由于数据集太大，此处为数据集的百度网盘链接。
利用该数据集可以通过objectdetectionAPI进行目标对象识别模型frozen_inference_graph.pb文件的训练。
利用该数据集可以通过objectdetectionAPI进行目标对象识别模型frozen_inference_graph.pb文件的训练。
2025/1/8 21:15:26
108B
1
自己训练的opencv基于haar特征的adaboost级联分类器模型，里面包含30个model，不同正负样本比例、不同层数。
2.0-2500x7500，2.1-2500x6300，2.2-2500x5000，2.3-1500x4000-hr0.99-fa0.5
2.0-2500x7500，2.1-2500x6300，2.2-2500x5000，2.3-1500x4000-hr0.99-fa0.5
2025/1/8 17:58:51
1.59MB
1
一、课前导习。
1、圈画课文生字，读通顺这首小诗。
2、画一幅春天的图画。
二、课堂研习。
1、展示作品，导入新课2、全班交流识字方法，多种形式认读生字。
3、自由朗读，感悟课文讨论：你从什么地方知道柳树醒了？4、你还知道在春天里还有什么也醒了？5、指导书写，学生描红。
6、朗读课文，背诵课文。
三、当堂训练。
1、看拼音写词语。
1、圈画课文生字，读通顺这首小诗。
2、画一幅春天的图画。
二、课堂研习。
1、展示作品，导入新课2、全班交流识字方法，多种形式认读生字。
3、自由朗读，感悟课文讨论：你从什么地方知道柳树醒了？4、你还知道在春天里还有什么也醒了？5、指导书写，学生描红。
6、朗读课文，背诵课文。
三、当堂训练。
1、看拼音写词语。
2025/1/6 13:29:28
633KB
1
TensorFlow-inception-v3,其中以.pb结尾的就是已训练好的inception模型
2025/1/4 18:56:13
84.87MB
1
该段Tensorflow代码可用于文本分类，和情感分类。
其主要特点是，在同一份代码中，同时实现两张张量图，一张用于训练，另一张用于测试。
并做交叉验证。
其主要特点是，在同一份代码中，同时实现两张张量图，一张用于训练，另一张用于测试。
并做交叉验证。
2025/1/3 16:24:19
11KB
1
此资源是商城评论语料库58万条，可用于分析该评论语料库采集自京东商城，包含电脑评论、手机评论、图书评论、服装评论等19个不同种类的消费者评论，共有58万条评论记录。
数据文件中每条评论记录占一行，每条评论句后面给出类别标注，分隔符为"\t"。
该语料库是研究评论文本较好的训练数据集。
数据文件中每条评论记录占一行，每条评论句后面给出类别标注，分隔符为"\t"。
该语料库是研究评论文本较好的训练数据集。
2025/1/2 13:53:43
41.27MB
1
文本分类训练与测试语料，详情见博客《《自然语言处理实战入门》文本分类----使用词向量与SVM进行文本分类》：https://season.blog.csdn.net/article/details/113798565
2025/1/1 20:44:32
95.36MB
1
本程序根据训练好的网络文件ANN.mat预测新的数据文件，得到均方误差，并画出预测数据和原数据的对比图。
2024/12/31 8:14:24
2KB
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