因matlab无法直接读取直接下载的MNIST数据格式，故写了一个matlab程序将数据读取后存储为.mat格式train_images-60000个训练集,大小为28*28*60000train_labels-60000个标签，大小为60000*1test_images-10000个训练集,大小为28*28*10000test_labels-10000个标签，大小为10000*1
2024/10/25 1:21:32
11.3MB
1
Kaggle-House-Prices-Advanced-Regression-Techniques原始数据集，包括train.csv,test.csv,data_description.txt
2024/9/29 3:12:17
166KB
1
里面包括肝脏分割数据集和整个工程所有文件，下载完之后直接运行就好，工程文件包括model.py,train.py和predict.py三个文件，数据集中训练集一共有400张肝脏图片及对应分割模板，验证集一共有20张肝脏图片及对应分割模板
2024/9/19 12:54:13
173.64MB
1
测试手写识别，识别率还是蛮高的。
train-images-idx3-ubyte.gz:trainingsetimages(9912422bytes)train-labels-idx1-ubyte.gz:trainingsetlabels(28881bytes)t10k-images-idx3-ubyte.gz:testsetimages(1648877bytes)t10k-labels-idx1-ubyte.gz:testsetlabels(4542bytes)
train-images-idx3-ubyte.gz:trainingsetimages(9912422bytes)train-labels-idx1-ubyte.gz:trainingsetlabels(28881bytes)t10k-images-idx3-ubyte.gz:testsetimages(1648877bytes)t10k-labels-idx1-ubyte.gz:testsetlabels(4542bytes)
2024/9/14 4:27:13
11.06MB
1
VOC数据转为Lmdb数据格式的具体过程。
包括create_imagenet.sh,读取图片名称rd.py和readData.py和train.txt格式。
有助于理解lmdb数据格式转化的全过程
包括create_imagenet.sh,读取图片名称rd.py和readData.py和train.txt格式。
有助于理解lmdb数据格式转化的全过程
2024/8/25 1:29:48
3KB
1
泰坦尼克数据集3个csv文件：1.train.csv，2.test.csv，3.gender_submission.csv
2024/8/18 14:02:52
32KB
1
mnist手写数字png-label测试和训练数据集；
将ubyte文件转存为png将label存入txt。
压缩包内有train和test两个文件夹。
里面的内容是手写数字的图片和最后有一个label的txt。
方便用matlab等做算法的人
将ubyte文件转存为png将label存入txt。
压缩包内有train和test两个文件夹。
里面的内容是手写数字的图片和最后有一个label的txt。
方便用matlab等做算法的人
2024/8/10 10:09:50
28.03MB
1
资源说明：数据集主要包括6类图片：硬纸板、纸、塑料瓶、玻璃瓶、铜制品、不可回收垃圾代码运行说明：1、安装运行项目所需的python模块，包括tensorflow|numpy|keras|cv22、train.py用于训练垃圾分类模型，由于训练的数据量过于庞大，因此不一并上传3、predict.py用于预测垃圾的类别，首先运行predict.py，然后输入需要预测的文件路径，即可得到结果。
2024/8/6 11:03:04
161.27MB
1
这个是使用KNN进行人脸识别，在文件夹中直接运行就行。
knn_examples文件夹中，为train和test文件夹。
train里边放的都是以每个人脸的姓名为名称的子文件夹，每个子文件夹中需要自己添加人脸图片以便进行训练。
test文件夹中放的待识别的人脸对象。
knn_examples文件夹中，为train和test文件夹。
train里边放的都是以每个人脸的姓名为名称的子文件夹，每个子文件夹中需要自己添加人脸图片以便进行训练。
test文件夹中放的待识别的人脸对象。
2024/7/28 11:03:38
2.5MB
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