您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. LINGO软件的学习

  2. LINGO是用来求解线性和非线性优化问题的简易工具。LINGO内置了一种建立最优化模型的语言,可以简便地表达大规模问题,利用LINGO高效的求解器可快速求解并分析结果。 §1 LINGO快速入门 当你在windows下开始运行LINGO系统时,会得到类似下面的一个窗口: 外层是主框架窗口,包含了所有菜单命令和工具条,其它所有的窗口将被包含在主窗口之下。在主窗口内的标题为LINGO Model – LINGO1的窗口是LINGO的默认模型窗口,建立的模型都都要 在该窗口内编码实现。下面举两个例子
  3. 所属分类:C

    • 发布日期:2009-08-08
    • 文件大小:319488
    • 提供者:huxlaylyx
  1. Java范例开发大全 (源程序)

  2. 第1篇 Java编程基础   第1章 Java开发环境的搭建(教学视频:9分钟) 2   1.1 理解Java 2   1.2 搭建Java所需环境 3   1.2.1 下载JDK 3   1.2.2 安装JDK 4   1.2.3 配置环境 5   1.2.4 测试JDK配置是否成功 7   实例1 开发第一个Java程序 7   第2章 Java基础类型与运算符(教学视频:39分钟) 9   2.1 基础类型 9   实例2 自动提升 9   实例3 自动转换 10   实例4 常用基础类
  3. 所属分类:Java

    • 发布日期:2011-04-27
    • 文件大小:16777216
    • 提供者:huangbaohong
  1. java范例开发大全源代码

  2. 第1篇 Java编程基础   第1章 Java开发环境的搭建(教学视频:9分钟) 2   1.1 理解Java 2   1.2 搭建Java所需环境 3   1.2.1 下载JDK 3   1.2.2 安装JDK 4   1.2.3 配置环境 5   1.2.4 测试JDK配置是否成功 7   实例1 开发第一个Java程序 7   第2章 Java基础类型与运算符(教学视频:39分钟) 9   2.1 基础类型 9   实例2 自动提升 9   实例3 自动转换 10   实例4 常用基础类
  3. 所属分类:Java

    • 发布日期:2011-10-30
    • 文件大小:16777216
    • 提供者:qianfu123
  1. Sort_1000pics机器学习小型数据集

  2. 此数据集包含1000张图片,总共分为10类。分别是人,沙滩,建筑,大卡车,恐龙,大象,花朵,马,山峰,食品十类。每类100张,可用于验证机器学习中的KNN,kmeans,贝叶斯,SVM等机器学习算法。可以为计算机性能较差的机器学习爱好者提供浅层研究的数据集。
  3. 所属分类:机器学习

    • 发布日期:2018-09-19
    • 文件大小:29360128
    • 提供者:baidu_28342107
  1. keras构建神经网络识别卡车

  2. keras构建神经网络识别卡车,使用了cifar10数据集 训练神经网络准确率70左右
  3. 所属分类:深度学习

    • 发布日期:2019-03-13
    • 文件大小:227328
    • 提供者:rance_king
  1. CIFAR-10数据集

  2. CIFAR-10 是由 Hinton 的学生 Alex Krizhevsky 和 Ilya Sutskever 整理的一个用于识别普适物体的小型数据集。一共包含 10 个类别的 RGB 彩色图 片:飞机( a叩lane )、汽车( automobile )、鸟类( bird )、猫( cat )、鹿( deer )、狗( dog )、蛙类( frog )、马( horse )、船( ship )和卡车( truck )。图片的尺寸为 32×32 ,数据集中一共有 50000 张训练圄片和 10
  3. 所属分类:深度学习

    • 发布日期:2019-04-23
    • 文件大小:146800640
    • 提供者:mao_hui_fei
  1. cifar10数据集.rar

  2. CIFAR-10(Canadian Institute for Advanced Research,CIFAR)是一个用于识别普适物体的小型数据集。由Hinton 的学生Alex Krizhevsky 和Ilya Sutskever 整理的一个用于识别普适物体的小型数据集。一共包含10个类别的RGB 彩色图片:飞机(airplane)、汽车(automobile)、鸟类(bird)、猫(cat)、鹿(deer)、狗(dog)、蛙类(frog)、马(horse)、船(ship)和卡车(truck)
  3. 所属分类:其它

    • 发布日期:2020-05-05
    • 文件大小:314572800
    • 提供者:weixin_37647148
  1. cifar10.py

  2. 本代码实现的是使用一个经典的数据集cifar-10进行分类。该数据集包括60000张32 x 32的彩色图像,其中训练集50000张,测试集10000张。cifar-10一共标注为10类,每一类图片6000张。这10类分别是airplane(飞机),automobile(汽车),bird(鸟),cat(猫),deer(鹿),dog(狗),frog(青蛙),horse(马),ship(船)和truck(卡车),其中没有任何的重叠情况,即airplane只包括飞机,automobile只包括小型汽车
  3. 所属分类:深度学习

    • 发布日期:2020-04-10
    • 文件大小:6144
    • 提供者:Ace_oppa
  1. voc车辆检测数据集(已处理好,可直接训练)

  2. 1.voc车辆检测数据集,可直接训练,数据已经处理 2.2000张主要包括:轿车、卡车、公交车、摩托车、自行车 3.需要更多数据集请私聊
  3. 所属分类:机器学习

    • 发布日期:2020-03-25
    • 文件大小:229638144
    • 提供者:liuwuw
  1. cifar-10.zip

  2. kaggle 官方的数据,数据简介: CIFAR-10数据由10类60,000张32x32彩色图像组成,每类6000张图像。官方数据中有50,000张训练图像和10,000张测试图像。我们保留了原始数据集的训练/测试拆分。提供的文件是: train.7z-包含png格式的测试图像的文件夹 test.7z-包含png格式的测试图像的文件夹 trainLabels.csv-培训标签 为了阻止某些形式的作弊行为(例如手签),我们在测试集中添加了290,000张垃圾图像。这些图像在评分
  3. 所属分类:深度学习

    • 发布日期:2020-03-13
    • 文件大小:749731840
    • 提供者:qq_42110976
  1. cifar数据集包括其TfRecord格式文件

  2. CIFAR-10 数据集的分类是机器学习中一个公开的基准测试问题,其任务是对一组32x32RGB的图像进行分类,这些图像涵盖了10个类别: 飞机, 汽车, 鸟, 猫, 鹿, 狗, 青蛙, 马, 船以及卡车。 该压缩文件中已经将数据集进行随机混乱排布操作,分散在六个子文件夹中,其中五个作为训练集,一个作为测试集; 另外包括其制作而成的tfrecord文件,具体使用方法可参见博客; 用于训练vgg、resnet等网络
  3. 所属分类:互联网

    • 发布日期:2020-05-28
    • 文件大小:199229440
    • 提供者:zxs0222
  1. Sort_1000pics数据集

  2. Sort_1000pics数据集包含1000张图片,总共分为10类。分别是人(0),沙滩(1),建筑(2),大卡车(3),恐龙(4),大象(5),花朵(6),马(7),山峰(8),食品(9)十类,每类100张
  3. 所属分类:机器学习

    • 发布日期:2020-12-24
    • 文件大小:29360128
    • 提供者:seek97
  1. 大卡车车辆数据集 目标检测入门数据集

  2. 大卡车 车辆 数据集 深度学习入门 目标检测 yolo
  3. 所属分类:深度学习

    • 发布日期:2021-01-07
    • 文件大小:70254592
    • 提供者:weixin_43710038
  1. Intro_To_ML-源码

  2. 编程练习1:线性回归 介绍 在本练习中,您将实现线性回归并看到它在数据上的作用。 在开始此编程练习之前。 要开始练习,您将需要下载hm1.ipynb和ex1data1.txt并在设备上打开它。 您需要在计算机上安装Jupyter笔记本。 对于此编程练习,仅需要完成要求您编写代码的特定部分。 使用带有一个变量的线性回归预测公司的利润 在本练习的这一部分中,您将使用一个变量实现线性回归,以预测食品卡车的利润。 假设您是一家餐饮连锁店的首席执行官,并且正在考虑在不同的城市开设新的门店。 该连锁店已经在
  3. 所属分类:其它

    • 发布日期:2021-03-04
    • 文件大小:52224
    • 提供者:weixin_42162978
  1. 用于CIFAR-10-图像分类的卷积神经网络-源码

  2. 用于CIFAR-10-图像分类的卷积神经网络 使用CNN进行CIFAR-10图像分类 CIFAR-10数据集包含来自10类的32x32彩色图像:飞机,汽车,鸟类,猫,鹿,狗,青蛙,马,船,卡车: 1.准备数据 我们需要将输入标准化,例如:$$ x_ {norm} = \ frac {x} {255}-0.5 $$ 我们需要将类标签转换为一键编码的向量。 使用keras.utils.to_categorical 。 2.定义要用来训练模型的架构 3.训练模型 该模型训练了10个时期 4. ##评
  3. 所属分类:其它

    • 发布日期:2021-02-16
    • 文件大小:5120
    • 提供者:weixin_42109125
  1. ObjectDetectionTraining:用于TensorFlow对象检测模型的训练和重新训练脚本-源码

  2. 模型训练 用于在COCO类的选择性子集上(重新)训练Tensorflow Zoo模型的脚本 依存关系 运行./install_deps.sh以安装必要的依赖项。 如果要在非Jetson设备上安装,请设置环境变量NOT_NVIDIA=true 。 该脚本创建了一个Python虚拟环境,您可以通过运行source env/bin/activate 。 生成输入数据 Tensorflow API使用一种特殊类型的文件作为其输入图像: 格式。 在可以找到将COCO数据集转换为正确的TFRecord文
  3. 所属分类:其它

    • 发布日期:2021-02-14
    • 文件大小:431104
    • 提供者:weixin_42131798
  1. 神经网络机器学习:不同数据集的神经网络和机器学习(以对象为中心的图像识别)1. CIFAR 10 2. CIFAR 100 3. Caltech 101 4. Caltech 256-源码

  2. 神经网络机器学习 不同数据集的神经网络和机器学习(以对象为中心的图像识别)1. CIFAR 10 2. CIFAR 100 3. Caltech 101 4. Caltech 256 1项目说明 根据分配给该班级的项目,我选择使用提供的四个数据集。 他们是 CIFAR 10 CIFAR 100 加州理工学院101 加州理工学院256 2数据说明 2.1 CIFAR 10和CIFAR 100 CIFAR-10数据集[3]由10个类别的60000个32x32彩色图像组成,每个类别6000个图
  3. 所属分类:其它

    • 发布日期:2021-02-14
    • 文件大小:649216
    • 提供者:weixin_42136826
  1. 一像素攻击喀拉拉邦:使用差动进化在Cifar10和ImageNet上的Keras实现“愚弄深层神经网络的一像素攻击”-源码

  2. 一像素攻击 如果仅允许攻击者修改一个像素的颜色并且仅看到预测概率,那么导致深度神经网络对图像进行错误分类有多么简单? 原来这很简单。 在许多情况下,攻击者甚至可能使网络返回他们想要的任何答案。 以下项目是Keras的重新实现和教程。 论文的官方代码可以在找到。 这个怎么运作 对于此攻击,我们将使用。 数据集的任务是将32x32像素的图像正确分类为10个类别之一(例如,鸟类,鹿,卡车)。 黑匣子攻击只需要神经网络输出的概率标签(每个类别的概率值)。 我们通过选择一个像素并将其修改为某种颜色来生
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:5242880
    • 提供者:weixin_42097557
  1. EDA-源码

  2. 语境 该数据集包含1985年《沃德汽车年鉴》中的数据。这是来源 资料来源: 1985年《模型进口汽车和卡车规格》,1985年《沃德汽车年鉴》。 私人汽车手册,保险服务办公室,纽约州水街160号,纽约州10038 公路安全保险研究所的保险碰撞报告,水门600号,华盛顿特区20037 内容 该数据集包含三种类型的实体: 根据各种特性的汽车规格。 其分配的保险风险等级。 与其他汽车相比,其正常使用损耗。 第二等级对应于汽车比其价格所指示的风险更高的程度。最初为汽车分配了与其价格相关的风险因素符号。然
  3. 所属分类:其它

    • 发布日期:2021-03-20
    • 文件大小:1024
    • 提供者:weixin_42160376
  1. final-project-源码

  2. CIFAR-10上的图像分类 在CIFAR-10数据集上构建3种不同的深度学习体系结构以进行图像分类,以实现不同的准确性。每个网络都将映射到一个图像到输出 。有10类,分别是飞机,汽车,鸟类,猫,鹿,狗,青蛙,马,船和卡车。 数据集: 参考: 0个隐藏层网络 对于网络,我们使用的逻辑回归没有隐藏层,并且将输入层线性映射到输出层,可以写成 在哪里是将张量重塑为矢量的形式。 超参数: 学习率:0.0001 动量:0.1 结果,我们能够为该网络实现40.6%的测试精度。 1个完全连接的隐藏层网络
  3. 所属分类:其它

    • 发布日期:2021-03-20
    • 文件大小:188416
    • 提供者:weixin_42114580
« 12 »