零样本学习AwA的数据，可以用于零样本模型的训练和测试。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
。
2024/9/14 13:38:31
117.52MB
遗传算法必备工具包，matlab自身并不提供。
使用说明：下载之后，解压放在matlab的安装目录下的toolbox中，然后在matlab的主页，选择‘设置路径’-》添加并包含子文件夹，选择刚才那个解压的文件，然后保存，关闭。
接下来到主页中的‘预设’，选择常规，点击更新工具箱路径缓存，然后确定即可完成工具箱的安装。
使用说明：下载之后，解压放在matlab的安装目录下的toolbox中，然后在matlab的主页，选择‘设置路径’-》添加并包含子文件夹，选择刚才那个解压的文件，然后保存，关闭。
接下来到主页中的‘预设’，选择常规，点击更新工具箱路径缓存，然后确定即可完成工具箱的安装。
2024/9/10 17:49:29
106KB
labelme2COCO终极无限制版本，不限制分类名称，即输出分类就是labelme标注分类，不需要手动修改points值，含有area计算，真正的运行一下就可以。
当然了，输出目录还是要根据自己的情况修改的。
当然了，输出目录还是要根据自己的情况修改的。
2024/9/8 16:02:54
7KB
目的：使用CNN卷积神经网络实现语音识别步骤：（1）预处理。
首尾端的静音切除，降低对后续步骤造成的干扰，然后进行声音分帧，把声音切开成帧，，各帧之间一般是有交叠。
（2）特征提取。
运用的算法为倒谱系数（MFCC），把每一帧波形变成一个包含声音信息的多维向量；
（3）RNN模型训练。
有了特征，就可以使用TensorFlow完成模型的建立和训练了。
（4）验证模型。
目标：对相应的声音数据进行分类，例如数据的是数数的数据，能够输出对应的数字。
首尾端的静音切除，降低对后续步骤造成的干扰，然后进行声音分帧，把声音切开成帧，，各帧之间一般是有交叠。
（2）特征提取。
运用的算法为倒谱系数（MFCC），把每一帧波形变成一个包含声音信息的多维向量；
（3）RNN模型训练。
有了特征，就可以使用TensorFlow完成模型的建立和训练了。
（4）验证模型。
目标：对相应的声音数据进行分类，例如数据的是数数的数据，能够输出对应的数字。
2024/9/7 10:11:28
5KB
CNN卷积神经网络tensorflow代码，使用MNIST数据集，安装好python和TensorFlow可直接运行
2024/9/7 0:46:24
4KB