使用TCN模型实现MNIST数据集分类，就最后一层一维空洞卷积的输出是否为序列，使用两种方法实现，分别接Flatten层和Lambda层
2024/1/26 1:35:53
11.06MB
1
KNN算法使用MNIST数据集、0-1二值图集、自写的数字图片集，做手写数字识别的代码，文件夹分类明确。
2024/1/23 5:45:20
98.11MB
1
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
本案例采用MNIST数据集对sklearn常用的分类算法进行训练，然后用训练后的模型来识别自己手写的数据。
本文采用sklearn里面最常用的分类算法:RandomForestClassifier、KNeighborsClassifier、SVC、MultinomialNB作为代表进行分析学习。
本文采用sklearn里面最常用的分类算法:RandomForestClassifier、KNeighborsClassifier、SVC、MultinomialNB作为代表进行分析学习。
2023/12/16 15:34:52
1.19MB
1
mnist数据资源processed，即为用于mnist中的processed文件夹
2023/11/8 7:50:29
45.32MB
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