您好,欢迎光临本网站![请登录][注册会员]  

人工智能下载,深度学习下载列表 第572页

« 1 2 ... .67 .68 .69 .70 .71 572.73 .74 .75 .76 .77 ... 1775 »

[深度学习] ssd pytorch版 手把手源码(包括模型、代码、和数据)

说明:物体检测模型SSD的源码,包括数据、代码、训练模型。环境:Python3.8; pytorch1.5。
<hhhhhhhhhhwwwwwwwwww> 上传 | 大小:468mb

[深度学习] RMB_train.zip

说明:基于LeNet的人民币二分类程序, 包括人民币的原始数据集(图像),以及数据集的划分,网络模型训练,验证和测试.
<qq_37568167> 上传 | 大小:62mb

[深度学习] efficientnet-b0-355c32eb.pth

说明:深度学习目标检测efficientdet主干网e络(backbone)efficientnetb0.pth权重文件
<weixin_43532000> 上传 | 大小:20mb

[深度学习] Latex模板.zip

说明:压缩包包含Access和BMCV两个LaTeX模板。LaTeX对于生成复杂表格和数学公式,这一点表现得尤为突出。因此它非常适用于生成高印刷质量的科技和数学类文档。这个系统同样适用于生成从简单的信件到完整书籍的所有其他种类的文档。
<qq_41997920> 上传 | 大小:3mb

[深度学习] TensorflowBaseDemo-master.zip

说明:字符识别。安装tensorflow。 conda create -n cpu_avx2 python=3.7 The following packages will be downloaded: package | build ---------------------------|----------------- certifi-2020.4.5.1 | py37_0
<windfly_al> 上传 | 大小:102mb

[深度学习] 关于人工智能在数据质量管理中的应用.doc

说明:说实在的,这个概念有些过于高大上,从大的方面包括、、强化学习等等,而深度学习又包括图像识别、语音识别、自然语言处理、预测分析;机器学习则包括监督学习、无监督学习、半监督学习,监督学习又细分为回归、分类、决策树等等。理论上人工智能什么都能做,什么都能迎合的上。
<willfen9192> 上传 | 大小:20kb

[深度学习] 学习率衰减代码学习.zip

说明:在训练神经网络时,使用学习率控制参数的更新速度.学习率较小时,会大大降低参数的更新速度;学习率较大时,会使搜索过程中发生震荡,导致参数在极优值附近徘徊. 为此,在训练过程中引入学习率衰减,使学习率随着训练的进行逐渐衰减。学习率衰减代码学习。
<C_1_2_3> 上传 | 大小:3kb

[深度学习] ML-Leaks-master.zip

说明:详细的深度学习成员推断攻击代码,有环境的可以直接运行。详细的成员推断攻击代码,有环境的可以直接运行。
<qq_43262611> 上传 | 大小:6kb

[深度学习] data_augmentation.zip

说明:数据增强 教程,直达博客Tensorflow 笔记 Ⅷ——TensorFlow 数据增强,详细解读部分图像变换函数的使用,包括TensorFlow1.x 与 TensorFlow2.x
<qq_39567427> 上传 | 大小:5mb

[深度学习] 神经网络实现鸢尾花分类及结果可视化

说明:神经网络实现鸢尾花分类及结果可视化,详见https://blog.csdn.net/qq_41573860/article/details/105870072
<qq_41573860> 上传 | 大小:3kb

[深度学习] 融合知识库和深度学习的电网监控告警事件智能识别

说明:电网监控告警信息是监控人员进行监控事件识别的重要数据基础。针对当前人为处理海量监控告警信息效率低的现状和电网智能技术深化应用的需求,提出一种融合知识库和深度学习的电网监控告警事件自主识别方法。基于自然语言处理技术中的Word2vec模型对监控告警信息进行向量化建模,基于卷积神经网络建立监控告警事件识别模型,通过算例对比验证所建模型的有效性和实用性。提出融合知识库与所建模型的应用方法,实现电网监控告警事件的智能感知和可靠识别。
<kamo54> 上传 | 大小:2mb

[深度学习] 基于深度学习的用户异常用电模式检测

说明:针对电力用户的异常用电行为,提出一种基于深度学习的用户异常用电模式检测模型。利用Tensor Flow框架,构建了特征提取网络和多层特征匹配网络。基于长短期记忆(LSTM)的特征提取网络,从大量时间序列中提取出不同的序列特征。基于全连接网络(FCN)的多层特征匹配网络,利用提取出的特征数据,完成对异常用电数据的检测。实例分析表明,与非深度学习检测模型相比,所提模型可更加有效地完成异常用电模式检测。此外,与多层LSTM分类模型相比,所提模型具有更好的准确性和鲁棒性。
<kamo54> 上传 | 大小:527kb
« 1 2 ... .67 .68 .69 .70 .71 572.73 .74 .75 .76 .77 ... 1775 »