通流参数 、 环境状态 、 时段等基础数据来构建交通流特征向量并确定四种预测状态 。 采用深度学习的自编码网络方法从无 标签数据集中学习获取可表征数据深层特征的隐层参数并生成新特征集 。 应用 Softmax 回归对有标签的新特征 集进行学习生成预测分类器,模型可对交通拥堵状况进行多态预测 。 通过仿真对比分析,预测模型具有较省略 特征学习的预测算法更好的预测性能,平均预测精度可达 85% 。针对城市道路交通拥堵预警问题,提出了一种基于深度学习的预测模型 。 通过归纳合并交通流参数 、 环境状态 、 时段等基础数据来构建交通流特征向量并确定四种预测状态 。 采用深度学习的自编码网络方法从无 标签数据集中学习获取可表征数据深层特征的隐层参数并生成新特征集 。 应用 Softmax 回归对有标签的新特征 集进行学习生成预测分类器,模型可对交通拥堵状况进行多态预测 。 通过仿真对比分析,预测模型具有较省略 特征学习的预测算法更好的预测性能,平均预测精度可达 85% 。3 1381浏览会员免费
- RAR大小:37MB可以通过Arcgis打开,全国人口空间分布公里网格数据是在全国分县人口统计数据的基础上,考虑人口-自然要素的地理分异规律,通过空间插值生成的1km*1km栅格数据,每个栅格的值为该平方公里的人口数。 该数据集打破县级/市级行政统计单元的限制,将社会经济数据展布到每个1平方公里的栅格上,为基于地理单元的资源生态环境分析评价,以及区域生态环境灾害的影响评价提供了更精细的数据基础。可以通过Arcgis打开,全国人口空间分布公里网格数据是在全国分县人口统计数据的基础上,考虑人口-自然要素的地理分异规律,通过空间插值生成的1km*1km栅格数据,每个栅格的值为该平方公里的人口数。 该数据集打破县级/市级行政统计单元的限制,将社会经济数据展布到每个1平方公里的栅格上,为基于地理单元的资源生态环境分析评价,以及区域生态环境灾害的影响评价提供了更精细的数据基础。4 1946浏览会员免费
- 计算机视觉大小:29MB本代码对应文献:Yingqian Wang, Jungang Yang, Yu Mo, Chao Xiao, and Wei An, "Disparity estimation for camera arrays using reliability guided disparity propagation," IEEE Access, vol. 6, no. 1, pp. 21840-21849, 2018. 本文采用了基于置信度传播优化的深度估计算法,在估计深度的同时评估置信度,并基于置信度对深度值进行优化,在稀疏化角度采样以及弱纹理场景中可以取得较好的结果。随代码附上的是本课题小组在实验室拍摄的布娃娃场景制成的数据集。本代码对应文献:Yingqian Wang, Jungang Yang, Yu Mo, Chao Xiao, and Wei An, "Disparity estimation for camera arrays using reliability guided disparity propagation," IEEE Access, vol. 6, no. 1, pp. 21840-21849, 2018. 本文采用了基于置信度传播优化的深度估计算法,在估计深度的同时评估置信度,并基于置信度对深度值进行优化,在稀疏化角度采样以及弱纹理场景中可以取得较好的结果。随代码附上的是本课题小组在实验室拍摄的布娃娃场景制成的数据集。5 1152浏览会员免费
- 语音数据经过预处理,提取特征参数,训练VQ模型,建立码本库,然后对测试数据集进行说话人识别,输出识别结果。0 1270浏览会员免费
- 数据清洗是提高数据集成数据质量的一个重要手段。提出了一种基于动态规则的数 据清洗方案AzszpClean,这种方法对各种清洗规则进行动态编译,将数据转换和数据清洗 两者结合起来,强化清洗过程的描述能力,同时采用规则队列的方式实现批量规则匹配。实 际应用表明,AzszpClean方法可以完成硬编码的功能,但具有更高的实现效率。5 1178浏览会员免费
- iec大小:13MB实现IEC61850 MMS客户端功能。 版本描述 > 增加定值项修改功能。 > 增加开关量遥控分合功能。 > 增加软压板投退功能。 > 增加定值区切换功能。 > 增加报文控制块实例号配置。 历史版本:1.0.0 > 数据集信息查询。 > 报文控制块自动注册。 > 变化信息日志显示. > 文件列表读取和文件下载。 > 中英文切换。实现IEC61850 MMS客户端功能。 版本描述 > 增加定值项修改功能。 > 增加开关量遥控分合功能。 > 增加软压板投退功能。 > 增加定值区切换功能。 > 增加报文控制块实例号配置。 历史版本:1.0.0 > 数据集信息查询。 > 报文控制块自动注册。 > 变化信息日志显示. > 文件列表读取和文件下载。 > 中英文切换。4 373浏览会员免费
- matlab大小:1MB数学建模+人口预测+matlab代码模型预测数学建模+人口预测+matlab代码模型预测0 7349浏览会员免费
- rrdtool大小:997KBRRDtool是指Round Robin Database 工具(环状数据库)。Round robin是一种处理定量数据、以及当前元素指针的技术。想象一个周边标有点的圆环--这些点就是时间存储的位置。从圆心画一条到圆周的某个点的箭头--这就是指针。就像我们在一个圆环上一样,没有起点和终点,你可以一直往下走下去。过来一段时间,所有可用的位置都会被用过,该循环过程会自动重用原来的位置。这样,数据集不会增大,并且不需要维护。RRDtool处理RRD数据库。它用向RRD数据库存储数据、从RRD数据库中提取数据.RRDtool是指Round Robin Database 工具(环状数据库)。Round robin是一种处理定量数据、以及当前元素指针的技术。想象一个周边标有点的圆环--这些点就是时间存储的位置。从圆心画一条到圆周的某个点的箭头--这就是指针。就像我们在一个圆环上一样,没有起点和终点,你可以一直往下走下去。过来一段时间,所有可用的位置都会被用过,该循环过程会自动重用原来的位置。这样,数据集不会增大,并且不需要维护。RRDtool处理RRD数据库。它用向RRD数据库存储数据、从RRD数据库中提取数据.5 82浏览会员免费
- 火车站大小:256KB全国火车站站点的数据 ,里面包含【站点名称】【,站点地址】,【铁路局】,【省】,【市】,【经纬度】全国火车站站点的数据 ,里面包含【站点名称】【,站点地址】,【铁路局】,【省】,【市】,【经纬度】1 2003浏览会员免费
- Epinions大小:27MB该数据集几乎包含了目前网络上流传的所有推荐系统数据集,包括Epinions,MovieLens,delicious,lastfm,YahooMusic,ml-100k,ml-latest-small等该数据集几乎包含了目前网络上流传的所有推荐系统数据集,包括Epinions,MovieLens,delicious,lastfm,YahooMusic,ml-100k,ml-latest-small等4 910浏览会员免费
- CADENCE大小:30MB全书144M,超清晰,分5卷 《Cadence高速电路板设计与仿真:原理图与PCB设计(第4版)》以Cadence Allegro SPB16.3为基础,从设计实践的角度出发,以具体电路为范例,由浅入深地详尽讲解元器件建库、原理图设计、布局、布线、规则设置、报告检查、底片文件输出、后处理等PCB设计的全过程,内容包括原理图输入及元器件数据集成管理环境的使用,中心库的开发,PCB设计工具的使用,以及后期电路设计需要掌握的各项技能等。无论是对前端设计开发(原理图设计),还是对PCB板级设计,PCB布线实体的架构,本书都有全面的讲解,极具参考和学习价值。《Cadence高速电路板设计与仿真》适合对PCB设计有一定基础的中、高级读者阅读,也可作为电子及相关专业PCB设计的培训用书。全书144M,超清晰,分5卷 《Cadence高速电路板设计与仿真:原理图与PCB设计(第4版)》以Cadence Allegro SPB16.3为基础,从设计实践的角度出发,以具体电路为范例,由浅入深地详尽讲解元器件建库、原理图设计、布局、布线、规则设置、报告检查、底片文件输出、后处理等PCB设计的全过程,内容包括原理图输入及元器件数据集成管理环境的使用,中心库的开发,PCB设计工具的使用,以及后期电路设计需要掌握的各项技能等。无论是对前端设计开发(原理图设计),还是对PCB板级设计,PCB布线实体的架构,本书都有全面的讲解,极具参考和学习价值。《Cadence高速电路板设计与仿真》适合对PCB设计有一定基础的中、高级读者阅读,也可作为电子及相关专业PCB设计的培训用书。5 0浏览会员免费
- 猫狗分类数据集大小:39MB资源包括12000张打过标签的数据,猫狗各6000张,可以用于分类网络的训练,上传备份,有需要的小伙伴根据需要进行下载。资源包括12000张打过标签的数据,猫狗各6000张,可以用于分类网络的训练,上传备份,有需要的小伙伴根据需要进行下载。1 2844浏览会员免费
- 交通物流大小:993MB100多套大数据可视化炫酷大屏Html5模板;包含行业:社区、物业、政务、交通、金融银行等,全网最新、最多,最全、最酷、最炫大数据可视化模板100多套大数据可视化炫酷大屏Html5模板;包含行业:社区、物业、政务、交通、金融银行等,全网最新、最多,最全、最酷、最炫大数据可视化模板5 1414浏览会员免费
- 社区发现大小:4KB用于社区发现算法测试的公共数据集,为football联赛数据集。大家公认数据集用于社区发现算法测试的公共数据集,为football联赛数据集。大家公认数据集3 1158浏览会员免费
- 评分信任稀疏大小:36MBlibrec使用的四大数据集filmtrust+ciao+Epinions+flixsterlibrec使用的四大数据集filmtrust+ciao+Epinions+flixster1 3574浏览会员免费
- Python开发-机器学习大小:705MBFruits-360: 包含水果和蔬菜的图像数据集Fruits-360: 包含水果和蔬菜的图像数据集4 3893浏览会员免费
- 预测分析模型大小:10MB预测分析模型 python与r语言实现 代码和数据集 来自官网 http://www.informit.com/promotions/modeling-techniques-in-predictive-analytics-with-python-141180 R programs were tested under R 3.1.1 on Mac OS 10.6.8. Python programs were tested under Enthought Canopy and Python 2.7 on Mac OS 10.6.8.预测分析模型 python与r语言实现 代码和数据集 来自官网 http://www.informit.com/promotions/modeling-techniques-in-predictive-analytics-with-python-141180 R programs were tested under R 3.1.1 on Mac OS 10.6.8. Python programs were tested under Enthought Canopy and Python 2.7 on Mac OS 10.6.8.0 938浏览会员免费
- tableau大小:38MB本书为tableau案例集的数据集,适合利用tableau进行数据分析的人士。配套的电子书也同时上传到cdsn本书为tableau案例集的数据集,适合利用tableau进行数据分析的人士。配套的电子书也同时上传到cdsn2 2651浏览会员免费
- 共享单车大小:113MB国内某共享单车数据集,内有两个csv文件,适合交通行业学生进行练手使用,科研价值或许不是很大,但是数据量不算小国内某共享单车数据集,内有两个csv文件,适合交通行业学生进行练手使用,科研价值或许不是很大,但是数据量不算小0 3396浏览会员免费
- 数学建模大小:3MB基于bp神经网络的矿石加工质量控制问题 摘要 本文主要研究温度等因素对矿石加工质量控制问题。提高矿石加工质量,对节约不可再生资源和能源,推动节能减排,助力“双碳”’目标的实现,具有重要的意义。 针对问题一,我们要实现在给定系统温度和原矿参数的情况下,预测可能性最大的产品的指标。由于在刚开始调温时,系统还未稳定,所以指标参数会有大幅度变化。因此我们要首先对附件一中的数据进行预处理,去除其中的不正常数据。同时,将系统一和系统二的温度,四个原矿参数作为输入,四个产品指标作为输出,利用bp神经网络训练它,用训练好的神经网络,来预测题目已知温度和原矿参数条件下的产品指标。最终得到结果为:80.9556、22.1783、10.6264、21.6435和78.3544、26.4780、13.5826、28.2638。 针对问题二,问题二与问题一的问法正好相反,要我们通过其他数据来预测系统一和系统二温度。也可以使用bp神经网络来求解。不同的是,问题二的模型应改为八输入二输出。最终得到的结果为:1757.2,389和1854.5,405.6。 针对问题三,同样可以采用BP神经网络预测模型来预测产基于bp神经网络的矿石加工质量控制问题 摘要 本文主要研究温度等因素对矿石加工质量控制问题。提高矿石加工质量,对节约不可再生资源和能源,推动节能减排,助力“双碳”’目标的实现,具有重要的意义。 针对问题一,我们要实现在给定系统温度和原矿参数的情况下,预测可能性最大的产品的指标。由于在刚开始调温时,系统还未稳定,所以指标参数会有大幅度变化。因此我们要首先对附件一中的数据进行预处理,去除其中的不正常数据。同时,将系统一和系统二的温度,四个原矿参数作为输入,四个产品指标作为输出,利用bp神经网络训练它,用训练好的神经网络,来预测题目已知温度和原矿参数条件下的产品指标。最终得到结果为:80.9556、22.1783、10.6264、21.6435和78.3544、26.4780、13.5826、28.2638。 针对问题二,问题二与问题一的问法正好相反,要我们通过其他数据来预测系统一和系统二温度。也可以使用bp神经网络来求解。不同的是,问题二的模型应改为八输入二输出。最终得到的结果为:1757.2,389和1854.5,405.6。 针对问题三,同样可以采用BP神经网络预测模型来预测产0 4807浏览会员免费
- spss大小:23MBspss教程和数据,里面有《spss从入门到精通》的教材和数据集,都是我练过的,大家放心下载。spss教程和数据,里面有《spss从入门到精通》的教材和数据集,都是我练过的,大家放心下载。5 1108浏览会员免费
- 数据安全大小:52MBWPA密码字典的合集,整合包含百家姓,常用密码,默认密码,北京手机号码等多个字典,整合为1个文件,方便直接在airocrack-ng中直接使用。 本次更新删除了小于8位的密码。 使用7z方式压缩,解压命令:7z e wpaDict.dict.7z 解压后大小为3.3G。WPA密码字典的合集,整合包含百家姓,常用密码,默认密码,北京手机号码等多个字典,整合为1个文件,方便直接在airocrack-ng中直接使用。 本次更新删除了小于8位的密码。 使用7z方式压缩,解压命令:7z e wpaDict.dict.7z 解压后大小为3.3G。4 318浏览会员免费
- 土地调查大小:53KB三调地类颜色标准lyr文件三调地类颜色标准lyr文件5 6201浏览会员免费
- 人脸检测大小:493MB首先用现有的人脸检测算法,直接对图像进行人脸检测,训练好的人脸分类权值文件last_one.h5已放到log文件夹下,然后将检测的每一个人脸,单独切割出来,进行是否戴口罩的二分类。先对图像中的人脸进行标注,包括了戴口罩的,和不带口罩的两个label的目标。佩戴口罩的人脸图片命名标记为mask_1,没有佩戴口罩的人脸图片为nomask_1,然后在数据集准备好之后可以利用train.py文件训练 ,效果与详解可以看bilibili视频:https://www.bilibili.com/video/BV1dZ4y1F7Po/首先用现有的人脸检测算法,直接对图像进行人脸检测,训练好的人脸分类权值文件last_one.h5已放到log文件夹下,然后将检测的每一个人脸,单独切割出来,进行是否戴口罩的二分类。先对图像中的人脸进行标注,包括了戴口罩的,和不带口罩的两个label的目标。佩戴口罩的人脸图片命名标记为mask_1,没有佩戴口罩的人脸图片为nomask_1,然后在数据集准备好之后可以利用train.py文件训练 ,效果与详解可以看bilibili视频:https://www.bilibili.com/video/BV1dZ4y1F7Po/0 5884浏览会员免费
- 空间参考(Spatial Reference)是GIS数据的骨骼框架,能够将我们的数据定位到相应的位置,为地图中的每一点提供准确的坐标。 在同一个地图上显示的地图数据的空间参考必须是一致的,如果两个图层的空间参考不一致,往往会导致两幅地图无法正确拼合,因此开发一个GIS系统时,为数据选择正确的空间参考非常重要。 在 ArcGIS 中,每个数据集都具有一个坐标系,该坐标系用于将数据集与通用坐标框架(如地图)内的其他地理数据图层集成。通过坐标系可在地图中集成数据集,以及执行各种集成的分析操作,例如叠加不同的源和坐标系中的数据图层。0 2426浏览会员免费
- yolov5,web,计算机视觉,部署,pytorch,人工智能,flask大小:4MBPyTorch版的YOLOv5是轻量而高性能的实时目标检测方法。利用YOLOv5训练完自己的数据集后,如何向大众展示并提供落地的服务呢? 本课程将提供相应的解决方案,具体讲述如何使用Web应用程序框架Flask进行YOLOv5的Web应用部署。用户可通过客户端浏览器上传图片,经服务器处理后返回图片检测数据并在浏览器中绘制检测结果。 本课程的YOLOv5使用ultralytics/yolov5,在Ubuntu系统上做项目演示,并提供在Windows系统上的部署方式文档。 本项目采取前后端分离的系统架构和开发方式,减少前后端的耦合。课程包括:YOLOv5的安装、 Flask的安装、YOLOv5的检测API接口python代码、 Flask的服务程序的python代码、前端html代码、CSS代码、Javascript代码、系统部署演示、生产系统部署建议等。 本人推出了有关YOLOv5目标检测的系列课程。请持续关注该系列的其它视频课程,包括: 《YOLOv5(PyTorch)目标检测实战:训练自己的数据集》 Ubuntu系统 https://edu.csdn.net/coursePyTorch版的YOLOv5是轻量而高性能的实时目标检测方法。利用YOLOv5训练完自己的数据集后,如何向大众展示并提供落地的服务呢? 本课程将提供相应的解决方案,具体讲述如何使用Web应用程序框架Flask进行YOLOv5的Web应用部署。用户可通过客户端浏览器上传图片,经服务器处理后返回图片检测数据并在浏览器中绘制检测结果。 本课程的YOLOv5使用ultralytics/yolov5,在Ubuntu系统上做项目演示,并提供在Windows系统上的部署方式文档。 本项目采取前后端分离的系统架构和开发方式,减少前后端的耦合。课程包括:YOLOv5的安装、 Flask的安装、YOLOv5的检测API接口python代码、 Flask的服务程序的python代码、前端html代码、CSS代码、Javascript代码、系统部署演示、生产系统部署建议等。 本人推出了有关YOLOv5目标检测的系列课程。请持续关注该系列的其它视频课程,包括: 《YOLOv5(PyTorch)目标检测实战:训练自己的数据集》 Ubuntu系统 https://edu.csdn.net/course1 5479浏览会员免费
- Python大小:15KBResNet_Attention(CBAM,SE) 官方说明: , 所需环境 Ubuntu20.04 GTX 1080Ti Python3.7 PyTorch 1.7.0 CUDA10.2 CuDNN7.0 使用方法(带有CIFAR10的trian) 该模型的主干是ResNet。 在我们的培训中,我们使用CIFAR10作为数据集。 # To train with Se python train_CIFAR10.py --prefix 4 --device 1 --epoch 160 --att_type se # To trian with CBAM python train_CIFAR10.py --prefix 5 --device 1 --epoch 160 --att_type cbam 验证结果 ResNet50(训练了160个时代)ACC@1=93.41% AResNet_Attention(CBAM,SE) 官方说明: , 所需环境 Ubuntu20.04 GTX 1080Ti Python3.7 PyTorch 1.7.0 CUDA10.2 CuDNN7.0 使用方法(带有CIFAR10的trian) 该模型的主干是ResNet。 在我们的培训中,我们使用CIFAR10作为数据集。 # To train with Se python train_CIFAR10.py --prefix 4 --device 1 --epoch 160 --att_type se # To trian with CBAM python train_CIFAR10.py --prefix 5 --device 1 --epoch 160 --att_type cbam 验证结果 ResNet50(训练了160个时代)ACC@1=93.41% A5 1w+浏览会员免费
- MATLAB大小:311B对NASA电池数据集中充放电循环的放电容量Capacity的MATLAB提取代码,以NASA_17293_BatteryAgingARC-FY08Q4中的B0005.mat为例对NASA电池数据集中充放电循环的放电容量Capacity的MATLAB提取代码,以NASA_17293_BatteryAgingARC-FY08Q4中的B0005.mat为例5 3380浏览会员免费