• Python面试题目:2019年最新总结,阿里,腾讯,百度,美团,头条等技术面试题目,以及答案,专家出题人分析汇总。

    Python面试题目:2019年最新总结,阿里,腾讯,百度,美团,头条等技术面试题目,以及答案,专家出题人分析汇总。

    0
    628
    373KB
    2019-11-02
    17
  • 《Python编程:从入门到实践》 [高清pdf+mobi+azw3+epub+源代码][kindle]

    《Python编程:从入门到实践》 [高清pdf+mobi+azw3+epub+源代码][kindle] 其中pdf有两种,均非扫描版。

    5
    0
    40.42MB
    2018-08-25
    50
  • python新浪微博爬虫,爬取微博和用户信息 (源码)+机器学习实战高清PDF

    python新浪微博爬虫,爬取微博和用户信息 (源码)+机器学习实战高清PDF

    0
    0
    5.26MB
    2018-08-10
    16
  • 基于torch的机器学习项目:康奈尔大学《Deep Photo Style Transfer》的论文、代码与数据

    基于torch的机器学习项目:康奈尔大学《Deep Photo Style Transfer》的论文、代码与数据

    0
    496
    187.49MB
    2018-08-03
    33
  • Sonnet:基于 TensorFlow 的神经网络库

    Sonnet:基于 TensorFlow 的神经网络库 来源:DeepMind 成员 Malcolm Reynolds Sonnet is a library built on top of TensorFlow for building complex neural networks. Sonnet can be installed from pip, with or without GPU support. This installation is compatible with Linux/Mac OS X and Python 2.7 and 3.{4,5,6}. The version of TensorFlow installed must be >= 1.5. Installing Sonnet supports the virtualenv installation mode of TensorFlow, as well as the native pip install.

    0
    265
    3.23MB
    2018-08-03
    34
  • 华为防护电路设计规范

    通信产品在应用的过程中,由于雷击等原因形成的过电压和过电流会对设备端口造成损害,因此应当设计相应的防护电路,各个端口根据其产品族类、网络地位、目标市场、应用环境、信号类型以及实现成本等多种因素的不同所对应的防护电路也不同,华为防护电路设计规范在电源口、信号口和天馈口的防护电路设计上给出了指导

    0
    95
    2.65MB
    2018-08-03
    17
  • 机器学习项目:FastText:快速文本表示/分类库 [来自:Facebookreseach]

    机器学习项目:FastText:快速文本表示/分类库 来源:Facebook研究

    0
    238
    4.1MB
    2018-08-02
    18
  • python深度学习项目:人脸识别库(Face Recognition)

    本项目号称世界上最简单的人脸识别库,可使用 Python 和命令行进行调用。该库使用 dlib 顶尖的深度学习人脸识别技术构建,在户外脸部检测数据库基准(Labeled Faces in the Wild benchmark)上的准确率高达 99.38%。

    3
    0
    14.27MB
    2018-08-02
    47
  • 卷积神经网络CNN项目:Sign Language(手势语言识别)

    这是一个相对简单但又十分吸引人的机器学习项目。 在 Python 中使用卷积神经网络构造模型,可以识别手势并将其转换为机器上的文本。 该项目存储库的作者用 Tensorflow 和 Keras 共同搭建了 CNN 模型,他特别详细地说明了他是怎么创建这个项目的,以及每一步是怎么进行的。

    1
    1384
    174MB
    2018-08-02
    40
  • ENAS PyTorch(高效神经网络结构搜索) 项目

    该项目是对论文《参数共享的高效神经网络结构搜索(Efficient Neural Architecture Search (ENAS) via Parameters Sharing)》的实现。ENAS 做什么?高效神经网络结构搜索,即 ENAS 减少了计算需求,将 NAS 的 GPU 计算时间减少了 1000 倍。他们通过共享大型计算图中的子图模型之间的参数共享来完成此操作。 如何使用它的过程已经在 GitHub 页面上得到了很好的展示。实现这个库的先决条件是: Python 3.6+ 需要 PyTorch tqdm,imageio,graphviz,tqdm,tensorboardX

    3
    1259
    13.02MB
    2018-08-02
    50
关注 私信
上传资源赚积分or赚钱