yelp_review_full_csv数据集，是Yelp为了学习目的而发布的一个开源数据集。
它包含了由数百万用户评论，商业属性这是一个非常常用的全球NLP挑战数据集。
训练集总共650,000，测试集50,000，一共5个分类，每一种各有130,000训练样本，10,000个测试样例。
它包含了由数百万用户评论，商业属性这是一个非常常用的全球NLP挑战数据集。
训练集总共650,000，测试集50,000，一共5个分类，每一种各有130,000训练样本，10,000个测试样例。
2023/7/29 7:34:58
187.06MB
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
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
2023/7/28 19:18:56
437KB
1
中文维基百科语料库，将其转换为文本文件后，进行繁体字转换为简体字，字符集转换，分词，然后训练得到模型以及向量。
由于文件上传的大小限制是60MB，而训练后的所有文件大小有1G以上，所以这里只提供了下载链接，地址在网盘中。
使用python中的gensim包进行训练得到的，运行时间较长，纯粹的维基百科中文语料训练后的结果，拿去可以直接使用。
由于文件上传的大小限制是60MB，而训练后的所有文件大小有1G以上，所以这里只提供了下载链接，地址在网盘中。
使用python中的gensim包进行训练得到的，运行时间较长，纯粹的维基百科中文语料训练后的结果，拿去可以直接使用。
2023/7/28 17:38:49
234B
1
这是02129的信息资源建设的201410-201904年真题+个人归纳笔记，用于考前复习训练，需要的自行了解。
2023/7/28 15:05:40
11.58MB
1
数字电子技术课程设计实验报告课程性质数字逻辑课程设计课程目的训练学生综合地运用所学的《数字逻辑》的基本知识，使用电脑EWB仿真技术，独立完整地设计一定功能的电子电路，以及仿真和调试等的综合能力。
本次电脑仿真所用的软件版本为EWBVersion5.0c课程设计题目题目:交通灯控制电路的设计要求：1、设计一个十字路口的交通灯控制电路，要求东西方向车道和南北方向车道两条交叉道路上的车辆交替运行，每次通行时间都设为45秒。
时间可设置修改。
2、在绿灯转为红灯时，要求黄灯先亮5秒钟，才能变换运行车道；
3、黄灯亮时，要求每秒闪亮一次。
4、东西方向、南北方向车道除了有红、黄、绿灯指示外，每一种灯亮的时间都用显示器进行显示（采用倒计时的方法）。
5、同步设置人行横道红、绿灯指示。
〈四〉设计原理与参考电路1、 分析系统的逻辑功能，画出其框图交通灯控制系统的原理如下2、 信号转换状态1：东西方向车道的绿灯亮，车道，人行道通行；
南北方向车道的红灯亮，车道，人行道禁止通行。
状态2：东西方向车道的黄灯亮，车道，人行道缓行；
南北方向车道的红灯亮，车道，人行道禁止通行；
状态3：东西方向车道的红灯亮，车道，人行道禁止通行；
南北方向车道的绿灯亮，车道，人行道通行；
状态4：东西方向车道的红灯亮，车道，人行道禁止通行；
南北方向车道的黄灯亮，车道，人行道缓行；
本次电脑仿真所用的软件版本为EWBVersion5.0c课程设计题目题目:交通灯控制电路的设计要求：1、设计一个十字路口的交通灯控制电路，要求东西方向车道和南北方向车道两条交叉道路上的车辆交替运行，每次通行时间都设为45秒。
时间可设置修改。
2、在绿灯转为红灯时，要求黄灯先亮5秒钟，才能变换运行车道；
3、黄灯亮时，要求每秒闪亮一次。
4、东西方向、南北方向车道除了有红、黄、绿灯指示外，每一种灯亮的时间都用显示器进行显示（采用倒计时的方法）。
5、同步设置人行横道红、绿灯指示。
〈四〉设计原理与参考电路1、 分析系统的逻辑功能，画出其框图交通灯控制系统的原理如下2、 信号转换状态1：东西方向车道的绿灯亮，车道，人行道通行；
南北方向车道的红灯亮，车道，人行道禁止通行。
状态2：东西方向车道的黄灯亮，车道，人行道缓行；
南北方向车道的红灯亮，车道，人行道禁止通行；
状态3：东西方向车道的红灯亮，车道，人行道禁止通行；
南北方向车道的绿灯亮，车道，人行道通行；
状态4：东西方向车道的红灯亮，车道，人行道禁止通行；
南北方向车道的黄灯亮，车道，人行道缓行；
2023/7/27 16:01:16
69KB
1
基于Kaggle竞赛数据，原始数据文件较大，故本数据集只选用了train.csv中的5万条样本作为模型训练集（train.csv.gzip），1万条样本作为模型测试集（test.csv.gzip）
2023/7/27 14:19:52
37.29MB
1
该数据集包含了1,600,000条从推特爬取的推文，可用于情感分析相关的训练。
该数据集包含两个数据文件：测试集（test）和训练集（training）数据文件没有包含heading，从左到右分别是：（1）推文标注（polarity）：0=负面，2=中立，4=正面（2）推文的id（3）时间：SatMay1623:58:44UTC2009（4）Query(lyx)，如果没有query，数值为NO_QUERY.（5）发推的用户：robotickilldozr（6）推文内容
该数据集包含两个数据文件：测试集（test）和训练集（training）数据文件没有包含heading，从左到右分别是：（1）推文标注（polarity）：0=负面，2=中立，4=正面（2）推文的id（3）时间：SatMay1623:58:44UTC2009（4）Query(lyx)，如果没有query，数值为NO_QUERY.（5）发推的用户：robotickilldozr（6）推文内容
2023/7/27 4:48:01
86.3MB
1
利用机器学习方法（分类）实现静态场景下的测试车辆检测 利用C语言或者Open_CV库，或者是MATLAB软件编写实现静态场景下的测视车辆检测。
需使用机器学习方法。
代码可以通过一个主函数直接运行出实验结果。
Data文件夹中包含train_34x94（训练集）和test（测试集）两个文件夹。
其中，train_34x94文件夹中的数据用于训练模型，包含pos文件夹（内有550个正例样本）和neg文件夹（内有500个负例样本）；
Test文件夹中的数据用于测试。
在Test测试集中的总体检测性能的评价指标为Recall、Precision和F-measure，写出对算法的性能评价和对实现中遇到问题的理解。
需使用机器学习方法。
代码可以通过一个主函数直接运行出实验结果。
Data文件夹中包含train_34x94（训练集）和test（测试集）两个文件夹。
其中，train_34x94文件夹中的数据用于训练模型，包含pos文件夹（内有550个正例样本）和neg文件夹（内有500个负例样本）；
Test文件夹中的数据用于测试。
在Test测试集中的总体检测性能的评价指标为Recall、Precision和F-measure，写出对算法的性能评价和对实现中遇到问题的理解。
2023/7/26 22:03:20
9.55MB
1
深度学习，批量生成用于训练的验证集，ocr验证码识别，目前支持Kaptcha、EasyCaptcha后续还会增加其他验证码格式
2023/7/26 18:31:55
1021KB
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