您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 神经猫2游戏源代码

  2. 神经猫2的完整代码,可以放到自己的服务器上然别人玩,非常好玩的一个游戏!
  3. 所属分类:Android

    • 发布日期:2014-09-08
    • 文件大小:786432
    • 提供者:lnmo2005
  1. 围住神经猫C语言版

  2. 火极一时的围住神经猫c语言版源码,开发只需2天。
  3. 所属分类:HTML5

    • 发布日期:2014-11-03
    • 文件大小:23552
    • 提供者:a986465807
  1. 围住神经猫代码

  2. 打开index.html 1号位置 填写你得地址。分享的时候用的就是这个地址 2号位置填写 说明的地址。就是玩了之后会有更多的提示。点击就会调转到这个地址 二、 打开static\js\game_index.js 搜索127.0.0.1 。替换成你得地址,不然js会跨域。导致游戏不能玩 游戏演示 http://www.epinv.com/shenjingmao 这就是源代码哦
  3. 所属分类:其它

    • 发布日期:2017-09-05
    • 文件大小:588800
    • 提供者:u013862444
  1. 基于Android的围住神经猫游戏

  2. 基于Android的围住神经猫游戏 1.包含源程序。 2.课题设计仅供参考学习使用,可以在此基础上进行扩展完善。 开发环境: Android Studio 1.5 涉及技术点: 图形操作、神经猫游戏算法 可以直接运行,如果帮助到了你麻烦记得给个好评谢谢啦
  3. 所属分类:Android

    • 发布日期:2018-05-19
    • 文件大小:10485760
    • 提供者:beiwulou2994
  1. H5小游戏源码

  2. 60套H5小游戏的源码,自带一套前台的模板。内含火柴人,熊出没,神经猫2等多款游戏。
  3. 所属分类:其他

    • 发布日期:2018-06-06
    • 文件大小:17825792
    • 提供者:qq_38336832
  1. 基于卷积神经网络的猫种类识别

  2. 基于卷积神经网络的猫种类识别,结合Django的完整demo。 环境:Django1.8.2 python3.6.3 tensorflow1.3 h5py2.7 keras2.1.2 numpy1.13.3 pillow5.0.0 pymysql0.8.0
  3. 所属分类:深度学习

    • 发布日期:2018-01-16
    • 文件大小:31457280
    • 提供者:qq_38003892
  1. 人工智能深度学习处理架构的演进,GPU功耗和延迟问题如何解决.pdf

  2. 人工智能深度学习处理架构的演进,GPU功耗和延迟问题如何解决pdf,人工智能由三方面共同组成,算法、数据以及计算平台:现在虽然人工智能是个热门概念,但很多人误以为“人工智能等于深度学习”,但其实人工智能的范围大于机器学习,机器学习的范围又大于深度学习。神经网络的概念并不新颖,Yann LeCun在1998年就提出了MNIST数据集和CNN,2012年时,Google X启动了“猫脸识别计划”,吴恩达和Jeff Dean用了1000台分布式服务器和一万六千个CPU。同期的AlexNet只需要1台
  3. 所属分类:其它

    • 发布日期:2019-09-13
    • 文件大小:658432
    • 提供者:weixin_38744207
  1. 猫狗分类自写.zip

  2. 初学神经网络,网上下载了好多猫狗分类的代码都是各种问题,最大的就是版本不兼容,代码有问题。这里我放一个已经调试好的,并且给出tensorflow版本和keras与python的版本,后来的小伙伴就可以不用踩坑了、 里面内置了一个小小的测试库,猫狗分类全库太大,只取了十几张。需要的可以去官网下载。 tensorflow==2.2 keras==2.4.2 Python==3.8 cuda==10.1 显卡:GTX1650 Win10 Pytharm社区版
  3. 所属分类:深度学习

    • 发布日期:2020-12-17
    • 文件大小:48234496
    • 提供者:qq_35480722
  1. tensorflow实现简单的卷积神经网络

  2. 本文实例为大家分享了Android九宫格图片展示的具体代码,供大家参考,具体内容如下 一.知识点总结 1.  卷积神经网络出现的初衷是降低对图像的预处理,避免建立复杂的特征工程。因为卷积神经网络在训练的过程中,自己会提取特征。 2.   灵感来自于猫的视觉皮层研究,每一个视觉神经元只会处理一小块区域的视觉图像,即感知野。放到卷积神经网络里就是每一个隐含节点只与设定范围内的像素点相连(设定范围就是卷积核的尺寸),而全连接层是每个像素点与每个隐含节点相连。这种感知野也称之为局部感知。 例如,一张10
  3. 所属分类:其它

    • 发布日期:2020-12-24
    • 文件大小:74752
    • 提供者:weixin_38741317
  1. 吴恩达,神经网络优化课后作业总结版

  2. 标题接着上一篇,猫脸脸识别4层神经网络。 1.我们将在原代码的基础上进行添加各类优化设置。(即添加剂) 1. 正则 、droput、动量梯度下降、adam 2. 第一步,导入数据 from lr_utils import load_dataset import numpy as np import matplotlib.pyplot as plt import h5py train_set_x_orig , train_set_y , test_set_x_orig , test_set_y ,
  3. 所属分类:其它

    • 发布日期:2020-12-21
    • 文件大小:729088
    • 提供者:weixin_38580759
  1. 【人工智能学习】【二】Softmax与分类模型

  2. Softmax回归 上篇文章线性回归本质上是回归问题。本篇要介绍的是一个分类问题。softmax回归是一个单层神经网络,在前一篇博客中,输入数据的维度是2,这里以Fashion-MNIST数据集为例,输入的是2828的图像。将2828的图像像素拉直,得到的是输入784维度的输入数据。所以本例当中输入数据的维度为784,那么上一篇文章中的W WW矩阵维度也就变成784维。 上篇文章线性回归当中,输出的是1维数据,在Softmax回归中,输出的是多维的数据,具体来说就是图片的类别,这个类别可能是猫、
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:112640
    • 提供者:weixin_38636983
  1. EssayKiller_V2:基于开源GPT2.0的初代创作型人工智能|可扩展,可进化-源码

  2. 随笔杀手 通用型议论文创作人工智能框架,仅限交流与科普。 Bilibili视频地址: : 项目简介 EssayKiller是基于OCR,NLP领域的最新模型所构建的生成式文本创作AI框架,当前第一版finetune模型针对高考作文(主要是议论文),可以有效生成符合人类认知的文章,大量文章经过测试可以达到正常高中生及格作文水平。 项目作者 主页1 主页2 主页3 图灵的猫 致谢 感谢作者提供GPT-2中文预训练框架与数据支持。感谢, , , , , , , , 的参与和支持 框架说明
  3. 所属分类:其它

    • 发布日期:2021-03-16
    • 文件大小:218103808
    • 提供者:weixin_42102272
  1. Tensorboard可视化好帮手2

  2. 注意:本节内容会用到浏览器,而且与tensorboard兼容的浏览器是“GoogleChrome”.使用其他的浏览器不保证所有内容都能正常显示.上一篇讲到了如何可视化TesorBorad整个神经网络结构的过程。其实tensorboard还可以可视化训练过程(biase变化过程),这节重点讲一下可视化训练过程的图标是如何做的。请看下图,这是如何做到的呢?在histograms里面我们还可以看到更多的layers的变化:(P.S.灰猫使用的tensorflowv1.1显示的效果可能和视频中的不太一样
  3. 所属分类:其它

    • 发布日期:2021-02-24
    • 文件大小:280576
    • 提供者:weixin_38748740
  1. 808_用于业务分析的机器学习-源码

  2. 808_用于业务分析的机器学习注意 lec1:线性回归 lec2:Logistic回归 讲义3:逻辑回归2 第四讲:模型评估(精确度和召回率) 第五讲:Keras学习 讲座6:Tensorflow学习 讲座7:无监督学习(K均值和DBSCAN) Lec8_2:无监督学习(PCA) 讲座9:随机森林 Lec9_2:系统建议 Lec10:卷积神经网络 项目:猫猫图像识别 其他资源 我发现了150多种最佳的机器学习,NLP和Python教程 正则化 L1和L2有什么区别? 在线资源学
  3. 所属分类:其它

    • 发布日期:2021-02-20
    • 文件大小:3145728
    • 提供者:weixin_42117485
  1. CNN-二进制分类-猫-VS-狗-TF:卷积神经网络(CNN):brain:用于识别猫和狗之间的二进制分类-源码

  2. 卷积神经网络 :brain: 在猫之间进行二进制分类识别 :grinning_cat_face_with_smiling_eyes: 和一条狗 :dog_face: 。 视频 特征 CNN是使用Tensorflow v2.2构建的 型号:VGG16 技术:数据增强,辍学 时代训练:50 训练/验证准确性:85-90% 学分
  3. 所属分类:其它

    • 发布日期:2021-02-20
    • 文件大小:25600
    • 提供者:weixin_42148053
  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. 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. 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. 机器学习项目-源码

  2. 机器学习项目 描述 这是我使用Tensorflow和Python构建的4个以机器学习为中心的项目。 由Google合作实验室制造。 猫狗图像分类器 这种机器学习模型会吸收图像并将其分类为狗或猫。 从检索的数据。 我创建了一个卷积神经网络,其中包含2个Conv2D和MaxPooling2D层堆栈以及2个由ReLU激活函数和S形函数激活的密集层。 达到66%的精度。 使用KNN推荐书籍 这是一种使用K最近邻的书推荐算法,该算法采用书名,并返回5个相似书的列表以及它们各自的距离。 从检索的数据。 为确
  3. 所属分类:其它

    • 发布日期:2021-02-11
    • 文件大小:11264
    • 提供者:weixin_42121272
  1. Cat-vs.Dog-Classifier:具有Flask和Keras CNN的图像分类器-源码

  2. 猫与狗图像分类器 项目概况 图像分类器经过训练可以区分猫和狗的图像。 卷积神经网络是使用Keras&Tensorflow 2.0(GPU)构建的。 Heroku托管的Web应用程序是使用Flask框架构建的。 卷积神经网络特征 图像输入形状-128、128、3,激活-relu 定制头从Google MobileNetV2转移学习 编译器-优化程\u5e8f='RMSprop',损\u5931='binary_crossentropy',指标= ['准确性'] 加速-损失92%-损失19%(在
  3. 所属分类:其它

    • 发布日期:2021-02-05
    • 文件大小:27262976
    • 提供者:weixin_42126865