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. C＋＋Templates

  2. 本书是C++模板编程的完全指南，旨在通过基本概念、常用技巧和应用实例3方面的有用资料，为读者打下C++模板知识的坚实基础。 　　全书共22章。第1章全面介绍了本书的内容结构和相关情况。第1部分（第2～7章）以教程的风格介绍了模板的基本概念，第2部分（第8～13章）阐述了模板的语言细节，第3部分（第14～18章）介绍了C++模板所支持的基本设计技术，第4部分（第19～22章）深入探讨了各种使用模板的普通应用程序。附录A和B分别为一处定义原则和重载解析的相关资料。 　　本书适合C++模板技术的初学

  3. 所属分类：C++

    • 发布日期：2010-06-05
    • 文件大小：7340032
    • 提供者：ripyueeq

  1. 语言程序设计课后习题答案

  2. 第 一 章 概述 1-1 简述计算机程序设计语言的发展历程。 解： 迄今为止计算机程序设计语言的发展经历了机器语言、汇编语言、高级语言等阶段，C++语言是一种面向对象的编程语言，也属于高级语言。 1-2 面向对象的编程语言有哪些特点？ 解： 面向对象的编程语言与以往各种编程语言有根本的不同，它设计的出发点就是为了能更直接的描述客观世界中存在的事物以及它们之间的关系。面向对象的编程语言将客观事物看作具有属性和行为的对象，通过抽象找出同一类对象的共同属性（静态特征）和行为（动态特征），形成类。通过

  3. 所属分类：软件测试

    • 发布日期：2012-12-27
    • 文件大小：636928
    • 提供者：bai5170092

  1. 疯狂JAVA讲义

  2. 第1章 Java概述 1 1.1 Java语言的发展简史 2 1.2 Java的竞争对手及各自优势 4 1.2.1 C#简介和优势 4 1.2.2 Ruby简介和优势 4 1.2.3 Python的简介和优势 5 1.3 Java程序运行机制 5 1.3.1 高级语言的运行机制 6 1.3.2 Java程序的运行机制和JVM 6 1.4 开发Java的准备 7 1.4.1 安装JDK 8 学生提问：不是说JVM是运行Java程序的虚拟机吗？那JRE和JVM的关系是怎样的呢？ 8 学生提问：为什

  3. 所属分类：Java

    • 发布日期：2014-10-17
    • 文件大小：33554432
    • 提供者：yzzgjw

  1. jshan1\DeepLearningCNN\tutorials_DL_slide

  2. Deep Learning for Vision-Tricks of the Trade Deep Learning的应用和调参技巧。

  3. 所属分类：讲义

    • 发布日期：2015-08-27
    • 文件大小：3145728
    • 提供者：itobtui

  1. 李刚《疯狂java讲义》PDF版

  2. 《疯狂Java讲义》覆盖了Java的基本语法结构、Java的面向对象特征、Java集合框架体系、Java泛型、异常处理、Java GUI编程、JDBC数据库编程、Java注释、Java的IO流体系、Java多线程编程、Java网络通信编程和Java反射机制。共覆盖了java.awt、java.lang、java.io和java.nio、java.sql、java.text、java.util、javax.swing包下绝大部分类和接口。 目录: 第1章 Java概述 1.1 Java语言的发展

  3. 所属分类：Java

    • 发布日期：2015-12-03
    • 文件大小：37748736
    • 提供者：s1945227880

  1. Toad 使用快速入门

  2. Toad 使用快速入门 目录 一．Toad功能综述 二．系统需求 三．安装指南 四．快速入门 1． Schema browser的用法简介 2． SQL Editor的使用介绍 3． Procedure Editor的用法介绍 4． 如何进行PLSQL的debug 5． 如何使用SQLab Xpert优化SQL 6． 如何使用SQL Modeler来编写查询 7． 如何使用Toad的DBA方面的功能 一、 Toad功能综述 在Oracle应用程序的开发过程中，访问数据库对象和编写SQL程序是一

  3. 所属分类：其它

    • 发布日期：2008-11-27
    • 文件大小：59392
    • 提供者：zoushize

  1. Neural Networks Tricks of the Trade

  2. 神经网络调参技巧。It is our belief that researchers and practitioners acquire, through experience and word-of-mouth, techniques and heuristics that help them successfully apply neural networks to difficult real world problems. Often these “tricks” are theoret-

  3. 所属分类：深度学习

    • 发布日期：2017-09-06
    • 文件大小：11534336
    • 提供者：mfranciswong

  1. 深度学习调参有哪些技巧？| 干货

  2. 文章的主要内容源于Stanford CS231n Convolutional Neural Networks for Visual Recognition课程里介绍的一些通过可视化手段，调试理解CNN网络的技巧，在该课程的基础上我作了一些沿展阅读，算是把当中的内容进一步丰富系统化了一下。限于时间精力，我也没有能够把里面提到的所有调试技巧全部进行尝试，不过在整理这篇文章的时候，我还是参考了不止一处文献，也结合之前以及最近跟一些朋友的技术交流沟通，对这些方法的有效性我还是有着很强的confiden

  3. 所属分类：深度学习

    • 发布日期：2018-03-07
    • 文件大小：886784
    • 提供者：qq_40841714

  1. Go 语言编程 + Go 学习笔记

  2. Go 语言编程 + Go 学习笔记, 第 部分 语 第 1 章 类型 1.1 变量 1.2 常量 1.3 基本类型 1.4 引 类型 1.5 类型转换 1.6 字符串 1.7 指针 1.8 定义类型 第 2 章 表达式 2.1 保留字 2.2 运算符 2.3 初始化 2.4 控制流 第 3 章 函数 3.1 函数定义 3.2 变参 3.3 返回值 3.4 匿名函数 3.5 延迟调 3.6 错误处理 第 4 章 数据 4.1 Array 4.2 Slice 4.3 Map 4.4 Struct

  3. 所属分类：其它

    • 发布日期：2018-06-04
    • 文件大小：9437184
    • 提供者：shzhrui

  1. 【05-面向对象(下)】

  2. 基本数据类型的包装类 •八大数据类型的包装类分别为：Byte、Short、Integer、Long、Character、 Float、Double、Boolean。 把基本数据类型变量包装类实例是通过对应包装类的构造器来实现的，不仅如此，8个包装类中除了 Character之外，还可以通过传入一个字符串参数来构建包装类对象。 •如果希望获得包装类对象中包装的基本类型变量，则可以使用包装类提供的XxxValue()实例方法。 自动装箱与自动拆箱 •JDk还提供了自动装箱和自动拆箱。自动装箱就是把

  3. 所属分类：Java

    • 发布日期：2018-07-03
    • 文件大小：52
    • 提供者：nidezhuyi

  1. deepspeech论文

  2. deepspeech的论文。作者有强大的调参技巧，硬生生地将一个这么简单地网络调教地这么好。

  3. 所属分类：深度学习

    • 发布日期：2018-09-20
    • 文件大小：593920
    • 提供者：qq_35978445

  1. 全卷积层FCN的提出，以及在语义分割的应用

  2. 全卷积层FCN的提出，以及在语义分割的应用。作者有强大的调参技巧，网络有很多看起来简单，但实际上十分难以得出的结论

  3. 所属分类：深度学习

    • 发布日期：2018-09-20
    • 文件大小：829440
    • 提供者：qq_35978445

  1. 魏秀参CNN book trick深度学习调参技巧

  2. 魏秀参CNN book， 以及cnn trick。深度学习书和调参技巧ppt

  3. 所属分类：深度学习

    • 发布日期：2018-10-08
    • 文件大小：73400320
    • 提供者：qq_21997625

  1. go学习笔记

  2. 第⼀一部分 语⾔言 8 第 1 章 类型 9 1.1 变量 9 1.2 常量 10 1.3 基本类型 13 1.4 引⽤用类型 14 1.5 类型转换 14 1.6 字符串 15 1.7 指针 17 1.8 ⾃自定义类型 19 第 2 章 表达式 21 2.1 保留字 21 2.2 运算符 21 2.3 初始化 22 2.4 控制流 23 第 3 章 函数 29 3.1 函数定义 29 3.2 变参 30 3.3 返回值 30 3.4 匿名函数 32 3.5 延迟调⽤用 34 3.6 错误处理

  3. 所属分类：其它

    • 发布日期：2019-03-21
    • 文件大小：1048576
    • 提供者：weixin_41020960

  1. 卷积神经网络调优.rar

  2. 卷积神经网络调优相关资料 深度学习调优技巧 包括一些网页的整理以及 魏秀参CNN book trick深度学习调参技巧

  3. 所属分类：深度学习

    • 发布日期：2019-07-29
    • 文件大小：55574528
    • 提供者：suofen9703

  1. 华为垃圾分类大赛亚军答辩PPT

  2.  19年不务正业，入门跟着福大师学习CV领域，刚好看到参加华为垃圾分类CV赛，有幸获得一个亚军，比赛过去有点久了，具体的代码内容就不再分享，分享下当时答辩的PPT，有兴趣的同学欢迎探讨！ pS：CV界调包侠和调参侠特别吃香，小厂辛辛苦苦研究心的算法可能新开源的一个直接完爆你的研究。这真的是一项重资产的工程，大部分场景拼的是数据和资源。 在数据和资源不平等的条件下，考虑算法实在是太难为科学家了！   技巧总结 1、10比赛9融合五折交叉、十折交叉后融合，效果特别好 2、模型的尝试和选择非常

  3. 所属分类：深度学习

    • 发布日期：2020-05-31
    • 文件大小：5242880
    • 提供者：xiefu5hh

  1. 炼丹技巧 | BERT的下接结构调参

  2. 前情回顾 我们之前介绍了 BERT的原理与应用 BERT与其他预训练模型 BERT四大下游任务 现在我们基于（2019BDCI互联网金融新实体发现 | 思路与代码框架分享（单模第一，综合第二））代码实践来介绍一下BERT如何调参才能更加充分训练，使得到的模型性能更好。 具体代码链接： https://link.zhihu.com/?target=https://github.com/ChileWang0228/Deep-Learning-With-Python/tree/master/chap

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：361472
    • 提供者：weixin_38536397

  1. 炼丹技巧 | TensorFlow模型线上私密部署

  2. 前情回顾 我们之前介绍了 BERT的原理与应用 BERT与其他预训练模型 BERT四大下游任务 炼丹技巧 | BERT的下接结构调参 现在我们基于（2019BDCI互联网金融新实体发现 | 思路与代码框架分享（单模第一，综合第二））代码实践来介绍一下模型在线上部署的时候不暴露我们的model结构代码，也就是将自己的模型匿名，但却可以在线上持续提供服务。 具体项目代码链接： https://github.com/ChileWang0228/Deep-Learning-With-Python/tr

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：264192
    • 提供者：weixin_38638002

  1. Deep-Learning-Tricks:遇到的深度学习技巧-源码

  2. 模型 （1）模型自身结构 -> 模型的表达能力 （2）超参数选择 （3）数据模型不匹配 （4）数据集构造：没有足够数据、分类不均衡、有噪声的标签、训练集和测试集分布不均衡 欠拟合 （1）让模型更大：给模型加入更多的层 eg.ResNet-50 -> resNet-101，每层中更多的单元； （2）减少正则化 （3）错误分析：（训练集和测试集的分布偏差）测试时候出现问题进行分析，训练集缺少哪些情况导致错误，后续将在训练集中加入此类数据纠正偏差； （4）改进模型架构 （5）调节超参数：手

  3. 所属分类：其它

    • 发布日期：2021-03-25
    • 文件大小：1048576
    • 提供者：weixin_42099815

  1. 基于主成分分析网络的改进图像分类算法

  2. 针对深层卷积神经网络模型的训练复杂、调参技巧和经验要求高、理论分析难等问题, 提出一种训练效率高、可解释性强以及理论分析简单的图像分类算法。基于主成分分析网络(Principal Component Analysis Network, PCANet)进行特征提取, 并采用宽度神经网络(Flat Neural Network, FNN)分类图像, 最后通过直接计算得到模型参数。根据训练数据集自适应决定宽度神经网络节点数目, 增加节点时不需要重新训练, 只需要调整局部参数。实验表明, 该模型能够快速

  3. 所属分类：其它

    • 发布日期：2021-01-25
    • 文件大小：8388608
    • 提供者：weixin_38518722
« 12 »