免费的东东，官网可以下到，以防网断掉，或者大家找不到，传一份上来。
包括100k和1m两个，另外10m的太大，不传了，想要的自己去下吧
包括100k和1m两个，另外10m的太大，不传了，想要的自己去下吧
2025/10/12 12:26:00
10.4MB
1
TransferringDeepConvolutionalNeuralNetworksfortheSceneClassificationofHigh-ResolutionRemo所用数据源WHU-RSDataset.从GoogleEarth（GoogleInc.）收集的WHU-RS数据集[6]是一个新的公开可用的数据集，其包含大小为600×600像素的950幅图像，均匀分布在19个场景类中。
2025/10/11 18:35:53
99.86MB
1
点云分割数据集，在学习论文《Relation-ShapeConvolutionalNeuralNetworkforPointCloudAnalysis》时用到的数据集。
2025/10/11 6:25:19
674.24MB
1
CMADS数据集运用,大气驱动场的质量一直是影响水文模型模拟结果的重要因素之一，较差的大气驱动场数据通过误差传递，使得水文模型输出结果的不确定性增加。
我国幅员辽阔且地形复杂，而气象观测站点却相对稀缺，现有观测站点已不能满足大尺度水量、能量平衡过程的模拟研究工作。
引入中国陆面同化系统强迫场CLDAS，建立CMADS数据集，以祁连山黑河流域为典型研究区，利用CMADSV1．0版本数据集驱动SWAT模型，并对CFSＲ及传统气象站驱动SWAT的结果进行对比分析。
通过对黑河流域3个水文控制站(莺落峡，祁连山及扎马什克)径流量进行率定与验证后发现:CMADS+SWAT模式径流输出结果总体优于CFSＲ+SWAT模式及TWS+SWAT模式的模拟结果，利用CMADS+SWAT模式亦可很好地反映黑河流域各类地表分量(如土壤湿度、融雪等)时空分布特征，表明CMADS数据集较传统气象站驱动大中尺度水文模型拥有更明显的优势，该数据集将为我国地面气象站缺乏区及无站区(如中国西部及我国大部分高寒山区等)的大气－水文耦合研究提供重要的气象数据保障
我国幅员辽阔且地形复杂，而气象观测站点却相对稀缺，现有观测站点已不能满足大尺度水量、能量平衡过程的模拟研究工作。
引入中国陆面同化系统强迫场CLDAS，建立CMADS数据集，以祁连山黑河流域为典型研究区，利用CMADSV1．0版本数据集驱动SWAT模型，并对CFSＲ及传统气象站驱动SWAT的结果进行对比分析。
通过对黑河流域3个水文控制站(莺落峡，祁连山及扎马什克)径流量进行率定与验证后发现:CMADS+SWAT模式径流输出结果总体优于CFSＲ+SWAT模式及TWS+SWAT模式的模拟结果，利用CMADS+SWAT模式亦可很好地反映黑河流域各类地表分量(如土壤湿度、融雪等)时空分布特征，表明CMADS数据集较传统气象站驱动大中尺度水文模型拥有更明显的优势，该数据集将为我国地面气象站缺乏区及无站区(如中国西部及我国大部分高寒山区等)的大气－水文耦合研究提供重要的气象数据保障
2025/10/8 18:14:57
1.61MB
1
帕绍大学硕士论文主题：域自适应本文讨论了一种通用的领域自适应模型技术的发展，这将有助于解决各种计算机视觉任务。
该模型在流行的视觉域数据集上进行图像分类任务训练，并且与其他可用的域适应方法相比，该模型的性能得到了评估。
“基于幅度的权重修剪”技术用于执行目标特征提取器优化。
有关代码的说明：models.py模块定义了源模型和目标模型。
Xception网络和顶层config.py模块定义了各种参数，例如设置路径，实验数据集组合ID等。
将来可能会添加其他配置loss.py定义了其他损失方法。
preprocessing.py模块使用各种数据集组合（包括数据扩充）定义数据预处理管道。
train_test.py是一个帮助程序模块，它定义了培训和评估方法。
evals_helper.py是一个帮助程序模块，它详细定义了评估方法。
utlis.py定义了各种绘图，辅助方法和
该模型在流行的视觉域数据集上进行图像分类任务训练，并且与其他可用的域适应方法相比，该模型的性能得到了评估。
“基于幅度的权重修剪”技术用于执行目标特征提取器优化。
有关代码的说明：models.py模块定义了源模型和目标模型。
Xception网络和顶层config.py模块定义了各种参数，例如设置路径，实验数据集组合ID等。
将来可能会添加其他配置loss.py定义了其他损失方法。
preprocessing.py模块使用各种数据集组合（包括数据扩充）定义数据预处理管道。
train_test.py是一个帮助程序模块，它定义了培训和评估方法。
evals_helper.py是一个帮助程序模块，它详细定义了评估方法。
utlis.py定义了各种绘图，辅助方法和
2025/10/7 10:41:06
2.61MB
1
视觉是人类认知世界的重要途径之一，人类获取外部信息的80%来自视觉系统。
计算视觉就是在了解人类视觉基础上，用成像系统代替人类视觉器官，用计算级代替人脑完成对输入图像的处理与理解。
同时，随着信息技术与智能科学的发展，计算机视觉是人工智能领域热门学科之一和物联网感知层重要技术之一。
计算视觉就是在了解人类视觉基础上，用成像系统代替人类视觉器官，用计算级代替人脑完成对输入图像的处理与理解。
同时，随着信息技术与智能科学的发展，计算机视觉是人工智能领域热门学科之一和物联网感知层重要技术之一。
2025/10/5 8:30:24
7.91MB
1
时间序列界的“Imagnet”，发文章必跑数据集。
大约有128个数据集，如ECG5000，GunPoint，coffee等数据集相比于2015版有了大量更新，2018年秋季：该数据资源的早期工作由NSF职业奖0237918资助，并通过NSFIIS-1161997II和NSFIIS1510741资助。
大约有128个数据集，如ECG5000，GunPoint，coffee等数据集相比于2015版有了大量更新，2018年秋季：该数据资源的早期工作由NSF职业奖0237918资助，并通过NSFIIS-1161997II和NSFIIS1510741资助。
2025/10/3 18:09:30
246.06MB
1
1）需要下载NUAA数据集；
2）结合NUAA数据集，完成根据list读取数据集，embedding，之后训练一个活体检测模型；
3）测试模型的性能
2）结合NUAA数据集，完成根据list读取数据集，embedding，之后训练一个活体检测模型；
3）测试模型的性能
2025/9/30 3:34:58
74.91MB
1
通过模块化的编程思想，运用Tensorflow搭建的全连接神经网络，代码包括5个文件，分别为generateds.py;forward.py;backward.py;test.py;appMnist.py，分别对应生成数据集，前向传播，反向传播，测试模型，运用模型做预测的功能
2025/9/29 10:46:38
14KB
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