注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. Window 消息大全

  2. 消息，就是指Windows发出的一个通知，告诉应用程序某个事情发生了。例如，单击鼠标、改变窗口尺寸、按下键盘上的一个键都会使Windows发送一个消息给应用程序。 消息本身是作为一个记录传递给应用程序的，这个记录中包含了消息的类型以及其他信息。例如，对于单击鼠标所产生的消息来说，这个记录中包含了单击鼠标时的坐标。这个记录类型叫做TMsg，它在Windows单元中是这样声明的： type TMsg = packed record hwnd: HWND; //窗口句柄 message: UINT;

  3. 所属分类：C

    • 发布日期：2009-12-23
    • 文件大小：19456
    • 提供者：yeungqi

  1. 神经网络程序代码初学者

  2. 第一部分是模式识别的一些预处理知识，包括： 图像压缩的例子：行程编码算法RCL 手写体数据变换成像素位图的算法， 另外在这一章中的细化算法是与Chapt6中的特征提取结合在了一起 第二部分涉及有监督学习的前馈网络 ALOPEX算法：即模式提取算法，它把神经网络的学习过程看作 最优化问题的随机并行算法。与反向传播算法相比， 在大范围的信噪比情况下，ALOPEX算法有更好的抗噪声性能 另一个优点是计算简单，可以用高速大规模集成电路来实现 BackProp算法：经典的B-P算法（呵呵，很多人想要的么

  3. 所属分类：其它

    • 发布日期：2010-11-22
    • 文件大小：476160
    • 提供者：lyz031608

  1. 3D游戏开发大全

  2. 3D游戏开发大全，清晰 嗨！我正在使用您的软件并且想知道——您是否可以告诉我如何设计计算 机游戏？我并没有很多钱，但是我有关于设计类似射击的XYZ游戏的恐怖想法， 只是不知道应该如何进行设计……” 过去几年中，在设计Tubettiland“OnlineCampaign”软件以及最近设计T ubettiworld游戏时，我已经收到了100多个来自各个年龄层的人们的询问，他 们询问如何设计游戏。询问者的年龄主要在13～40岁之间。大多数电子邮件来 自于一些孩子，我估计他们在10～20岁之间。 在回

  3. 所属分类：Delphi

    • 发布日期：2011-12-26
    • 文件大小：1048576
    • 提供者：fqfq123456

  1. Keras中文文档.pdf

  2. Keras官方文档PDF版，带书签，一共307页，完整版，目前最好的版本！欢迎下载！model train on batch(x batch, y batch) 只需一行代码就能评估模型性能: loss and metrics modelevaluate(x test, y test, batch size=128) 或者对新的数据生成预测: classes =model predictx test, batch size=128) 构建一个问答系统,一个图像分类模型,一个神经图灵机,或者其他的

  3. 所属分类：深度学习

    • 发布日期：2019-09-03
    • 文件大小：12582912
    • 提供者：dzgybd

  1. 结合知识图谱实现基于电影的推荐系统.pdf

  2. 在推荐算法中融入电影的知识图谱，能够将没有任何历史数据的新电影精准地推荐给目标用户。交叉特征矩阵 Cr 交叉单元 第层 el 7交叉压缩单元模型的结构 交叉压缩单元模型的具体处理过程如下 (1)将与进行矩阵相乘得到。 (2)将复制一份,并讲行转置得到。实现特征交叉融合 (3)将经过权重矩阵进行线性变化(与矩阵相乘) (4)将经过权重矩阵进行线性变化。 (5)将(3)与(4)的结果相加,再与偏置参数相加,得到。将用于推荐算法模型的后续计算。 (6)按照第(3)、(4)、(5)步的做法,同理可以得到

  3. 所属分类：机器学习

    • 发布日期：2019-09-02
    • 文件大小：867328
    • 提供者：zjxaut2008

  1. nvdla 入门翻译文档.pdf

  2. 翻译的NVDLA 加速引擎的文档，学习交流，一块进步！PU cPU Microcontroller DRAM AVULA NVD_A DODI SFAMI Small NVDLA system Large"NVDLA system 小NDLA模型 小型 NVDLA模型在以前不可行的领域开辟了深度学习技术。此模型非常适合对成本因素 比较敏感的物联网(IoT)类设备、A丨以及面向自动化的系统领域。这些系统具有明确的应 用方向,其成本、面积和功率是主要注意事项。通过N√DLA可配置实现资源节约(在成本

  3. 所属分类：硬件开发

    • 发布日期：2019-08-31
    • 文件大小：510976
    • 提供者：weixin_42119147

  1. 易康用户操作手册.pdf

  2. 特别好的资源，希望大家可以用来进行学习e Cognition Developer9—用户指南 353分类(最邻近法)( Nearest Neighbor)135 354分类(亮度阈值)( Brightness Threshold) 37 3.6导出数据 DDDD面 DDDDDDD1 361导出(点) 362导出(多边形) 4教程引言 40 4.1形状识别 40 4.1.1将影像分为基木的对象 4.1.2识别背景 41 4.1.3形状和它们的属性 D I …,43 4.1.4完整的规则集… 44

  3. 所属分类：其它

    • 发布日期：2019-07-28
    • 文件大小：8388608
    • 提供者：qq_40178533

  1. 生成对抗网络（GANs）最新家谱：为你揭秘GANs的前世今生

  2. 生成对抗网络（ AN）一经提出就风光无限，更是被Yann L un誉为“十年来机器学 习领域最有趣的想法”。 GAN“左右互搏”的理念几乎众所周知，但正如卷积神经网络（CNN）一样，GAN发展 至今已经衍生出了诸多变化形态。望伪图像的分布尽可能地接近真图像。或者,简单来说,我们想要伪图像尽可能看起 来像真的一样。 值得一提的是,因为GANs是用极小化极大算法做优化的,所以训练过程可能会很不稳 定。不过你可以使用一些“小技巧”来获得更稳健的训练过程。 在下面这个视频中,你可以看到GANs所生成图片

  3. 所属分类：深度学习

    • 发布日期：2019-07-02
    • 文件大小：1048576
    • 提供者：abacaba

  1. pytorch载入预训练模型后,实现训练指定层

  2. 今天小编就为大家分享一篇pytorch载入预训练模型后,实现训练指定层，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-18
    • 文件大小：46080
    • 提供者：weixin_38519387

  1. tensorflow saver 保存和恢复指定 tensor的实例讲解

  2. 在实践中经常会遇到这样的情况： 1、用简单的模型预训练参数 2、把预训练的参数导入复杂的模型后训练复杂的模型 这时就产生一个问题： 如何加载预训练的参数。 下面就是我的总结。 为了方便说明，做一个假设：简单的模型只有一个卷基层，复杂模型有两个。 卷积层的实现代码如下： import tensorflow as tf # PS：本篇的重担是saver，不过为了方便阅读还是说明下参数 # 参数 # name：创建卷基层的代码这么多，必须要函数化，而为了防止变量冲突就需要用tf.name_scope

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：55296
    • 提供者：weixin_38622427

  1. Tensorflow的可视化工具Tensorboard的初步使用详解

  2. 当使用Tensorflow训练大量深层的神经网络时，我们希望去跟踪神经网络的整个训练过程中的信息，比如迭代的过程中每一层参数是如何变化与分布的，比如每次循环参数更新后模型在测试集与训练集上的准确率是如何的，比如损失值的变化情况，等等。如果能在训练的过程中将一些信息加以记录并可视化得表现出来，是不是对我们探索模型有更深的帮助与理解呢？ Tensorflow官方推出了可视化工具Tensorboard，可以帮助我们实现以上功能，它可以将模型训练过程中的各种数据汇总起来存在自定义的路径与日志文件中，然后

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：1048576
    • 提供者：weixin_38571104

  1. pytorch载入预训练模型后,实现训练指定层

  2. 1、有了已经训练好的模型参数，对这个模型的某些层做了改变，如何利用这些训练好的模型参数继续训练： pretrained_params = torch.load('Pretrained_Model'） model = The_New_Model(xxx) model.load_state_dict(pretrained_params.state_dict(), strict=False) strict=False 使得预训练模型参数中和新模型对应上的参数会被载入，对应不上或没有的参数被抛弃。 2

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：48128
    • 提供者：weixin_38663701

  1. tensorflow实现测试时读取任意指定的check point的网络参数

  2. tensorflow在训练时会保存三个文件， model.ckpt-xxx.data-00000-of-00001 model.ckpt-xxx.index model.ckpt-xxx.meta 其中第一个储存网络参数值，第二个储存每一层的名字，第三个储存图结构 随着训练的过程，每隔一段时间都会保存一组以上三个文件，而在训练之前我们并不知道什么时候可以达到最佳的拟合，训练时间过短会导致欠拟合，训练时间过长则会导致过拟合。 如果每次测试时，我们都自动调用最新一次的check point，那很可

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：41984
    • 提供者：weixin_38657376

  1. Computer-Vision-2020-源码

  2. 该项目需要基于卷积神经网络的图像分类器的实现。包含15个类别，并且已经分为训练集和测试集。 要求点： 根据以下规范从头开始训练浅层网络： 使用表1中所示的网络布局； 由于输入图像的尺寸为64×64，因此您需要调整图像的尺寸以将其输入网络。请遵循简单的方法，分别沿x和y重新缩放整个图像，以获取合适的尺寸。还存在其他方法，有关数据增强的可选改进，请参见下文。 将提供的训练集划分为实际训练集的85％和15％用作验证集； 使用动量优化算法的随机梯度下降，使用您使用的库的默认参数，以下指定的参数除外； 使

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：88080384
    • 提供者：weixin_42121754

  1. MelNet:使Melnet在AWS机器上运行-源码

  2. 梅尔网 实现 先决条件 使用Python 3.6.8和3.7.4，PyTorch 1.2.0和1.3.0进行了测试。 pip install -r requirements.txt 如何训练 数据集 暴雪，VoxCeleb2和KSS在config/下提供了YAML文件。 对于其他数据集，请根据提供的其他数据集填写自己的YAML文件。 对于所有类型的数据集，只要它们具有由YAML文件中的data.extension指定的一致文件扩展名，就可以进行无条件训练。 当前仅对KSS和暴雪数据集的子集

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：82944
    • 提供者：weixin_42099858

  1. Tensorflow的可视化工具Tensorboard的初步使用详解

  2. 当使用Tensorflow训练大量深层的神经网络时，我们希望去跟踪神经网络的整个训练过程中的信息，比如迭代的过程中每一层参数是如何变化与分布的，比如每次循环参数更新后模型在测试集与训练集上的准确率是如何的，比如损失值的变化情况，等等。如果能在训练的过程中将一些信息加以记录并可视化得表现出来，是不是对我们探索模型有更深的帮助与理解呢？Tensorflow官方推出了可视化工具Tensorboard，可以帮助我们实现以上功能，它可以将模型训练过程中的各种数据汇总起来存在自定义的路径与日志文件中，然后在

  3. 所属分类：其它

    • 发布日期：2021-03-01
    • 文件大小：1048576
    • 提供者：weixin_38679233

  1. 测试-神经网络分类理论-源码

  2. 该项目的目标是测试两个条件概率函数特征-Hölder平滑度和小值界限-对神经网络分类性能的影响。 这在某种程度上也很独特，因为“性能”是指条件概率近似，而不是最可能的类别预测。 （这可能是因为在公开可用的数据集中很少显示0.8只狗和0.2只猫的图像。） 模拟 我们从某些指定分布中采样（多维）特征。 这种“分布”也可以是混合函数，也可以只是密度函数，在这种情况下，采样的实现更为棘手。 无论如何，这些功能充当某些特定功能的输入，每个输出类别一个。 对输出进行归一化，得出每个样本的条件概率向量。 这用

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：396288
    • 提供者：weixin_42136826

  1. 突触：轻量级的神经网络库，可在任何地方运行-源码

  2. 突触 一个轻量级的神经网络库，可在任何地方运行！ 为什么选择糖浆？ 这很容易 向您的项目添加一个依赖项。 编写一个导入语句。 使用一些纯函数。 你们都准备好了！ 它可以在任何地方运行 支持的语言： 跨语言兼容 该是跨语言常见。 您可以通过json实例将网络从一个平台转移到另一个平台。 用Python创建一个神经网络，用Java对其进行训练，并使用Javascr ipt进行预测！ 提供可视化 简要查看神经网络的svg图，以大致了解它。 可自定义 您可以为每个层的神经元指定激活功能和权重分布

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：1048576
    • 提供者：weixin_42181693

  1. word-embedding-visualizer：查看Word2Vec如何表示您喜欢的书中的单词的工具-源码

  2. 词嵌入可视化器 该代码存储库包含一种机制，用于查看Gensim在Word2Vec的实现中如何“隐藏”表示单词， Word2Vec是一个经过两层训练的神经网络，用于重建单词的语言环境。 用法 在终端中运行以下命令进行设置： git clone https://github.com/gkeglevich/word-embedding-visualizer.git pip3 install -r requirements.txt python3 word_to_vec.py 现在，您可以指定一条路

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：32505856
    • 提供者：weixin_42133329

  1. keras实现调用自己训练的模型,并去掉全连接层

  2. 其实很简单 from keras.models import load_model base_model = load_model('model_resenet.h5')#加载指定的模型 print(base_model.summary())#输出网络的结构图 这是我的网络模型的输出，其实就是它的结构图 ______________________________________________________________________________________________

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：53248
    • 提供者：weixin_38556394
« 12 »