一本反卷积非常经典的书希望能帮到有需要的朋友非代码
2023/7/31 9:12:44 29.25MB 反卷积 matlab 邹谋炎
1
卷2部分
2023/7/31 2:21:22 34.18MB 工商管理
1
广东工业大学《模拟电子技术A》历年期末考试试卷(部分卷含答案)
2023/7/30 4:27:30 1.05MB 模拟
1
卷积神经网络经典代码,非常详细,可直接运行
2023/7/29 23:01:25 10.76MB 卷积神经网络 深度学习
1
培训关于批处理AI的分布式培训此仓库是有关如何使用BatchAI以分布式方式训练CNN模型的教程。
涵盖的场景是图像分类,但是该解决方案可以推广到其他深度学习场景,例如分段和对象检测。
图像分类是计算机视觉应用中的常见任务,通常通过训练卷积神经网络(CNN)来解决。
对于具有大型数据集的大型模型,单个GPU的训练过程可能需要数周或数月。
在某些情况下,模型太大,以致于无法在GPU上放置合理的批处理大小。
在这些情况下使用分布式培训有助于缩短培训时间。
在此特定方案中,使用Horovod在ImageNet数据集以及合成数据上训练ResNet50CNN模型。
本教程演示了如何使用三个最受欢迎的深度学习框架来完成此任务:TensorFlow,Keras和PyTorch。
有许多方法可以以分布式方式训练深度学习模型,包括数据同步和基于同步和异步更新的模型并行方法。
当前,最常见的场景是与同步更新并行的数据-这是最容易实现的,并且对于大多数用例而言已经足够。
在具有同步更新的数据并行分布式训练中,该模型在N个硬件设备之间复制,并且一小批训练样本被划分为N个微批次(参见图2)。
每个设备都
1
表情识别系统;
所用平台windows10+Anaconda4.2.0(自带python3.5)-tensorflow1.2.1(cpu)-keras2.1.3+opencv-python3.4.0;所用网络,卷积神经网络包含了搭建网络的代码;
由于文件大于240M,就上传到了自己的网盘中;
此次作品为中国大学生计算机设计大赛作品,点击作品文件夹中的GUI1.EXE就可观看作品效果(电脑必须为64位);
源代码在素材源码文件夹中;
请下载链接文件,去网盘中下载
2023/7/27 6:28:22 64B emotion
1
基于Tensorflow下的cnn卷积神经网络实现图像的分类,Tensorflow
2023/7/27 3:14:38 4KB Tensorflow
1
用DnCNN网络进行图像去噪。
网络中主要使用了批量归一化和ReLU
2023/7/26 18:24:47 1.39MB DnCNN 图像去噪
1
医院护理三基考试,附答案,备考专用
2023/7/26 0:18:50 102KB 护理 护理三基
1
精通COCOS2D-X游戏开发【进阶卷+基础卷】《精通Cocos2d-x游戏开发(基础卷)》共31章,分为4篇。
第1篇为《入门篇》,第2篇为《基础框架篇》,第3篇为《UI与交互篇》,第4篇为《CocoStudio工具链篇》。
《精通Cocos2d-x游戏开发》的《进阶卷》,共36章,分为4篇。
第1篇为“实用技术篇”,第
2023/7/26 0:24:01 147.49MB COCOS2DX 游戏开发 精通游戏开发
1
共 1000 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