《tensorflow训练好模型移植到android》教程，共66页pdf格式文档（幻灯片形式），讲解清楚，能很快实现。
涉及两个例子，第一个是将Tensorflow的实例编译成APK，安装运行到Android客户端，立即可以使用；
第二个是自己训练Tensorflow模型，训练几千次之后，将训练好的模型（文档中给出了详细的模型训练，具体训练的图片安装说明再准备提供即可使用），编译成APK，安装运行到Android客户端。
适合初学者，能很快上手。
具体实验环境为MacOS10.13.2；
Tensorflow-master；
androidsdk：api_level=26,build_tools_version="27.0.3"；
androidndk：android-ndk-r12b，api_level=14.另外，第一个编译好的APK实例可以在http://download.csdn.net/download/wuxinxing1981/10232528上下载
涉及两个例子，第一个是将Tensorflow的实例编译成APK，安装运行到Android客户端，立即可以使用；
第二个是自己训练Tensorflow模型，训练几千次之后，将训练好的模型（文档中给出了详细的模型训练，具体训练的图片安装说明再准备提供即可使用），编译成APK，安装运行到Android客户端。
适合初学者，能很快上手。
具体实验环境为MacOS10.13.2；
Tensorflow-master；
androidsdk：api_level=26,build_tools_version="27.0.3"；
androidndk：android-ndk-r12b，api_level=14.另外，第一个编译好的APK实例可以在http://download.csdn.net/download/wuxinxing1981/10232528上下载
2023/10/15 6:06:28
4.8MB
1
一步步教你如何搭建机器翻译系统，包括：1.机器翻译现状41.1什么是机器翻译？41.2相关论文71.3相关会议81.4相关工具82.NMT系统搭建指导92.1获取数据92.2数据预处理102.3模型训练122.4模型的解码及bleu计算133.系统的优化153.1模型的ensemble153.2定制化领域微调153.3迁移学习154.翻译引擎的部署164.1翻译系统概述164.2基于Tensor2tensor的引擎部署164.3简单系统搭建174.4多个模型共同部署的方案185.机器翻译进阶195.1爬虫技术195.2数据清洗195.3数据增强205.4翻译质量评估216.常用框架概述226.1Tensor2tensor226.2Nematus296.3Marian296.4其他框架307.其他307.1Bleu原理307.2BPE原理30
2023/9/26 1:34:17
2.05MB
1
在深度学习的模型训练时，需要大量的带有标注的样本，人工标注是一样费时又费力的工作，LabelImg是为此而推出的一款便捷的标注工具，操作简单，效果良好。
2023/9/21 17:57:57
12.54MB
1
Esp32-Cam学习训练模型的的Python包用于从视频流中获取图片然后建立目标模型，训练后生成Arduino代码，烧录生成的Arduino代码便可让板件具备图像识别功能。
2023/9/19 9:58:31
1.75MB
1
基于Kaggle竞赛数据，原始数据文件较大，故本数据集只选用了train.csv中的5万条样本作为模型训练集（train.csv.gzip），1万条样本作为模型测试集（test.csv.gzip）
2023/7/27 14:19:52
37.29MB
1
書中机器学习(特别是在分类)中一个令人惊讶的常见问题，出现于每个类别的观测样本不成比例的数据集中。
普通的准确率不再能够可靠地度量功能，这使得模型训练变得更加困难。
不平衡类别使得“准确率”失去意义。
普通的准确率不再能够可靠地度量功能，这使得模型训练变得更加困难。
不平衡类别使得“准确率”失去意义。
2023/3/17 14:41:33
28.88MB
1
本系统是基于svm训练得到的分类器，代码包含了数据集的预处理和模型训练，对给定测试集进行测试，并根据已有标签计算精确度。
代码内有详细注释，下载即可运行。
如有疑问可联系
代码内有详细注释，下载即可运行。
如有疑问可联系
2023/3/10 18:20:42
131.31MB
1
文件为JSON格式数据，很简单解析，包括歌词、歌名、歌手等信息，包括各种风格的歌曲，大约1万8千首左右（未去重）。
可以用作歌词生成模型训练、中文歌词向量模型训练等。
可以用作歌词生成模型训练、中文歌词向量模型训练等。
2023/3/3 19:55:57
10.81MB
1
资源包含全部YOLOV4模型，模型训练的步骤的相关说明都在资源当中。
框架采用的pytorch,信号灯数据集采用的是我自己标注的信号灯数据集，相关数据集的资源可以在我发布的其他资源里找到，数据集的数量庞大，质量优秀，完全可以胜任模型的训练任务。
模型文件经过本人亲身调整和测试，确实有效。
训练过程中遇到的问题和解决方法都写在了资源里的说明中，最终训练完成的权重文件也一并打包上传，有任何问题可以留言。
框架采用的pytorch,信号灯数据集采用的是我自己标注的信号灯数据集，相关数据集的资源可以在我发布的其他资源里找到，数据集的数量庞大，质量优秀，完全可以胜任模型的训练任务。
模型文件经过本人亲身调整和测试，确实有效。
训练过程中遇到的问题和解决方法都写在了资源里的说明中，最终训练完成的权重文件也一并打包上传，有任何问题可以留言。
2023/2/12 4:12:02
461.09MB
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