应用caffe深度学习框架进行mnist手写字体识别，需要mnist数据集。
这里提供了数据集包和解压之后的数据集供您使用！
这里提供了数据集包和解压之后的数据集供您使用！
2024/1/22 2:57:34
22.12MB
1
利用keras深度学习框架，生成人脸表情学习模型h5，转换为tensorflow的深度学习框架pb，在OpenCV中利用dnn调用pb模型并判断人脸表情
2023/12/4 4:47:41
113.93MB
1
WIndows下使用caffe深度学习框架，编译caffe时会让下载一个接近一个G的NugetPackages依赖包，速度十分慢，而且会出现失败的情况，在此分享我用VS2013编译caffe时下载好的NugetPackages依赖包（温馨提示：caffe编译最好用VS2013，一开始用VS2017，就是下不下来这个包，血的教训）
2023/8/14 21:57:52
71B
1
培训关于批处理AI的分布式培训此仓库是有关如何使用BatchAI以分布式方式训练CNN模型的教程。
涵盖的场景是图像分类，但是该解决方案可以推广到其他深度学习场景，例如分段和对象检测。
图像分类是计算机视觉应用中的常见任务，通常通过训练卷积神经网络（CNN）来解决。
对于具有大型数据集的大型模型，单个GPU的训练过程可能需要数周或数月。
在某些情况下，模型太大，以致于无法在GPU上放置合理的批处理大小。
在这些情况下使用分布式培训有助于缩短培训时间。
在此特定方案中，使用Horovod在ImageNet数据集以及合成数据上训练ResNet50CNN模型。
本教程演示了如何使用三个最受欢迎的深度学习框架来完成此任务：TensorFlow，Keras和PyTorch。
有许多方法可以以分布式方式训练深度学习模型，包括数据同步和基于同步和异步更新的模型并行方法。
当前，最常见的场景是与同步更新并行的数据-这是最容易实现的，并且对于大多数用例而言已经足够。
在具有同步更新的数据并行分布式训练中，该模型在N个硬件设备之间复制，并且一小批训练样本被划分为N个微批次（参见图2）。
每个设备都
涵盖的场景是图像分类，但是该解决方案可以推广到其他深度学习场景，例如分段和对象检测。
图像分类是计算机视觉应用中的常见任务，通常通过训练卷积神经网络（CNN）来解决。
对于具有大型数据集的大型模型，单个GPU的训练过程可能需要数周或数月。
在某些情况下，模型太大，以致于无法在GPU上放置合理的批处理大小。
在这些情况下使用分布式培训有助于缩短培训时间。
在此特定方案中，使用Horovod在ImageNet数据集以及合成数据上训练ResNet50CNN模型。
本教程演示了如何使用三个最受欢迎的深度学习框架来完成此任务：TensorFlow，Keras和PyTorch。
有许多方法可以以分布式方式训练深度学习模型，包括数据同步和基于同步和异步更新的模型并行方法。
当前，最常见的场景是与同步更新并行的数据-这是最容易实现的，并且对于大多数用例而言已经足够。
在具有同步更新的数据并行分布式训练中，该模型在N个硬件设备之间复制，并且一小批训练样本被划分为N个微批次（参见图2）。
每个设备都
2023/7/28 19:18:56
437KB
1
本文于收集,文章教学了使用TensorFlow若何来构建神经收集及图像识别与卷积神经收集的详尽描摹。
tensor:张量，是tensorflow的数据模子。
在tensorflow中能够约莫知道为多位数组，展现盘算节点，是tensorflow管理数据的方式。
然则在tensorflow中，张量的实现并非直接付与数组的方式，它仅仅是对于运算下场的援用。
张量的三个首要属性：name、shap
tensor:张量，是tensorflow的数据模子。
在tensorflow中能够约莫知道为多位数组，展现盘算节点，是tensorflow管理数据的方式。
然则在tensorflow中，张量的实现并非直接付与数组的方式，它仅仅是对于运算下场的援用。
张量的三个首要属性：name、shap
2023/4/12 18:01:49
977KB
1
TensorFlow是google基于DistBelief举行研发的第二代家养智能学习体系，其命名来源于自身的运行原理。
Tensor（张量）象征着N维数组，Flow（流）象征着基于数据流图的盘算，TensorFlow为张量从流图的一端行为到另一端盘算进程。
TensorFlow是将繁杂的数据结构传输至家养智能神经网中举行阐发以及处置进程的体系。
此为深度学习框架tensorflowcpu版本
Tensor（张量）象征着N维数组，Flow（流）象征着基于数据流图的盘算，TensorFlow为张量从流图的一端行为到另一端盘算进程。
TensorFlow是将繁杂的数据结构传输至家养智能神经网中举行阐发以及处置进程的体系。
此为深度学习框架tensorflowcpu版本
2023/4/8 22:42:40
25.92MB
1
很多初入深度学习的学生都会遇到各种环境配置问题，环境搭建不好模型就跑不了，所以这是限制新手的一大难点，MATLAB具有成熟的运行环境，无需配置，这点对于想跑通一个深度学习模型的新手是非常有利的。
所以，本教程手把手教你使用MATLAB中的深度学习框架，完成遥感影像分类的具体操作步骤。
本教程给出完整的代码、操作手擦、原始训练及测试样本，旨在最大限度的简化操作步骤，让深度学习零基础的学生也可以轻松跑通深度学习代码，增加自信心和学习兴味，为遥感影像分类提供一个可借鉴的新型的方法。
所以，本教程手把手教你使用MATLAB中的深度学习框架，完成遥感影像分类的具体操作步骤。
本教程给出完整的代码、操作手擦、原始训练及测试样本，旨在最大限度的简化操作步骤，让深度学习零基础的学生也可以轻松跑通深度学习代码，增加自信心和学习兴味，为遥感影像分类提供一个可借鉴的新型的方法。
2023/3/7 11:10:21
6.26MB
1
PowerMCT系列产品是自主开发的具备强大计算能力、5G移动通信以及硬件数据加密能力的工业级终端产品。
高功能计算平台可运行深度学习框架；
5G通信可进行大数据的吞吐；
大数据的硬件加密可保证数据的安全。
基于以上特性该产品可用于汽车、无人机、智慧交通、工业物联网、智慧能源、无人农场等多个领域。
高功能计算平台可运行深度学习框架；
5G通信可进行大数据的吞吐；
大数据的硬件加密可保证数据的安全。
基于以上特性该产品可用于汽车、无人机、智慧交通、工业物联网、智慧能源、无人农场等多个领域。
2018/1/4 13:05:10
1.12MB
1
PowerMCT系列产品是自主开发的具备强大计算能力、5G移动通信以及硬件数据加密能力的工业级终端产品。
高功能计算平台可运行深度学习框架；
5G通信可进行大数据的吞吐；
大数据的硬件加密可保证数据的安全。
基于以上特性该产品可用于汽车、无人机、智慧交通、工业物联网、智慧能源、无人农场等多个领域。
高功能计算平台可运行深度学习框架；
5G通信可进行大数据的吞吐；
大数据的硬件加密可保证数据的安全。
基于以上特性该产品可用于汽车、无人机、智慧交通、工业物联网、智慧能源、无人农场等多个领域。
2018/1/4 13:05:10
1.12MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB