八千多张汽车图片数据集,还可下载我发布的8000+张汽车图片训练集,这两个资源没有交集,总共16000+张不同的汽车图片
2024/2/7 11:02:12 954.1MB 目标检测
1
本数据集分为训练集和测试集,可用于测试决策树学习算法。
2024/2/5 19:07:45 362B CART
1
该代码使用Tensorflowr1.7在Ubuntu14.04下使用Python2.7和Python3.5进行测试。
代码中包含测试用例。
模型使用固定图像标准化。
在中科院自动化所,WebFace数据集已经被用于训练。
该面部检测后,该训练集包括总共453453个图像,超过10575个身份。
如果在训练之前过滤了数据集,则可以看到一些性能改进。
有关如何完成此操作的更多信息将在稍后提供。
性能最佳的模型已经在VGGFace2数据集上进行了训练,该数据集由~3.3M面和~9000个类组成。
提供了几个预训练模型。
请注意,模型的输入图像需要使用固定图像标准化进行标准化(--use_fixed_image_standardization例如,在运行时使用该选项validate_on_lfw.py)。
1
1.C4.5:是机器学习算法中的一种分类决策树算法,其核心算法是ID3算法。
2.K-means算法:是一种聚类算法。
3.SVM:一种监督式学习的方法,广泛运用于统计分类以及回归分析中4.Apriori:是一种最有影响的挖掘布尔关联规则频繁项集的算法。
5.EM:最大期望值法。
6.pagerank:是google算法的重要内容。
7.Adaboost:是一种迭代算法,其核心思想是针对同一个训练集训练不同的分类器然后把弱分类器集合起来,构成一个更强的最终分类器。
8.KNN:是一个理论上比较成熟的的方法,也是最简单的机器学习方法之一。
9.NaiveBayes:在众多分类方法中,应用最广泛的有决策树模型和朴素贝叶斯(NaiveBayes)10.Cart:分类与回归树,在分类树下面有两个关键的思想,第一个是关于递归地划分自变量空间的想法,第二个是用验证数据进行减枝
2024/1/25 9:25:40 626KB 数据
1
102类花卉分类是深度学习的一个经典项目,但是数据难寻,在此提供已划分的数据集,并且附带了训练集、测试集、验证集标签txt文件+完整pytorch代码
2024/1/23 12:58:33 330.63MB 深度学习 flower102 鲜花分类数据集 pytorch
1
训练集
2024/1/20 21:02:01 144.1MB 文本分类
1
5000个手写数字组成的训练集,是由20*20灰度图按列展开得到的,用于训练神经网络进行数字识别
2024/1/19 21:24:39 17.53MB machine lear
1
该数据是完整的BIO标注语料,可用于深度学习机器学习模型训练,分为训练集、测试集以及验证集。
2024/1/13 15:46:20 1.82MB BIO标注 深度学习 训练预料
1
竞赛时写的一个python小程序,得了0.93分,思路如下,1读取训练集、2数据预处理、3上模型、4将模型应用到预测及、5生成预测结果
2023/12/22 20:57:51 2KB python
1
可以用作knn,里面也有svm的,训练集的数目挺大,可以完全满足日常学习
2023/12/15 20:11:35 13.88MB 机器学习 训练集 数字 字母
1
共 151 条记录 首页 上一页 下一页 尾页
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 钉钉 钉钉打卡