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. modelarts-example-源码

  2. ModelArts案例指南 案例1 本案例介绍在“ ”平台如何使用MXNet实现MNIST数据集的手写数字图像识别应用。通过进入ModelArts平台的“ ”界面创建训练作业，完成模型训练，然后“ ”，“ ”，发起预测请求完成预测。 基本流程包含以下步骤： 准备数据：下载数据集，解压后上传至OBS桶中。 训练模型：使用MXNet本机接口编写模型训练脚本，新建训练作业进行模型训练。 部署模型：得到训练好的模型文件后，新建预测作业将模型部署为在线预测服务。 发起预测请求：发起预测请求获取预测结果。

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：6291456
    • 提供者：weixin_42131633

  1. PaddlePaddle_ImageProcessing-源码

  2. 图像处理基础 2021年3月 课程大纲 1，图像处理的概念与基础操作 2，OpenCV库进阶操作 3，图像分类任务概念介绍 4，PaddleClas数据增强代码解析 5，参考资料------在这里撰写你的笔记------ 1，图像处理的概念与基本操作 图片，GIF，视频 将会：画面中最小的点 问题：图片在计算机中长啥样？ 灰色图片 # 加载一张手写数字的灰度图片 # 从Paddle2.0内置数据集中加载手写数字数据集，本文第3章会进一步说明 from paddle.vision.datasets

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：20480
    • 提供者：weixin_42126677

  1. TensorFlow-Basic-Image-Classification-源码

  2. TensorFlow基本图像分类 分析概述 该项目的目的是使用TensorFlow的神经网络来分析手写数字图像并预测输入图像的数字或类别。 我们使用以下方法进行分析： 从MNIST数据库中导入训练和测试集， 预处理并准备模型的训练和测试集， 创建并编译深度神经网络模型， 训练模型并运行预测， 可视化结果。 资源 数据源： MNIST数据库 软体：Python 3.8，TensorFlow 2.3.1，Jupyter Notebook 6。 链接到代码 结果 创建的模型的准确性为97％

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：49152
    • 提供者：weixin_42102401

  1. imageclassification:深度学习-源码

  2. Keras的实用图像分类： 你好科拉布 影像分类 预训练的特征化 转移学习 基于特征的图像搜索 01 HelloColab.ipynb 基本的Colab演示 02 ImageClassification.ipynb 在这段代码中，我们将实现一个基本的图像分类器： 加载数据集（MNIST手写数字） 设计深度学习模型并检查其可学习的参数 在训练数据上训练模型并检查学习曲线 根据从未见过的测试数据评估经过训练的模型 保存模型以备后用 加载并使用模型 03 PretrainedFeatureV

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：6291456
    • 提供者：weixin_42116713

  1. MNIST数字分类：MNIST数字分类基本-源码

  2. MNIST数字分类：MNIST数字分类基本

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：14336
    • 提供者：weixin_42121725