![](https://csdnimg.cn/release/downloadcmsfe/public/img/no-data.51c5211b.png)
![](https://csdnimg.cn/release/downloadcmsfe/public/img/good-course.ff455529.png)
- compat-libstdc++-33-3.2.3-72.el7.x86_64.rpmoracle大小:206KBcompat-libstdc++-33-3.2.3-72.el7.x86_64.rpmcompat-libstdc++-33-3.2.3-72.el7.x86_64.rpm
0 825浏览
会员免费 - pytorch-forecasting:使用PyTorch进行时间序列预测learning大小:3MB我们关于“ 文章介绍了该软件包,并提供了背景信息。 Pytorch Forecasting旨在通过神经网络简化实际案例和研究的最新时间序列预测。目标是为高级专业人员提供最大程度的灵活性,并为初学者提供合理的默认值的高级API。具体来说,该软件包提供了 一个时间序列数据集类,它抽象化处理变量转换,缺失值,随机子采样,多个历史记录长度等。 基本模型类,提供时间序列模型的基本训练,以及在张量板中的记录和通用可视化,例如实际与预测以及依存关系图 用于时间序列预测的多种神经网络体系结构已针对实际部署进行了增强,并具有内置的解释功能 多地平线时间序列指标 Ranger优化器,用于更快的模型训练 使用调整 该程序包基于构建,可以直接使用CPU,单个和多个GPU进行培训。 安装 如果您在Windows上工作,则需要先使用以下命令安装PyTorch: pip install torch -f https我们关于“ 文章介绍了该软件包,并提供了背景信息。 Pytorch Forecasting旨在通过神经网络简化实际案例和研究的最新时间序列预测。目标是为高级专业人员提供最大程度的灵活性,并为初学者提供合理的默认值的高级API。具体来说,该软件包提供了 一个时间序列数据集类,它抽象化处理变量转换,缺失值,随机子采样,多个历史记录长度等。 基本模型类,提供时间序列模型的基本训练,以及在张量板中的记录和通用可视化,例如实际与预测以及依存关系图 用于时间序列预测的多种神经网络体系结构已针对实际部署进行了增强,并具有内置的解释功能 多地平线时间序列指标 Ranger优化器,用于更快的模型训练 使用调整 该程序包基于构建,可以直接使用CPU,单个和多个GPU进行培训。 安装 如果您在Windows上工作,则需要先使用以下命令安装PyTorch: pip install torch -f https
5 5930浏览
会员免费 - Flash电子书Flash电子书大小:3MBFlash 是一种创作工具,设计人员和开发人员可使用它来创建演示文稿、应用程序和其它允许用户交互的内容。Flash 可以包含简单的动画、视频内容、复杂演示文稿和应用程序以及介于它们之间的任何内容。通常,使用 Flash 创作的各个内容单元称为应用程序,即使它们可能只是很简单的动画。您可以通过添加图片、声音、视频和特殊效果,构建包含丰富媒体的 Flash 应用程序。 Flash 特别适用于创建通过 Internet 提供的内容,因为它的文件非常小。Flash 是通过广泛使用矢量图形做到这一点的。与位图图形相比,矢量图形需要的内存和存储空间小很多,因为它们是以数学公式而不是大型数据集来表示的。位图图形之所以更大,是因为图像中的每个像素都需要一组单独的数据来表示。 要在 Flash 中构建应用程序,可以使用 Flash 绘图工具创建图形,并将其它媒体元素导入 Flash 文档。接下来,定义如何以及何时使用各个元素来创建设想中的应用程序。 在 Flash 中创作内容时,需要在 Flash 文档文件中工作。Flash 文档的文件扩展名为 .fla (FLA)。Flash 文档有四个主要部分: 舞台是在回放过程中显示图形、视频、按钮等内容的位置。在Flash 基础中将对舞台做详细介绍。 时间轴用来通知 Flash 显示图形和其它项目元素的时间,也可以使用时间轴指定舞台上各图形的分层顺序。位于较高图层中的图形显示在较低图层中的图形的上方。 库面板是 Flash 显示 Flash 文档中的媒体元素列表的位置。 ActionScript 代码可用来向文档中的媒体元素添加交互式内容。例如,可以添加代码以便用户在单击某按钮时显示一幅新图像,还可以使用 ActionScript 向应用程序添加逻辑。逻辑使应用程序能够根据用户的操作和其它情况采取不同的工作方式。Flash 包括两个版本的 ActionScript,可满足创作者的不同具体需要。有关编写 ActionScript 的详细信息,请参阅"帮助"面板中的"学习 Flash 中的 ActionScript 2.0"。 Flash 包含了许多种功能,如预置的拖放用户界面组件,可以轻松地将 ActionScript 添加到文档的内置行为,以及可以添加到媒体对象的特殊效果。这些功能使 Flash 不仅功能强大,而且易于使用。 完成 Flash 文档的创作后,可以使用"文件">"发布"命令发布它。这会创建文件的一个压缩版本,其扩展名为 .swf (SWF)。然后,就可以使用 Flash Player 在 Web 浏览器中播放 SWF 文件,或者将其作为独立的应用程序进行播放。有关 Flash Player 的介绍,请参阅关于 Flash Player。Flash 是一种创作工具,设计人员和开发人员可使用它来创建演示文稿、应用程序和其它允许用户交互的内容。Flash 可以包含简单的动画、视频内容、复杂演示文稿和应用程序以及介于它们之间的任何内容。通常,使用 Flash 创作的各个内容单元称为应用程序,即使它们可能只是很简单的动画。您可以通过添加图片、声音、视频和特殊效果,构建包含丰富媒体的 Flash 应用程序。 Flash 特别适用于创建通过 Internet 提供的内容,因为它的文件非常小。Flash 是通过广泛使用矢量图形做到这一点的。与位图图形相比,矢量图形需要的内存和存储空间小很多,因为它们是以数学公式而不是大型数据集来表示的。位图图形之所以更大,是因为图像中的每个像素都需要一组单独的数据来表示。 要在 Flash 中构建应用程序,可以使用 Flash 绘图工具创建图形,并将其它媒体元素导入 Flash 文档。接下来,定义如何以及何时使用各个元素来创建设想中的应用程序。 在 Flash 中创作内容时,需要在 Flash 文档文件中工作。Flash 文档的文件扩展名为 .fla (FLA)。Flash 文档有四个主要部分: 舞台是在回放过程中显示图形、视频、按钮等内容的位置。在Flash 基础中将对舞台做详细介绍。 时间轴用来通知 Flash 显示图形和其它项目元素的时间,也可以使用时间轴指定舞台上各图形的分层顺序。位于较高图层中的图形显示在较低图层中的图形的上方。 库面板是 Flash 显示 Flash 文档中的媒体元素列表的位置。 ActionScript 代码可用来向文档中的媒体元素添加交互式内容。例如,可以添加代码以便用户在单击某按钮时显示一幅新图像,还可以使用 ActionScript 向应用程序添加逻辑。逻辑使应用程序能够根据用户的操作和其它情况采取不同的工作方式。Flash 包括两个版本的 ActionScript,可满足创作者的不同具体需要。有关编写 ActionScript 的详细信息,请参阅"帮助"面板中的"学习 Flash 中的 ActionScript 2.0"。 Flash 包含了许多种功能,如预置的拖放用户界面组件,可以轻松地将 ActionScript 添加到文档的内置行为,以及可以添加到媒体对象的特殊效果。这些功能使 Flash 不仅功能强大,而且易于使用。 完成 Flash 文档的创作后,可以使用"文件">"发布"命令发布它。这会创建文件的一个压缩版本,其扩展名为 .swf (SWF)。然后,就可以使用 Flash Player 在 Web 浏览器中播放 SWF 文件,或者将其作为独立的应用程序进行播放。有关 Flash Player 的介绍,请参阅关于 Flash Player。
4 275浏览
会员免费 - Delicious Bookmarks数据集推荐系统大小:13MB用于推荐系统测试,好不容易在官网找到的.该数据集有13M,数据量丰富。用于推荐系统测试,好不容易在官网找到的.该数据集有13M,数据量丰富。
5 376浏览
会员免费 - 利用HAL库实现基于STM32+RN8302B的电压采集RN8302B大小:9MB内容概要:使用STM32F103RET6作为核心,控制RN8302B芯片,基本功能是测试C相电压,借此熟悉RN8302B的操作。 适合人群:具备一定编程基础,工作1-3年的研发人员 能学到什么:①stm32cubeide的使用;②stm32cubeimx如何对芯片STM32F103RCT6进行配置;③如何对printf进行重映射;④如何操作RN8302B芯片。 阅读建议:此资源以开发简单的交流电压采集功能来熟悉RN8302B的操作,其优点是①基于ST官方、正版、免费软件stm32cubeide开发的;②内置的stm32cubemx,引脚配置非常直观,移植非常方便,只需把控制引脚命名相同即可。 移植教程:https://blog.csdn.net/qq_35629563/article/details/126772062内容概要:使用STM32F103RET6作为核心,控制RN8302B芯片,基本功能是测试C相电压,借此熟悉RN8302B的操作。 适合人群:具备一定编程基础,工作1-3年的研发人员 能学到什么:①stm32cubeide的使用;②stm32cubeimx如何对芯片STM32F103RCT6进行配置;③如何对printf进行重映射;④如何操作RN8302B芯片。 阅读建议:此资源以开发简单的交流电压采集功能来熟悉RN8302B的操作,其优点是①基于ST官方、正版、免费软件stm32cubeide开发的;②内置的stm32cubemx,引脚配置非常直观,移植非常方便,只需把控制引脚命名相同即可。 移植教程:https://blog.csdn.net/qq_35629563/article/details/126772062
0 1314浏览
会员免费 - text-cnn:嵌入Word2vec词向量的CNN中文文本分类text-classification大小:16MB使用CNN和Word2vec进行文本分类 本文是参考gaussic大牛的“ text-classification-cnn-rnn”后,基于同样的数据集,嵌入词级别操作的CNN文本分类实验结果,gaussic大牛是基于字符级的;进行了第二版的更新:1。加入不同的卷积核; 2。加入正则化; 3。词唯一的中文或英文,删除掉文本中数字,符号等类型的词; 4。删除长度为1的词训练结果较第一版有所提升,验证集准确率从96.5%达到97.1%,测试准确率从96.7%达到97.2%。 本实验的主要目是为了探索基于Word2vec训练的词向量嵌入CNN后,对模型的影响,实验结果得到的模型在验证集达到97.1%使用CNN和Word2vec进行文本分类 本文是参考gaussic大牛的“ text-classification-cnn-rnn”后,基于同样的数据集,嵌入词级别操作的CNN文本分类实验结果,gaussic大牛是基于字符级的;进行了第二版的更新:1。加入不同的卷积核; 2。加入正则化; 3。词唯一的中文或英文,删除掉文本中数字,符号等类型的词; 4。删除长度为1的词训练结果较第一版有所提升,验证集准确率从96.5%达到97.1%,测试准确率从96.7%达到97.2%。 本实验的主要目是为了探索基于Word2vec训练的词向量嵌入CNN后,对模型的影响,实验结果得到的模型在验证集达到97.1%
5 3917浏览
会员免费 - Anomaly-Detection-KDD99-CNNLSTM:使用机器学习和深度学习的入侵检测系统系统开源大小:44KB异常检测-KDD99-CNNLSTM 这是一个使用三个模型开发的项目,用于对KDD99数据集上的倾斜数据包进行分类。 使用了三层:KNN,CNN + LSTM和随机森林分类器。 该项目是一个基于研究的项目,与单独使用任何给定模型相比,该模型在性能上均略有提高。 KDD'99数据集按原样使用,并且已作为项目源的一部分进行了预处理。 最终精度为0.97833。 单个模型的个体精度为: KNN:0.976835 CNN + LSTM:0.9667878 随机森林:0.96381378 主要思想是在相同的数据上训练3个不同的分类器模型。 然后,我们将所有这些模型用作单个整体学习模型(或中间的某个位置的投票分类器)。 系统中有2个主要层: 第一层具有KNN和CNN + LSTM。 他们一起工作,并提供2种不同的输出。 第二层具有随机森林分类器,以对来自上一层的所有冲突实例进行分类。异常检测-KDD99-CNNLSTM 这是一个使用三个模型开发的项目,用于对KDD99数据集上的倾斜数据包进行分类。 使用了三层:KNN,CNN + LSTM和随机森林分类器。 该项目是一个基于研究的项目,与单独使用任何给定模型相比,该模型在性能上均略有提高。 KDD'99数据集按原样使用,并且已作为项目源的一部分进行了预处理。 最终精度为0.97833。 单个模型的个体精度为: KNN:0.976835 CNN + LSTM:0.9667878 随机森林:0.96381378 主要思想是在相同的数据上训练3个不同的分类器模型。 然后,我们将所有这些模型用作单个整体学习模型(或中间的某个位置的投票分类器)。 系统中有2个主要层: 第一层具有KNN和CNN + LSTM。 他们一起工作,并提供2种不同的输出。 第二层具有随机森林分类器,以对来自上一层的所有冲突实例进行分类。
5 2018浏览
会员免费 - spark 入门学习教程spark大小:32MBSpark是加州大学伯克利分校AMP实验室(Algorithms, Machines, and People Lab)开发通用内存并行计算框架。Spark在2013年6月进入Apache成为孵化项目,8个月后成为Apache顶级项目,速度之快足见过人之处,Spark以其先进的设计理念,迅速成为社区的热门项目,围绕着Spark推出了Spark SQL、Spark Streaming、MLLib和GraphX等组件,也就是BDAS(伯克利数据分析栈),这些组件逐渐形成大数据处理一站式解决平台。从各方面报道来看Spark抱负并非池鱼,而是希望替代Hadoop在大数据中的地位,成为大数据处理的主流标准,不过Spark还没有太多大项目的检验,离这个目标还有很大路要走。 Spark使用Scala语言进行实现,它是一种面向对象、函数式编程语言,能够像操作本地集合对象一样轻松地操作分布式数据集(Scala 提供一个称为 Actor 的并行模型,其中Actor通过它的收件箱来发送和接收非同步信息而不是共享数据,该方式被称为:Shared Nothing 模型)。在Spark官网上介绍,它具有运行速度快、易用性好、通用性强和随处运行等特点。Spark是加州大学伯克利分校AMP实验室(Algorithms, Machines, and People Lab)开发通用内存并行计算框架。Spark在2013年6月进入Apache成为孵化项目,8个月后成为Apache顶级项目,速度之快足见过人之处,Spark以其先进的设计理念,迅速成为社区的热门项目,围绕着Spark推出了Spark SQL、Spark Streaming、MLLib和GraphX等组件,也就是BDAS(伯克利数据分析栈),这些组件逐渐形成大数据处理一站式解决平台。从各方面报道来看Spark抱负并非池鱼,而是希望替代Hadoop在大数据中的地位,成为大数据处理的主流标准,不过Spark还没有太多大项目的检验,离这个目标还有很大路要走。 Spark使用Scala语言进行实现,它是一种面向对象、函数式编程语言,能够像操作本地集合对象一样轻松地操作分布式数据集(Scala 提供一个称为 Actor 的并行模型,其中Actor通过它的收件箱来发送和接收非同步信息而不是共享数据,该方式被称为:Shared Nothing 模型)。在Spark官网上介绍,它具有运行速度快、易用性好、通用性强和随处运行等特点。
4 275浏览
会员免费 - 2024系统分析师讲义知识点总结课程资源大小:23MB2024系统分析师讲义知识点总结.txt,软考系统分析师知识点总结,适用于2023年2024系统分析师讲义知识点总结.txt,软考系统分析师知识点总结,适用于2023年
5 774浏览
会员免费 - LED数码管0-9数据集.zip数码管大小:4MB利用OPENMV采集的LED数码管0-9数据集,每个数字200张左右72*130像素点的数据集,已经进行分类,可直接用于OPENMV的IDE进行训练训练,也可以用于其他方法的数据集利用OPENMV采集的LED数码管0-9数据集,每个数字200张左右72*130像素点的数据集,已经进行分类,可直接用于OPENMV的IDE进行训练训练,也可以用于其他方法的数据集
0 1863浏览
会员免费 - Human-Falling-Detect-Tracks:AlphaPose + ST-GCN + SORTpytorch大小:28MB人体跌倒检测与追踪 使用Tiny-YOLO oneclass检测帧中的每个人,并使用获取骨骼姿势,然后使用模型从每个人跟踪的每30帧中预测动作。 现在支持7种动作:站立,行走,坐着,躺下,站起来,坐下,跌倒。 先决条件 Python> 3.6 火炬> 1.3.1 原始测试运行在:i7-8750H CPU @ 2.20GHz x12,GeForce RTX 2070 8GB,CUDA 10.2 数据 该项目已经训练了一个新的Tiny-YOLO oneclass模型,以仅检测人的物体并减小模型的大小。 使用旋转增强的人员关键点数据集进行训练,以在各种角度姿势中更可靠地检测人员。 对于动作识别,使用来自跌倒检测数据集(,家庭)的数据,通过AlphaPose提取骨骼姿势,并手动标记每个动作帧,以训练ST-GCN模型。 预训练模型 Tiny-YOLO oneclass- , SPPE人体跌倒检测与追踪 使用Tiny-YOLO oneclass检测帧中的每个人,并使用获取骨骼姿势,然后使用模型从每个人跟踪的每30帧中预测动作。 现在支持7种动作:站立,行走,坐着,躺下,站起来,坐下,跌倒。 先决条件 Python> 3.6 火炬> 1.3.1 原始测试运行在:i7-8750H CPU @ 2.20GHz x12,GeForce RTX 2070 8GB,CUDA 10.2 数据 该项目已经训练了一个新的Tiny-YOLO oneclass模型,以仅检测人的物体并减小模型的大小。 使用旋转增强的人员关键点数据集进行训练,以在各种角度姿势中更可靠地检测人员。 对于动作识别,使用来自跌倒检测数据集(,家庭)的数据,通过AlphaPose提取骨骼姿势,并手动标记每个动作帧,以训练ST-GCN模型。 预训练模型 Tiny-YOLO oneclass- , SPPE
5 3058浏览
会员免费 - GCN_predict-Pytorch:交通流量预测。 用PyTorch实现图卷积网络附件源码大小:40MBGCN_predict-Pytorch 交通流量预测。 用PyTorch实现图卷积网络(GCN,GAT,Chebnet) 要求: -火炬 -脾气暴躁 -熊猫 -Matplotlib 数据集示例: 数据集由Caltrans绩效评估系统(PEMS-04)收集 数量:307个探测器 日期:2018年1月至2月(2018.1.1——2018.2.28) 特色:流动,占据,速度。 探索数据分析: 1,具有流量,占用和速度三个特点,一是对数据分布进行可视化分析 2.运行代码:python data_view.py 3)每个节点(检测器)都有三个特征,但是两个特征的数据分布基本上是固定的,因此我们只采用一维特征。 读取数据集: 在traffic_dataset.py文件中,get_adjacent_matrix和get_flow_data函数用于读取相邻的矩阵和流数据。 模型训练: 在traGCN_predict-Pytorch 交通流量预测。 用PyTorch实现图卷积网络(GCN,GAT,Chebnet) 要求: -火炬 -脾气暴躁 -熊猫 -Matplotlib 数据集示例: 数据集由Caltrans绩效评估系统(PEMS-04)收集 数量:307个探测器 日期:2018年1月至2月(2018.1.1——2018.2.28) 特色:流动,占据,速度。 探索数据分析: 1,具有流量,占用和速度三个特点,一是对数据分布进行可视化分析 2.运行代码:python data_view.py 3)每个节点(检测器)都有三个特征,但是两个特征的数据分布基本上是固定的,因此我们只采用一维特征。 读取数据集: 在traffic_dataset.py文件中,get_adjacent_matrix和get_flow_data函数用于读取相邻的矩阵和流数据。 模型训练: 在tra
0 3623浏览
会员免费 - ACNN:论文基于注意力机制的卷积神经网络模型源代码-源码网系统开源大小:13MB神经网络 论文基于注意力机制的卷积神经网络模型源代码 要求 python2.7 keras 2.0 斯克莱恩 麻木 keras后端= theano 论文中提出一种基于注意力机制的卷积神经网络模型 文件说明: 先生:电影评论数据集,分为两个文件,一个正向评论,一个负向评论。每个评论文件中每一行对应一条评论句con_att.py:模型的主要文件data_loader.py:数据加载与初步word_vectors.save:针对数据集生成的词向量文件 运行模型 模式接收两个参数:模式:最大音量内部:内部外部 运行ACNN-INNER:python con_atten.py注意内部运行ACNN-OUTER:python con_atten.py至少关注外部运行CNN:python con_atten.py max内部 自己运行需要修改的地方 将文件con_atten.py中第38,65行左右的神经网络 论文基于注意力机制的卷积神经网络模型源代码 要求 python2.7 keras 2.0 斯克莱恩 麻木 keras后端= theano 论文中提出一种基于注意力机制的卷积神经网络模型 文件说明: 先生:电影评论数据集,分为两个文件,一个正向评论,一个负向评论。每个评论文件中每一行对应一条评论句con_att.py:模型的主要文件data_loader.py:数据加载与初步word_vectors.save:针对数据集生成的词向量文件 运行模型 模式接收两个参数:模式:最大音量内部:内部外部 运行ACNN-INNER:python con_atten.py注意内部运行ACNN-OUTER:python con_atten.py至少关注外部运行CNN:python con_atten.py max内部 自己运行需要修改的地方 将文件con_atten.py中第38,65行左右的
0 3945浏览
会员免费 - 用于视频中自动暴力检测的数据集ZIP大小:1GB视频中自动暴力检测的数据集 该存储库包含350个分别标记为“非暴力”和“暴力”的视频剪辑,用于训练和测试用于检测视频中暴力的算法。 专门记录了非暴力剪辑,包括由于快速移动和与暴力行为的相似性而在暴力检测任务中导致误报的行为(拥抱,拍手,狂喜等)。 资料说明 数据集分为两个主要目录,“非暴力”和“暴力”,将包含的剪辑标记为分别显示非暴力行为和暴力行为。 violence-detection-dataset ├─ non-violent │ ├─ cam1 (60 .mp4 clips) │ └─ cam2 (60 .mp4 clips) └─ violent ├─ cam1 (115 .mp4 clips) └─ cam2 (115 .mp4 clips) 目录分为两个子目录“ cam1”和“ cam2”: “非暴力/ cam1”包括60视频中自动暴力检测的数据集 该存储库包含350个分别标记为“非暴力”和“暴力”的视频剪辑,用于训练和测试用于检测视频中暴力的算法。 专门记录了非暴力剪辑,包括由于快速移动和与暴力行为的相似性而在暴力检测任务中导致误报的行为(拥抱,拍手,狂喜等)。 资料说明 数据集分为两个主要目录,“非暴力”和“暴力”,将包含的剪辑标记为分别显示非暴力行为和暴力行为。 violence-detection-dataset ├─ non-violent │ ├─ cam1 (60 .mp4 clips) │ └─ cam2 (60 .mp4 clips) └─ violent ├─ cam1 (115 .mp4 clips) └─ cam2 (115 .mp4 clips) 目录分为两个子目录“ cam1”和“ cam2”: “非暴力/ cam1”包括60
1 2222浏览
会员免费 - UCF101 - Action Recognition Dataset行为识别数据集UCF101-数据集数据集大小:110KBUCF101 is provided by University of Central Florida.本数据集由中央佛罗里达大学提供。 UCF101_TrainTestSplits-DetectionTask_datasets.zip UCF101_TrainTestSplits-RecognitionTask_datasets.zipUCF101 is provided by University of Central Florida.本数据集由中央佛罗里达大学提供。 UCF101_TrainTestSplits-DetectionTask_datasets.zip UCF101_TrainTestSplits-RecognitionTask_datasets.zip
1 3978浏览
会员免费 - 17 机器学习案例——基于朴素贝叶斯算法的文本分类(垃圾邮件过滤)的数据集数据集大小:501KB机器学习案例——基于朴素贝叶斯算法的文本分类(垃圾邮件过滤)的数据集,见本人的这篇博客!!!这个资源是本人搜集的支撑数据包!机器学习案例——基于朴素贝叶斯算法的文本分类(垃圾邮件过滤)的数据集,见本人的这篇博客!!!这个资源是本人搜集的支撑数据包!
0 5513浏览
会员免费 - CEEMDAN MATLAB仿真程序源码matlab大小:210KBCEEMDAN MATLAB仿真程序源码CEEMDAN MATLAB仿真程序源码
5 1366浏览
会员免费 - PyTorch-CycleGAN:CycleGAN的清晰可读的Pytorch实现computer-vision大小:471KBpytorch-CycleGAN 一个清晰易读的CycleGAN的Pytorch实现( ) 先决条件 该代码旨在与Python 3.6.x ,尚未在以前的版本中进行过测试 按照的说明进行当前设置 在漂亮的Web浏览器视图中绘制损耗图并绘制图像 pip3 install visdom 训练 1.设置数据集 首先,您需要下载并设置数据集。 最简单的方法是使用UC Berkeley信息库中已经存在的数据集之一: ./download_dataset <dataset> 有效的<数据集名称>是:apple2orange,summer2winter_yosemite,horse2zebrpytorch-CycleGAN 一个清晰易读的CycleGAN的Pytorch实现( ) 先决条件 该代码旨在与Python 3.6.x ,尚未在以前的版本中进行过测试 按照的说明进行当前设置 在漂亮的Web浏览器视图中绘制损耗图并绘制图像 pip3 install visdom 训练 1.设置数据集 首先,您需要下载并设置数据集。 最简单的方法是使用UC Berkeley信息库中已经存在的数据集之一: ./download_dataset <dataset> 有效的<数据集名称>是:apple2orange,summer2winter_yosemite,horse2zebr
4 5411浏览
会员免费 - EGM2008全球重力异常数据文档资料大小:787MB天宝格式官网数据,格式为EGM08-1.GGF,可导入手簿使用,如需要局部区域可裁剪。天宝格式官网数据,格式为EGM08-1.GGF,可导入手簿使用,如需要局部区域可裁剪。
5 1402浏览
会员免费 - YOLOv5(PyTorch)实战:训练自己的数据集(Windows)yolov5,yolo,计算机视觉,目标检测,深度学习,pytorch,人工智能,windows大小:11MBYOLO系列是基于深度学习的端到端实时目标检测方法。 PyTorch版的YOLOv5轻量而性能高,更加灵活和便利。 本课程将手把手地教大家使用labelImg标注和使用YOLOv5训练自己的数据集。课程实战分为两个项目:单目标检测(足球目标检测)和多目标检测(足球和梅西同时检测)。 本课程的YOLOv5使用ultralytics/yolov5,在Windows系统上做项目演示。包括:安装YOLOv5、标注自己的数据集、准备自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型和性能统计。 希望学习Ubuntu上演示的同学,请前往 《YOLOv5(PyTorch)实战:训练自己的数据集(Ubuntu)》课程链接:https://edu.csdn.net/course/detail/30793 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/course/detail/30793 Windows系统 httpYOLO系列是基于深度学习的端到端实时目标检测方法。 PyTorch版的YOLOv5轻量而性能高,更加灵活和便利。 本课程将手把手地教大家使用labelImg标注和使用YOLOv5训练自己的数据集。课程实战分为两个项目:单目标检测(足球目标检测)和多目标检测(足球和梅西同时检测)。 本课程的YOLOv5使用ultralytics/yolov5,在Windows系统上做项目演示。包括:安装YOLOv5、标注自己的数据集、准备自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型和性能统计。 希望学习Ubuntu上演示的同学,请前往 《YOLOv5(PyTorch)实战:训练自己的数据集(Ubuntu)》课程链接:https://edu.csdn.net/course/detail/30793 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/course/detail/30793 Windows系统 http
2 3693浏览
会员免费 - 骑手头盔数据集(已标注)文档资料大小:391MB包含摩托车、电动车骑手头盔700+标注数据集数据集,VOC格式,可转成XML格式。包含摩托车、电动车骑手头盔700+标注数据集数据集,VOC格式,可转成XML格式。
1 2093浏览
会员免费 - 全球基站信息数据库(2022-05-05)数据库大小:113MB收录了全球范围内的基站信息,可通过 mcc,mnc,lac,cellid 信息获取基站定位,用于实现基于基站的定位能力。 (说明:收录的国内基站数目前还不太全)收录了全球范围内的基站信息,可通过 mcc,mnc,lac,cellid 信息获取基站定位,用于实现基于基站的定位能力。 (说明:收录的国内基站数目前还不太全)
0 1046浏览
会员免费 - 周立功CAN卡二次开发(Labview),支持PCI_CAN、USB_CAN、TCP_CAN等多种型号周立功CAN大小:397KB周立功CAN卡应用较为广泛,性能稳定,本资源提供一种labview环境下,更为简洁和实用的CAN卡应用案例,支持目前周立功绝大对数主流CAN卡,可通过INI文件进行CAN卡的离线配置,做二次程序开发时更为方便和简洁周立功CAN卡应用较为广泛,性能稳定,本资源提供一种labview环境下,更为简洁和实用的CAN卡应用案例,支持目前周立功绝大对数主流CAN卡,可通过INI文件进行CAN卡的离线配置,做二次程序开发时更为方便和简洁
3 1557浏览
会员免费 - kaggle平台bike-sharing竞赛数据集数据集大小:189KBkaggle平台bike-sharing竞赛的数据集。https://www.kaggle.com/c/bike-sharing-demandkaggle平台bike-sharing竞赛的数据集。https://www.kaggle.com/c/bike-sharing-demand
5 1768浏览
会员免费 - BERT-NER-Pytorch:使用BERT(Softmax,CRF,Span)的中文NER(命名实体识别)nlp大小:484KB使用Bert的中文NER BERT代表中文NER。 数据集列表 cner:数据集/ cner 主持人: : 型号清单 BERT + Softmax BERT + CRF BERT +跨度 需求 1.1.0 = <PyTorch <1.5.0 cuda = 9.0 python3.6 + 输入格式 输入格式(首选BIOS标记方案),每个字符的标签为一行。 句子用空行分隔。 美 B-LOC 国 I-LOC 的 O 华 B-PER 莱 I-PER 士 I-PER 我 O 跟 O 他 O 运行代码 在run_ner_xxx.py或run_ner_xxx.sh修改配置信息。 sh scripts/run_ner_xxx.sh 注意:模型的文件结构 ├── prev_trained_model | └── bert_base | | └── pytorch_model.bin | | └── config.json | | └── vocab.txt | | └── ...... CLUENER结果 BERT在dev上的整体性能: 准确性(实体) 召回(实使用Bert的中文NER BERT代表中文NER。 数据集列表 cner:数据集/ cner 主持人: : 型号清单 BERT + Softmax BERT + CRF BERT +跨度 需求 1.1.0 = <PyTorch <1.5.0 cuda = 9.0 python3.6 + 输入格式 输入格式(首选BIOS标记方案),每个字符的标签为一行。 句子用空行分隔。 美 B-LOC 国 I-LOC 的 O 华 B-PER 莱 I-PER 士 I-PER 我 O 跟 O 他 O 运行代码 在run_ner_xxx.py或run_ner_xxx.sh修改配置信息。 sh scripts/run_ner_xxx.sh 注意:模型的文件结构 ├── prev_trained_model | └── bert_base | | └── pytorch_model.bin | | └── config.json | | └── vocab.txt | | └── ...... CLUENER结果 BERT在dev上的整体性能: 准确性(实体) 召回(实
3 6318浏览
会员免费 - pytorch-cifar100:在cifar100上实践(ResNet,DenseNet,VGG,GoogleNet,InceptionV3,InceptionV4,Inception-ResNetv2,Xception,Resnet In Resnet,ResNext,ShuffleNet,ShuffleNetv2,MobileNet,MobileNetv2,SqueezeNet,NasNet,Residual Attention Network,SE WideResNet)deep-learning大小:45KB皮托奇·西法尔100 pytorch在cifar100上练习 要求 这是我的实验资料 python3.6 pytorch1.6.0 + cu101 张量板2.2.2(可选) 用法 1.输入目录 $ cd pytorch-cifar100 2.数据集 我将使用来自torchvision的cifar100数据集,因为它更方便,但我还将示例代码保留了用于在数据集文件夹中编写您自己的数据集模块的示例,以作为人们不知道如何编写它的示例。 3.运行tensorbard(可选) 安装张量板 $ pip install tensorboard $ mkdir runs Run tensorboard皮托奇·西法尔100 pytorch在cifar100上练习 要求 这是我的实验资料 python3.6 pytorch1.6.0 + cu101 张量板2.2.2(可选) 用法 1.输入目录 $ cd pytorch-cifar100 2.数据集 我将使用来自torchvision的cifar100数据集,因为它更方便,但我还将示例代码保留了用于在数据集文件夹中编写您自己的数据集模块的示例,以作为人们不知道如何编写它的示例。 3.运行tensorbard(可选) 安装张量板 $ pip install tensorboard $ mkdir runs Run tensorboard
0 5141浏览
会员免费 - RML2016.10a-数据集数据集大小:496MBThis is an open-source data set from deepsig.ai. AM-SSB.csv AM-DSB.csv BPSK.csv 8PSK.csv CPFSK.csv GFSK.csv PAM4.csv QAM16.csv QAM64.csv QPSK.csv WBFM.csvThis is an open-source data set from deepsig.ai. AM-SSB.csv AM-DSB.csv BPSK.csv 8PSK.csv CPFSK.csv GFSK.csv PAM4.csv QAM16.csv QAM64.csv QPSK.csv WBFM.csv
1 4504浏览
会员免费 - Cifar-10:使用Cifar-10数据集进行图像分类random-forest大小:163MB使用Cifar-10数据集进行图像分类 资料来源: 数据集下载: 抽象的: CIFAR-10数据集包含10个类别的60000个32x32彩色图像,每个类别6000个图像。 *有50000张训练图像和10000张测试图像。 数据集分为五个训练批次和一个测试批次,每个批次具有10000张图像。 测试批次包含每个类别中恰好1000个随机选择的图像。 训练批次按随机顺序包含其余图像,但是某些训练批次可能包含比另一类更多的图像。 在它们之间,培训批次包含每个班级的正好5000张图像。 这些是数据集中的类: 飞机 汽车 鸟 猫 鹿 狗 青蛙 马 船 卡车 这些类是完全互斥的。 即汽车和卡车之间没有重叠。 “汽车”包括轿车,越野车和类似的东西。 “卡车”仅包括大型卡车。 都不包括皮卡车。 方法 导入的数据集 分析数据 应用的PCA 使用随机森林进行预测 使用KNN进行预测 使用Logist使用Cifar-10数据集进行图像分类 资料来源: 数据集下载: 抽象的: CIFAR-10数据集包含10个类别的60000个32x32彩色图像,每个类别6000个图像。 *有50000张训练图像和10000张测试图像。 数据集分为五个训练批次和一个测试批次,每个批次具有10000张图像。 测试批次包含每个类别中恰好1000个随机选择的图像。 训练批次按随机顺序包含其余图像,但是某些训练批次可能包含比另一类更多的图像。 在它们之间,培训批次包含每个班级的正好5000张图像。 这些是数据集中的类: 飞机 汽车 鸟 猫 鹿 狗 青蛙 马 船 卡车 这些类是完全互斥的。 即汽车和卡车之间没有重叠。 “汽车”包括轿车,越野车和类似的东西。 “卡车”仅包括大型卡车。 都不包括皮卡车。 方法 导入的数据集 分析数据 应用的PCA 使用随机森林进行预测 使用KNN进行预测 使用Logist
0 4069浏览
会员免费 - RUIE水下图像数据集水下图像大小:57MB水下图像数据集Realworld-Underwater-Image-Enhancement-RUIE-Benchma,可以参考博文从github下载,此资源仅作备用下载水下图像数据集Realworld-Underwater-Image-Enhancement-RUIE-Benchma,可以参考博文从github下载,此资源仅作备用下载
0 3077浏览
会员免费 - fruits-classification-pytorch:基于CNN的深度学习的水果识别Python大小:422MBCNN(卷积神经网络)深度学习水果分类识别及应用 作者信息 姓名:朱帅 博客: Email: Github: 指导老师:方志伟 项目各文件夹说明 存放相关源代码和资源 存放用于训练的数据集,包括训练集和测试集 用于存放最终软件的编译结果和一些编译临时文件 用于存放生成的模型文件和数据标签 环境要求 模型训练/开发环境 操作系统:Windows / Linux / macOS 开发环境:Python3.7 开发语言:Python 依赖安装: pip3 install -r requirements.txt pip3 install pyinstaller 注:如果不想污染环境,建议新建一个虚拟环境 Pytorch 官方手册 URL: 开发 / 模型训练 / 构建 开发 请切换到 src 目录进行开发 模型的训练和测试 切换工作目录到 src 目录,执行如下指令 python traCNN(卷积神经网络)深度学习水果分类识别及应用 作者信息 姓名:朱帅 博客: Email: Github: 指导老师:方志伟 项目各文件夹说明 存放相关源代码和资源 存放用于训练的数据集,包括训练集和测试集 用于存放最终软件的编译结果和一些编译临时文件 用于存放生成的模型文件和数据标签 环境要求 模型训练/开发环境 操作系统:Windows / Linux / macOS 开发环境:Python3.7 开发语言:Python 依赖安装: pip3 install -r requirements.txt pip3 install pyinstaller 注:如果不想污染环境,建议新建一个虚拟环境 Pytorch 官方手册 URL: 开发 / 模型训练 / 构建 开发 请切换到 src 目录进行开发 模型的训练和测试 切换工作目录到 src 目录,执行如下指令 python tra
0 3898浏览
会员免费 - xhs-小红书数据采集python算法还原python大小:28KB可以实现ms级别数据抓取,用pyton还原x-s,x-common。封装了各大类型和接口、开箱既用。可以实现ms级别数据抓取,用pyton还原x-s,x-common。封装了各大类型和接口、开箱既用。
1 2460浏览
会员免费 - breast_cancer:sklearn乳腺癌数据集的机器学习练习Python大小:35KB乳腺癌 sklearn乳腺癌数据集的机器学习练习乳腺癌 sklearn乳腺癌数据集的机器学习练习
5 4916浏览
会员免费 - 广东省行政区域边界SHP数据SHP格式大小:706KB广东省行政区域边界SHP数据 说明:1.来自高德2021年5月数据 2.边界到区县一级 3.文件没有标注各级行政中心 4. 21个地级市的文件已经单独分开 5.是shp文件,需要JSON等其他数据请自行转换。广东省行政区域边界SHP数据 说明:1.来自高德2021年5月数据 2.边界到区县一级 3.文件没有标注各级行政中心 4. 21个地级市的文件已经单独分开 5.是shp文件,需要JSON等其他数据请自行转换。
3 2265浏览
会员免费 - Pytorch预测-使用PyTorch进行时间序列预测-Python开发Python大小:3MBPytorch Forecasting旨在通过神经网络简化实际案例和研究中的时间序列预测。 具体来说,该软件包提供了有关“迈向数据科学”的文章,介绍了该软件包并提供了背景信息。 Pytorch Forecasting旨在通过神经网络简化实际案例和研究中的时间序列预测。 具体来说,该软件包提供了一个时间序列数据集类,该类抽象了处理变量转换,缺失值,随机子采样,多个历史记录长度等的基础模型。基本模型类提供了时间序列模型的基本训练以及登录tensorboaPytorch Forecasting旨在通过神经网络简化实际案例和研究中的时间序列预测。 具体来说,该软件包提供了有关“迈向数据科学”的文章,介绍了该软件包并提供了背景信息。 Pytorch Forecasting旨在通过神经网络简化实际案例和研究中的时间序列预测。 具体来说,该软件包提供了一个时间序列数据集类,该类抽象了处理变量转换,缺失值,随机子采样,多个历史记录长度等的基础模型。基本模型类提供了时间序列模型的基本训练以及登录tensorboa
5 2738浏览
会员免费 - tsplib下载的tsp数据集tsp数据大小:2MBtsp数据集,从tsplib上下载的。可以直接使用,十分方便。tsp数据集,从tsplib上下载的。可以直接使用,十分方便。
0 1946浏览
会员免费 - 显著性检测数据集MSRA大小:3MB09cvpr frequency tuned 显著性检测论文提供的groundtruth map(取自MSRA数据集中的1000张图片)09cvpr frequency tuned 显著性检测论文提供的groundtruth map(取自MSRA数据集中的1000张图片)
4 159浏览
会员免费 - shapenetcore_partanno_segmentation_benchmark_v0_normal.zip数据集大小:674MB点云分割数据集,在学习论文《Relation-Shape Convolutional Neural Network for Point Cloud Analysis》时用到的数据集。点云分割数据集,在学习论文《Relation-Shape Convolutional Neural Network for Point Cloud Analysis》时用到的数据集。
0 1743浏览
会员免费 - MTConnectClientDemo.zipMTConnect大小:4MB适用于机床行业通信标准MTConnect的客户端软件。 基于MTConnect协议建立Adapter标准化数据并集成于Agent中,并向外界提供了统一的数据集成标准,客户端用于向Agent发出请求获得数据,并进行可视化显示。基于MTConnect标准协议可实现了对多个设备能耗监测的组网应用功能,对车间设备工作状态监测、任务调度、节能减耗以及装备的智能化升级具有重要工程价值和巨大应用前景。适用于机床行业通信标准MTConnect的客户端软件。 基于MTConnect协议建立Adapter标准化数据并集成于Agent中,并向外界提供了统一的数据集成标准,客户端用于向Agent发出请求获得数据,并进行可视化显示。基于MTConnect标准协议可实现了对多个设备能耗监测的组网应用功能,对车间设备工作状态监测、任务调度、节能减耗以及装备的智能化升级具有重要工程价值和巨大应用前景。
5 766浏览
会员免费 - (解压密码123)yolo-txt转coco-json工具.zipcoco大小:549KB这是一个小工具可以将yolo格式txt文件都转成json格式符合coco数据集格式小工具,软件解压密码为:123注意软件可能会被杀毒误报,没有病毒请放心使用。具体还可以参考这个视频教程:bilibili.com/video/BV1xw411Z7uF这是一个小工具可以将yolo格式txt文件都转成json格式符合coco数据集格式小工具,软件解压密码为:123注意软件可能会被杀毒误报,没有病毒请放心使用。具体还可以参考这个视频教程:bilibili.com/video/BV1xw411Z7uF
1 1472浏览
会员免费 - 康耐视读码器Dataman软件设置操作说明和官方手册中文版读码器大小:40MB包含了多个文档,是我自己真实项目做完收集下来的: COGNEX Dataman Setup Tool调试教程 ID初级培训_通信及DataMan软件介绍_V2.0 康耐视无线扫码枪8500和8600的具体详细操作和通讯设置 以及8600的官方详细手册,dataman网络通讯手册、软件设置工具手册、配置代码手册的谷歌英翻中文档包含了多个文档,是我自己真实项目做完收集下来的: COGNEX Dataman Setup Tool调试教程 ID初级培训_通信及DataMan软件介绍_V2.0 康耐视无线扫码枪8500和8600的具体详细操作和通讯设置 以及8600的官方详细手册,dataman网络通讯手册、软件设置工具手册、配置代码手册的谷歌英翻中文档
5 2649浏览
会员免费 - 无监督__生成模型.zip深度学习大小:21MB像素循环神经网络 Pixel recurrent neural networks (2016) 作者 A. Oord et al. 训练GANs的改善性技巧 Improved techniques for training GANs (2016) 作者T. Salimans et al. 摘要:近年来,利用卷积网络(CNN)的监督学习已经在计算机视觉应用中被广泛采用。 相比之下,使用CNN的无监督学习得到的关注较少。 在这项工作中,我们希望帮助弥合CNN的监督学习和无监督学习的成功之间的差距。 我们引入一类称为深层卷积生成对抗网络(DCGAN)的CNN,它们具有某些架构约束,已显示出它们是无监督学习的强有力的候选者。 对各种图像数据集的训练,我们展示了令人信服的证据,表明我们的深层卷积对抗组件从发生器和鉴别器中的对象到场景里面都学习了表征层次。此外,我们使用学习到的特性去完成新任务 – 这显示了它们像一般图像表征一样具有适用性。 使用深度卷积生成对抗网络进行无监督表征学习 Unsupervised representation learning with deep convolutional generative adversarial networks (2015) 作者A. Radford et al. DRAW:一个用于图像生成的循环神经网络 DRAW: A recurrent neural network for image generation (2015) 作者K. Gregor et al. 生成对抗网络 Generative adversarial nets (2014) 作者I. Goodfellow et al. 自编码变量贝叶斯 Auto-encoding variational Bayes (2013) 作者D. Kingma and M. Welling 用大规模无监督学习构建高水平特征 Building high-level features using large scale unsupervised learning (2013) 作者Q. Le et al.像素循环神经网络 Pixel recurrent neural networks (2016) 作者 A. Oord et al. 训练GANs的改善性技巧 Improved techniques for training GANs (2016) 作者T. Salimans et al. 摘要:近年来,利用卷积网络(CNN)的监督学习已经在计算机视觉应用中被广泛采用。 相比之下,使用CNN的无监督学习得到的关注较少。 在这项工作中,我们希望帮助弥合CNN的监督学习和无监督学习的成功之间的差距。 我们引入一类称为深层卷积生成对抗网络(DCGAN)的CNN,它们具有某些架构约束,已显示出它们是无监督学习的强有力的候选者。 对各种图像数据集的训练,我们展示了令人信服的证据,表明我们的深层卷积对抗组件从发生器和鉴别器中的对象到场景里面都学习了表征层次。此外,我们使用学习到的特性去完成新任务 – 这显示了它们像一般图像表征一样具有适用性。 使用深度卷积生成对抗网络进行无监督表征学习 Unsupervised representation learning with deep convolutional generative adversarial networks (2015) 作者A. Radford et al. DRAW:一个用于图像生成的循环神经网络 DRAW: A recurrent neural network for image generation (2015) 作者K. Gregor et al. 生成对抗网络 Generative adversarial nets (2014) 作者I. Goodfellow et al. 自编码变量贝叶斯 Auto-encoding variational Bayes (2013) 作者D. Kingma and M. Welling 用大规模无监督学习构建高水平特征 Building high-level features using large scale unsupervised learning (2013) 作者Q. Le et al.
0 191浏览
会员免费 - 投票系统(源码+论文+开题报告)ZIP大小:3MB前 言 第一章 系统需求分享 1.1功能需求分析 1.2 用户特点 1.3 对性能的眼球与约束 1.4 网站硬件环境 1.5软件环境 1.6网站开发语言 1.7系统开发工具的选择 第二章 系统分析与概要设计 2.1 系统开发的理由 2.2 设计的思路 第三章 系统模块及功能说明 3.1 苹果投票系统的组成模块 3.2客户模块 3.3新闻模块 3.4留言簿模块 3.5管理员模块 3.6登陆注册模块 3.7投票模块 第四章 数据库设计 4.1数据集表 4.2数据库功能及约束 4.3 E-R图 第五章 系统详细设计 5.1登陆注册模块详细设计 5.2投票模块详细设计 5.3新闻模块详细设计 5.4留言簿模块详细设计 5.5管理员模块详细设计 5.6客户模块设计 第六章 测试报告 第七章 网站不足之处 总结 参考文献 谢 辞前 言 第一章 系统需求分享 1.1功能需求分析 1.2 用户特点 1.3 对性能的眼球与约束 1.4 网站硬件环境 1.5软件环境 1.6网站开发语言 1.7系统开发工具的选择 第二章 系统分析与概要设计 2.1 系统开发的理由 2.2 设计的思路 第三章 系统模块及功能说明 3.1 苹果投票系统的组成模块 3.2客户模块 3.3新闻模块 3.4留言簿模块 3.5管理员模块 3.6登陆注册模块 3.7投票模块 第四章 数据库设计 4.1数据集表 4.2数据库功能及约束 4.3 E-R图 第五章 系统详细设计 5.1登陆注册模块详细设计 5.2投票模块详细设计 5.3新闻模块详细设计 5.4留言簿模块详细设计 5.5管理员模块详细设计 5.6客户模块设计 第六章 测试报告 第七章 网站不足之处 总结 参考文献 谢 辞
5 585浏览
会员免费 - 5种分类花卉识别数据集数据集大小:131MB网上的4000多张的五分类花卉,里面很多图片不满意,甚至玫瑰组里全是月季,我手动去除了不满意的图片,留下了2671张,包括了数据集txt文件,上传在这里提供给大家用。网上的4000多张的五分类花卉,里面很多图片不满意,甚至玫瑰组里全是月季,我手动去除了不满意的图片,留下了2671张,包括了数据集txt文件,上传在这里提供给大家用。
0 3548浏览
会员免费 - 基于卷积神经网络的人脸识别系统.zip卷积神经网络大小:23MB该程序代码是基于Python3.5开发的,程序代码中包括制作人脸数据集faces_my.py文件,自动打开电脑上的摄像头实时捕捉人脸保存,并保存到指定目录下,可以在程序中设置人脸数据集的大小,初始数据集是10000张人脸图片。人脸大小指定为64*64像素大小,方便后面神经网络的训练。经过模型训练后,该人脸识别算法准确率达到了百分之99。训练模型请运行train.py文件,并可以自行设置训练的批次和迭代结束的条件,训练好模型后会自动在程序运行目录下保存当前训练好的卷积神经网络模型。模型训练完成后,若想看到模型的实际运行效果怎么样,请运行recognition.py文件,程序运行后将会自动调取计算机上的摄像头实时监测人脸并识别人脸,在图形界面窗口实时显示人脸识别的结果。该程序代码是基于Python3.5开发的,程序代码中包括制作人脸数据集faces_my.py文件,自动打开电脑上的摄像头实时捕捉人脸保存,并保存到指定目录下,可以在程序中设置人脸数据集的大小,初始数据集是10000张人脸图片。人脸大小指定为64*64像素大小,方便后面神经网络的训练。经过模型训练后,该人脸识别算法准确率达到了百分之99。训练模型请运行train.py文件,并可以自行设置训练的批次和迭代结束的条件,训练好模型后会自动在程序运行目录下保存当前训练好的卷积神经网络模型。模型训练完成后,若想看到模型的实际运行效果怎么样,请运行recognition.py文件,程序运行后将会自动调取计算机上的摄像头实时监测人脸并识别人脸,在图形界面窗口实时显示人脸识别的结果。
2 2256浏览
会员免费 - vision-transformer-pytorch:带有预训练模型的Pytorch版本的Vision Transformer(ViT)。 这是CASL(httpspytorch大小:173KB视觉变压器-火炬 视觉变压器的Pytorch实现。 提供了预先训练的pytorch权重,这些权重是从原始jax /亚麻权重转换而来的。 这是和的项目。 介绍 Pytorch实施的论文 。 我们提供从预训练的jax /亚麻模型转换而来的预训练的pytorch权重。 我们还提供微调和评估脚本。 获得了与类似的结果。 安装 创建环境: conda create --name vit --file requirements.txt conda activate vit 可用型号 我们提供,这些是从原始jax / flax wieghts转换而来的。 您可以下载它们并将文件放在“ weights / pytorch”下以使用它们。 否则,您可以下载,并将这些帧放在“ weights / jax”下以使用它们。 我们将在线为您转换权重。 数据集 当前支持三个数据集:ImageNet2012,CI视觉变压器-火炬 视觉变压器的Pytorch实现。 提供了预先训练的pytorch权重,这些权重是从原始jax /亚麻权重转换而来的。 这是和的项目。 介绍 Pytorch实施的论文 。 我们提供从预训练的jax /亚麻模型转换而来的预训练的pytorch权重。 我们还提供微调和评估脚本。 获得了与类似的结果。 安装 创建环境: conda create --name vit --file requirements.txt conda activate vit 可用型号 我们提供,这些是从原始jax / flax wieghts转换而来的。 您可以下载它们并将文件放在“ weights / pytorch”下以使用它们。 否则,您可以下载,并将这些帧放在“ weights / jax”下以使用它们。 我们将在线为您转换权重。 数据集 当前支持三个数据集:ImageNet2012,CI
0 6626浏览
会员免费 - PDR (Pedestrian Dead Reckoning)行人航位推算实现代码(matlab)ZIP大小:4MB压缩包中包含采集的数据与代码,直接运行pdr_main.m文件即可查看实现效果。 实现原理参考链接:https://blog.csdn.net/wxc_1998/article/details/127265887?spm=1001.2014.3001.5502压缩包中包含采集的数据与代码,直接运行pdr_main.m文件即可查看实现效果。 实现原理参考链接:https://blog.csdn.net/wxc_1998/article/details/127265887?spm=1001.2014.3001.5502
5 2325浏览
会员免费 - yolov5口罩数据集yolo大小:115MByolov5口罩数据集 防疫口罩数据集 AI训练数据集yolov5口罩数据集 防疫口罩数据集 AI训练数据集
0 1335浏览
会员免费 - Mask R-CNN图像实例分割实战:训练自己的数据集mask大小:11MBMask R-CNN是一种基于深度学习的图像实例分割方法,可对物体进行目标检测和像素级分割。 本课程将手把手地教大家使用VIA图像标注工具制作自己的数据集,并使用Mask R-CNN训练自己的数据集,从而能开展自己的图像分割应用。 本课程有三个项目案例实践: (1) balloon实例分割 :对图像中的气球做检测和分割 (2) pothole(单类物体)实例分割:对汽车行驶场景中的路坑进行检测和分割 (3) roadscene( 多类物体)实例分割:对汽车行驶场景中的路坑、车、车道线等进行检测和分割 本课程使用Keras版本的Mask R-CNN,在Ubuntu系统上做项目演示。 本课程提供项目的数据集和python程序文件。 下面是使用Mask R-CNN对roadscene进行图像实例分割的测试结果: 下图是使用Mask R-CNN对pothole进行单类物体图像实例分割的测试结果: 下图是使用Mask R-CNN对roadscene进行多类物体图像实例分割的测试结果:Mask R-CNN是一种基于深度学习的图像实例分割方法,可对物体进行目标检测和像素级分割。 本课程将手把手地教大家使用VIA图像标注工具制作自己的数据集,并使用Mask R-CNN训练自己的数据集,从而能开展自己的图像分割应用。 本课程有三个项目案例实践: (1) balloon实例分割 :对图像中的气球做检测和分割 (2) pothole(单类物体)实例分割:对汽车行驶场景中的路坑进行检测和分割 (3) roadscene( 多类物体)实例分割:对汽车行驶场景中的路坑、车、车道线等进行检测和分割 本课程使用Keras版本的Mask R-CNN,在Ubuntu系统上做项目演示。 本课程提供项目的数据集和python程序文件。 下面是使用Mask R-CNN对roadscene进行图像实例分割的测试结果: 下图是使用Mask R-CNN对pothole进行单类物体图像实例分割的测试结果: 下图是使用Mask R-CNN对roadscene进行多类物体图像实例分割的测试结果:
5 3063浏览
会员免费 - APB3&APB4官方协议标准文档.zipAPB大小:465KBAPB3&APB4官方协议标准文档.zipAPB3&APB4官方协议标准文档.zip
0 840浏览
会员免费 - 运动员信息采集的数据,包括excel和csv数据集大小:36KB数据导入与预处理-第6章-04pandas综合案例的配套数据,对应博客url链接:https://blog.csdn.net/m0_38139250/article/details/127419850数据导入与预处理-第6章-04pandas综合案例的配套数据,对应博客url链接:https://blog.csdn.net/m0_38139250/article/details/127419850
5 658浏览
会员免费 - chatGPT最新版本下载,支持国内网络访问,可以游客方式使用ZIP大小:6MBchatGPT最新版本下载,支持国内网络访问,可以游客方式使用,一次下载,能一直免费使用。 ChatGPT,美国“开放人工智能研究中心”研发的聊天机器人程序 ,于2022年11月30日发布 。ChatGPT是人工智能技术驱动的自然语言处理工具,它能够通过学习和理解人类的语言来进行对话,还能根据聊天的上下文进行互动,真正像人类一样来聊天交流,甚至能完成撰写邮件、视频脚本、文案、翻译、代码等任务。 微软宣布推出由ChatGPT支持的最新版本人工智能搜索引擎Bing(必应)和Edge浏览器。微软CEO表示,“搜索引擎迎来了新时代”。chatGPT最新版本下载,支持国内网络访问,可以游客方式使用,一次下载,能一直免费使用。 ChatGPT,美国“开放人工智能研究中心”研发的聊天机器人程序 ,于2022年11月30日发布 。ChatGPT是人工智能技术驱动的自然语言处理工具,它能够通过学习和理解人类的语言来进行对话,还能根据聊天的上下文进行互动,真正像人类一样来聊天交流,甚至能完成撰写邮件、视频脚本、文案、翻译、代码等任务。 微软宣布推出由ChatGPT支持的最新版本人工智能搜索引擎Bing(必应)和Edge浏览器。微软CEO表示,“搜索引擎迎来了新时代”。
1 3039浏览
会员免费 - 1D-CNN-for-CWRU:用于CWRU滚动轴承数据集的一维CNNPython大小:145KB一维CNN for CWRU一维CNN for CWRU
5 1984浏览
会员免费 - 微博情感分析代码(含数据集)weibo emotional analyse.zip微博情感分析大小:18MB微博情感分析代码(含数据集)weibo emotional analyse.zip微博情感分析代码(含数据集)weibo emotional analyse.zip
0 2544浏览
会员免费 - flexible-yolov5:具有更多主干(resnet,shufflenet,moblienet)的更具可读性和灵活性的yolov5Python大小:1MBflexible-yolov5 基于 。 原始的Yolo V5是一个了不起的项目。 对于专业人士而言,理解和修改其代码应该不难。 我不是专家。 当我想对网络进行一些更改时,这并不是一件容易的事,例如添加分支和尝试其他骨干网。 也许会有像我这样的人,所以我将yolov5模型拆分为{主干,脖子,头部},以方便各种模块的操作并支持更多的主干。基本上,我只更改了模型,而没有更改架构,培训和测试yolov5。 因此,如果原始代码被更新,则更新该代码也非常方便。 目录 [培训与测试](#培训与测试) 特征 重组骨干,脖子,头部等模型结构,可以灵活方便地修改网络 更多主干,mobilenetV3,shufflenetV2,resnet18、50、101等 先决条件 请参阅requirements.txt 入门 数据集准备 以yolov5格式制作数据。 您可以使用utils / make_yolov5flexible-yolov5 基于 。 原始的Yolo V5是一个了不起的项目。 对于专业人士而言,理解和修改其代码应该不难。 我不是专家。 当我想对网络进行一些更改时,这并不是一件容易的事,例如添加分支和尝试其他骨干网。 也许会有像我这样的人,所以我将yolov5模型拆分为{主干,脖子,头部},以方便各种模块的操作并支持更多的主干。基本上,我只更改了模型,而没有更改架构,培训和测试yolov5。 因此,如果原始代码被更新,则更新该代码也非常方便。 目录 [培训与测试](#培训与测试) 特征 重组骨干,脖子,头部等模型结构,可以灵活方便地修改网络 更多主干,mobilenetV3,shufflenetV2,resnet18、50、101等 先决条件 请参阅requirements.txt 入门 数据集准备 以yolov5格式制作数据。 您可以使用utils / make_yolov5
0 5596浏览
会员免费 - q_trading:基于深度学习和强化学习的量化交易系统reinforcement-learning大小:207MB基于深度学习和强化学习的量化交易系统(基于深度学习和强化学习的定量交易系统) (中文版本在英文版本的下面,请拖动查看) 大纲: 主要结构 仍在努力 结论 主要结构: 该系统包括: 数据处理模块 价格预测模块 强化学习模块基于: 6个动作的设计(卖出,卖空,卖出持有,卖空,卖出,覆盖) 强化学习模块基于: 使用VWAP或BBIBOLL的上下线将价格转换为(-1,1) 分别设计两个增强学习模型,分别用于(买入,卖出持有)和(卖空,覆盖,持有) 设置两个模型的优先级,并决定应输出哪个操作 基于价格预测和RL收益的库存拣货策略 数据处理模块 我从Kaggle获得了数据集,该数据集是美国股票市场的每日价格和数量数据。 数据集包括开盘价,收盘价,高价,低价和数量。 但是,这种数据在深度学习和强化学习的训练中效果不佳。 因此,我创建了数十个技术分析功能以为输入生成更多功能。 通过这种方式基于深度学习和强化学习的量化交易系统(基于深度学习和强化学习的定量交易系统) (中文版本在英文版本的下面,请拖动查看) 大纲: 主要结构 仍在努力 结论 主要结构: 该系统包括: 数据处理模块 价格预测模块 强化学习模块基于: 6个动作的设计(卖出,卖空,卖出持有,卖空,卖出,覆盖) 强化学习模块基于: 使用VWAP或BBIBOLL的上下线将价格转换为(-1,1) 分别设计两个增强学习模型,分别用于(买入,卖出持有)和(卖空,覆盖,持有) 设置两个模型的优先级,并决定应输出哪个操作 基于价格预测和RL收益的库存拣货策略 数据处理模块 我从Kaggle获得了数据集,该数据集是美国股票市场的每日价格和数量数据。 数据集包括开盘价,收盘价,高价,低价和数量。 但是,这种数据在深度学习和强化学习的训练中效果不佳。 因此,我创建了数十个技术分析功能以为输入生成更多功能。 通过这种方式
5 1579浏览
会员免费 - Halcon深度学习-花朵分类项目DLT导入实例.zipHalcon20.11大小:726MB基于Halcon20.11深度学习模块编写的花朵分类项目,数据集包含在这其中,自留汇总以日后温故而知新。基于Halcon20.11深度学习模块编写的花朵分类项目,数据集包含在这其中,自留汇总以日后温故而知新。
5 915浏览
会员免费 - 【SHP文件-2022.07】上海市行政区划(市、区县)+道路网+公路网上海行政区划大小:12MB上海行政区划边界,以及道路网和铁路网shp文件,可用于GIS分析上海行政区划边界,以及道路网和铁路网shp文件,可用于GIS分析
0 853浏览
会员免费 - obj转osgb fbx转osgb dae转osgbosgb大小:44MBobj转osgb fbx转osgb dae转osgbobj转osgb fbx转osgb dae转osgb
0 1235浏览
会员免费 - Python-用pytorch实现了几种知识图谱表示算法Python开发-机器学习大小:15MB该项目整理了知识图谱表示常用的四个数据集,提供了数据清洗整理的代码,用 PyTorch 实现了四种基于平移的算法。在评估阶段,使用了多进程加速,将 MeanRank 和 Hits@10 的评估时间压缩到小于 1 分钟。该项目整理了知识图谱表示常用的四个数据集,提供了数据清洗整理的代码,用 PyTorch 实现了四种基于平移的算法。在评估阶段,使用了多进程加速,将 MeanRank 和 Hits@10 的评估时间压缩到小于 1 分钟。
0 2629浏览
会员免费 - 带标注的中国交通标志数据集:CCTSDB交通标志数据集大小:657MB含有15000多张中国道路交通标志设施,含有丰富的道路背景。标注信息:三类prohibitory、warning、mandatory(禁令标志、警告标志、指示标志) 可以在python下利用pytorch直接使用含有15000多张中国道路交通标志设施,含有丰富的道路背景。标注信息:三类prohibitory、warning、mandatory(禁令标志、警告标志、指示标志) 可以在python下利用pytorch直接使用
3 2394浏览
会员免费