其他版本可以去我空间查看。
CIFAR-10数据集由10个类中的60000个32x32彩色图像组成，每个类有6000个图像。
有50000个训练图像和10000个测试图像。
数据集分为五个训练批次和一个测试批次，每个批次有10000个图像。
测试批次包含来自每个类别的1000个随机选择的图像。
训练批次以随机顺序包含剩余图像，但是一些训练批次可能包含来自一个类别的更多图像而不是另一个类别。
在他们之间，培训批次包含来自每个班级的5000个图像。
CIFAR-10数据集由10个类中的60000个32x32彩色图像组成，每个类有6000个图像。
有50000个训练图像和10000个测试图像。
数据集分为五个训练批次和一个测试批次，每个批次有10000个图像。
测试批次包含来自每个类别的1000个随机选择的图像。
训练批次以随机顺序包含剩余图像，但是一些训练批次可能包含来自一个类别的更多图像而不是另一个类别。
在他们之间，培训批次包含来自每个班级的5000个图像。
2025/3/10 16:42:18
162.18MB
1
利用CNN处理CIFAR-10的测试精度没达到0.9，所以来试试Rsenet~通过数据增强等处理方式，利用20层的Resnet对其进行测试，精度达到0.9139.
2024/2/12 1:58:24
884KB
1
识别CIFAR数据集中的10类物体一、实验目标熟悉使用深度学习工具tensorflow，基于该平台对Cifar-10中的图像数据进行分类识别，在这个过程中掌握卷积神经网络的基本思想。
2023/11/7 21:03:47
577KB
1
包含两个图像分类的资源1.bp算法用matlab实现图像分类已调试可以运行2.基于神经网络的图像分类，数据资源是基于CIFAR-10，内含训练测试数据（batch），是唐宇迪深度学习入门课程的修改代码，python3版本源码公开，仅供学习使用。
2023/7/22 14:36:57
140.09MB
1
cifar-10数据汇合（jpg图片汇合版本），图片汇合，该数据集共有60000张彩色图像，这些图像是32*32，分为10个类，每类6000张图。
2015/11/20 3:54:44
51.98MB
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