超分辨图像重建数据集:包括训练集,训练集DIV2K有7G(提供下载地址),5个测试集Set5,Set14,BSD100,URBAN100,MANGA109
2025/5/23 3:23:33 204.93MB SR DataSet 超分辨率重建
1
贝叶斯应用:网络评论预测食品安全案例测试集及源码:数据为2019CCF大数据与计算智能大赛提供的10000条对O2O店铺的评论文本训练数据,分为与食品安全有关和与食品安全无关两个类别。
需要根据训练集构造文本分类模型,预测2000条测试集中的评论是否与食品安全有关。
2025/5/22 1:26:25 591KB 测试数据集
1
PVRNet中点云的预训练模型
2025/5/20 5:57:35 21.07MB 三维模型识别 PVRNet
1
用opencv的traincascade.bat来训练人头,内有人头正样本和负样本,还有归一化尺寸的matlab代码,不需要建立工程,只需简单设置参数就可以进行训练,同时内txt文档还有使用的过程,使训练更简答
2025/5/19 20:31:17 20.47MB OPENCV MATLAB TRAINING HOG
1
SSD预训练的权重文件。















2025/5/19 11:27:45 98.38MB SSD300
1
MNIST数据集,MNIST训练样本,MNIST测试样本,txt格式
2025/5/9 8:30:52 111KB MNIST txt 书写体数字
1
Spotty大大简化了在和上进行深度学习模型的培训:它使在GPU实例上的训练与在本地计算机上的训练一样简单它会自动管理所有必要的云资源,包括图像,卷,快照和SSH密钥它使每个人都可以通过几个命令在云中训练您的模型它使用轻松地将远程进程与其终端分离通过使用和它可以为您节省多达70%的成本文献资料请参阅。
阅读文章中对于现实世界的例子。
安装要求:Python>=3.6如果使用的是AWS,请参阅AWSCLI(请参阅)。
如果您使用的是GCP,请使用GoogleCloudSDK(请参阅)使用安装或升级Spotty:$pipinstall-Uspotty开始使用准备一个spotty.yaml文件并将其放在项目的根目录中:请参阅的文件规范。
阅读文章为一个真实的例子。
启动实例:$spottystart它将运行竞价型实例,还原快照(如果有),将项目与正在运行的实例同步,然后将Docker容器与环境一起启动。
训练模型或运行笔记本。
要通过SSH连接到正在运行的容器,请使用以下命令:$spottysh
2025/5/8 9:09:51 581KB docker aws deep-learning gpu
1
动态js训练记忆和制表技术示例
2025/5/8 8:57:32 7KB JavaScript
1
用labview实现的一个简单文字识别案列,比较简单,目的是熟悉文字识别从训练到最终实现的整个流程。
2025/5/8 8:35:58 104KB Labview 文字识别
1
采用mobilenet_v1替换原作者采用的resnet50,对于coco2014数据集进行重新训练,迭代了160k次,最终得到的模型模型大小为93m,原模型270多m,同时运算速度大大的提升了,感兴趣的同学可以去下载一下,不用gpu,可以直接在配置好环境的CPU就可以跑起来!
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