您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. mnist数字识别数据库

  2. 数字识别mnist数据库,机器学习经典数据。 The MNIST database of handwritten digits, available from this page, has a training set of 60,000 examples, and a test set of 10,000 examples. It is a subset of a larger set available from NIST. The digits have been size-normal
  3. 所属分类:深度学习

    • 发布日期:2017-09-13
    • 文件大小:10485760
    • 提供者:wutongthucs
  1. 打造自己的深度学习环境

  2. 打造自己的深度學習計算環境 本文告訴您如何在有限預算內,從硬體採購、組裝、作業系統選擇、軟體安裝與設定,自行 打造與NVIDIA DIGITS DEVBOX相當的深度學習計算環境。
  3. 所属分类:深度学习

    • 发布日期:2018-05-27
    • 文件大小:1048576
    • 提供者:sinat_37967865
  1. 源码Deep Learning with Theano

  2. Chapter 1, Theano Basics, helps the reader to reader learn main concepts of Theano to write code that can compile on different hardware architectures and optimize automatically complex mathematical objective functions. Chapter 2, Classifying Handwri
  3. 所属分类:深度学习

    • 发布日期:2018-08-06
    • 文件大小:1048576
    • 提供者:wang1062807258
  1. DIGITS 安装配置

  2. 这个压缩包主要是我用Anaconda创建py27环境下安装DIGITS的过程,其中主要自己安装过程中的各种非常细节的踩坑和安装细节流程等。最后的安装配置都是OK的,不过最后由于我笔记本中的python图像处理库scikit-image的版本和我的pillow==3.1.1的版本冲突了,没有运行起来!希望这份我踩过坑的超细文档能够帮助到同在Win10+VS2015环境下配置DIGITS中的你!
  3. 所属分类:深度学习

    • 发布日期:2020-03-11
    • 文件大小:5120
    • 提供者:DZ1135508698
  1. Demo:迷你项目演示-源码

  2. 许可证和证明 -伦敦帝国理工学院和Coursera: 1.使用TensorFlow 2自定义模型, 2.改善深度神经网络:超参数调整,正则化 和优化, 3.构建机器学习项目, 4.卷积神经网络, 5. TensorFlow 2入门, 6.神经网络和深度学习, 深度学习项目 [2019 |现在] TensorFlow框架 1. Classification of Image digits with SVHN dataset. [github demo] 2. Classification of f
  3. 所属分类:其它

    • 发布日期:2021-03-15
    • 文件大小:6291456
    • 提供者:weixin_42109732
  1. deep-learning-training-gui:通过GUI(网络应用)在经过预先训练的深度学习模型上进行训练和预测模型。 没有更多的参数,没有更多的数据预处理-源码

  2. 描述 我的目标是在不编写额外代码的情况下,通过GUI(或您可以调用Web应用程序)简化经过预训练的深度学习模型的安装和培训。 设置数据集并立即开始训练,并使用TensorBoard或DLTGUI工具对其进行监视。 没有更多的参数,没有更多的数据预处理。 在开发此应用程序时,我受到NVIDIA开发的DIGITS系统的启发。 训练图像分类算法不会有任何问题。 训练图像分类模型,保存模型并根据保存的模型进行预测很容易。 几个参数! 您将能够在预训练的模型上训练。 它在1.0中不存在,但是,
  3. 所属分类:其它

    • 发布日期:2021-02-05
    • 文件大小:314572800
    • 提供者:weixin_42166626
  1. DIGITS:深度学习GPU培训系统-源码

  2. 数字 数字(在d EEP学习摹PU牛逼下雨变体系)是培养深度学习模型web应用程序。 当前支持的框架是:Caffe,Torch和Tensorflow。 反馈 除了提交请求请求外,还可以通过提交功能请求并对其进行投票。 文献资料 最新和最新文档可在。 安装 安装方式 支持的平台 可用版本 使用说明 资源 Ubuntu 14.04、16.04 官方DIGITS容器可通过docker pull命令在nvcr.io上获得。 用法 安装DIGITS后,请访问以获取介绍性演练。 然后,在和查看其他一些
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:37748736
    • 提供者:weixin_42125192