Sciblog支持信息和代码此仓库包含支持我的博客的项目，其他信息和代码：。
您可以找到我在发表的所有帖子的列表。
笔记本项目：在这个项目中，我们解释什么是卷积以及如何使用带有MNIST字符识别数据集的MXNet深度学习库来计算CNN。
这里是。
：在本项目中，我们使用PyTorch解释迁移学习的基本方法（微调和冻结），并分析在哪种情况下更好地使用每种方法。
这里是。
：在这些笔记本中，我们展示了如何使用Char-CNN和VDCNN模型执行字符级卷积以进行情感分析。
这里是。
：在本笔记本中，我们展示了许多简单的技术来生成图像，文本和时间序列中的新数据。
这里是。
降：在本项目中，我们使用sklearn和CUDA展示t-SNE算法的示例。
我们使用CNN从图像生成高维特征，然后展示如何将其投影并可视化为二维空间。
这里是。
：在本笔记本中，我们使用GPU上的LightGBM（也可在CPU上）设计实时欺诈检测模型。
然后使用Flask和websockets通过API对模型进行操作。
这里是。
：在本笔记本中，我们演示如何创建图像分类API。
该系统与使用CNTK深度
您可以找到我在发表的所有帖子的列表。
笔记本项目：在这个项目中，我们解释什么是卷积以及如何使用带有MNIST字符识别数据集的MXNet深度学习库来计算CNN。
这里是。
：在本项目中，我们使用PyTorch解释迁移学习的基本方法（微调和冻结），并分析在哪种情况下更好地使用每种方法。
这里是。
：在这些笔记本中，我们展示了如何使用Char-CNN和VDCNN模型执行字符级卷积以进行情感分析。
这里是。
：在本笔记本中，我们展示了许多简单的技术来生成图像，文本和时间序列中的新数据。
这里是。
降：在本项目中，我们使用sklearn和CUDA展示t-SNE算法的示例。
我们使用CNN从图像生成高维特征，然后展示如何将其投影并可视化为二维空间。
这里是。
：在本笔记本中，我们使用GPU上的LightGBM（也可在CPU上）设计实时欺诈检测模型。
然后使用Flask和websockets通过API对模型进行操作。
这里是。
：在本笔记本中，我们演示如何创建图像分类API。
该系统与使用CNTK深度
2024/11/9 20:51:10
11.23MB
1
基于Python3.7实现整图分割功能，调用sklearn模块的KMeans聚类算法。
包括源程序、测试图片和结果图片。
包括源程序、测试图片和结果图片。
2024/10/18 13:28:21
393KB
1
https://blog.csdn.net/weixin_39739342/article/details/93379653完整的数据文件及py文件
2024/9/20 17:36:57
121KB
1
阿里云天池——快来一起挖掘幸福感吧全部代码附注释+提交数据编程环境：pycharm+python3.7用到的包：numpy、pandas、matplotlib、sklearn、xgboost
2024/8/25 17:57:10
36KB
1
有书签的近期，由FrankHutter,LarsKotthoff,JoaquinVanschoren撰写的《AUTOML：方法，系统，挑战》“AUTOML:METHODS,SYSTEMS,CHALLENGES(NEWBOOK)”221页的草稿版本已经放出，详细讲解了所有AutoML系统背后的基础知识，以及对当前AutoML系统进行了深入描述，Auto-WEKA、Hyperopt-Sklearn、Auto-sklearn等，最后介绍了AutoML的挑战。
作者当前正在完成这本新书的编辑工作，它将由NIPS2018出版发行。
作者当前正在完成这本新书的编辑工作，它将由NIPS2018出版发行。
2024/8/10 19:13:29
9.53MB
1
里面3个whl文件验证可用，scipy太大了，下载链接和安装方法参考http://blog.csdn.net/a15216115048/article/details/；
之前下载三个exe的，验证我的机器上不能用，不过别人传上来也许在其他机器上是可以的。
之前下载三个exe的，验证我的机器上不能用，不过别人传上来也许在其他机器上是可以的。
2024/7/28 18:50:53
42.93MB
1
这个案例是基于sklearn机器学习库中的SVM和AdaBoost算法对MINIST数据集中的手写体数字进行识别的。
有需要的朋友可以下载一下，欢迎批评指正，一起进步。
本来想免积分的，但是csdn不让啊。
。
。
有需要的朋友可以下载一下，欢迎批评指正，一起进步。
本来想免积分的，但是csdn不让啊。
。
。
2024/7/16 4:36:50
178KB
1
基于Python3.7实现的手写识别功能，调用sklearn模块中的神经网络算法。
包括源程序、训练数据、测试数据和测试结果。
包括源程序、训练数据、测试数据和测试结果。
2024/5/12 9:49:06
713KB
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