注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. VB教程（基础版）PPT

  2. 此教程为PPT版，共9章，分别为：概述；编程基础；窗体和常用控件；基本算法；自定义数据类型和过程；内部控件；通用对话框；多媒体；数据库……

  3. 所属分类：VB

    • 发布日期：2009-07-06
    • 文件大小：2mb
    • 提供者：ml301

  1. 鸟哥的linux私房菜--基础学习篇

  2. linux入门畅销书！ Linux的基础知识在各大主流Linux安装版本中基本相同，如账号管理、硬盘文件格式、数据管理与核心编译等。本书深入浅出地介绍了Linux操作系统的基本原理与架构，适合当前所有主流Linux版本的学习。全书共分5大篇。第1篇主要介绍Linux操作系统的规划与安装；第2篇介绍Linux的基本文件权限与系统架构；第3篇介绍非常重要的Shell与Shellscr ipts的基本内容，这是所有以文字界面操控主机的基础；第4篇着重介绍Linux用户管理，包括账号管理、磁盘配额与用

  3. 所属分类：Linux

    • 发布日期：2009-08-07
    • 文件大小：19mb
    • 提供者：BerthaV

  1. 全国二级公共基础知识讲稿（ppt）

  2. 这是上课用的全国二级公共基础知识讲稿（ppt），里面包括有四大部分内容：数据结构与算法；程序设计基础；软件工程基础；数据库基础，文件类型为ppt。

  3. 所属分类：其它

    • 发布日期：2009-09-01
    • 文件大小：443kb
    • 提供者：yejunyao

  1. hpunix 系统的基础

  2. 网上收集的hpunix系统的文档，包含第一章：UNIX操作系统简介；第二章：登录过程和普通命令；第三章 文件系统导航；第四章―管理文件；第五章―文件的权限和存取；第六章－shell 基础；第七章 Shell 高级特征等等。其中包含了很多的基础命令和解释。

  3. 所属分类：专业指导

    • 发布日期：2010-01-14
    • 文件大小：1mb
    • 提供者：crow999999

  1. 苹果机操作基础知识讲座 PPT

  2. 苹果机操作基础知识、入门操作，PPT讲座

  3. 所属分类：专业指导

    • 发布日期：2010-03-07
    • 文件大小：3mb
    • 提供者：kyzeal

  1. 华为通信基础面试题库以及答案

  2. 掌握了这些，您就可以很全面的回答考官的问题哦！本人整理的非常全面的华为通信基础面试题库以及答案！！！

  3. 所属分类：专业指导

    • 发布日期：2010-06-18
    • 文件大小：21kb
    • 提供者：zhangwri

  1. 软件测试之测试基础和测试功能点

  2. 软件测试的基础知识和测试的功能点，这是本人自己学习时的一些积累和总结；

  3. 所属分类：其它

    • 发布日期：2010-06-22
    • 文件大小：92kb
    • 提供者：MangleM

  1. C#语言编程 从基础入门到上手精通，pdf格式

  2. C#语言编程 从基础到精通 本书主要分为5个部分：C#概述；C#的语法基础；C#面向对象；C#的深入应用；附录

  3. 所属分类：C#

    • 发布日期：2010-07-28
    • 文件大小：3mb
    • 提供者：xyybbb

  1. SQL Server基础

  2. 讲述SQL Server基础；讲述SQL Server基础；讲述SQL Server基础

  3. 所属分类：其它

    • 发布日期：2010-10-08
    • 文件大小：340kb
    • 提供者：forestwinter

  1. 计算机基础测试题和答案.docx

  2. 计算机基础测试及答案，让自己了解学到了什么

  3. 所属分类：专业指导

    • 发布日期：2010-10-24
    • 文件大小：37kb
    • 提供者：h8771565

  1. 深度学习d5：卷积神经网络基础；leNet；卷积神经网络进阶

  2. 卷积神经网络基础 卷积神经网络：包括卷积层、池化层 二维卷积层： 最常用，用于处理图像数据，将输入和卷积核做互相关运算，并加上一个标量偏置来得到输出。 其模型参数=卷积核+标量偏置。 训练模型的时候，通常我们先对卷积核随机初始化，然后不断迭代卷积核和偏差，即可通过数据学习核数组。每次迭代中，将输出与真实值进行比较，然后计算梯度进行更新。 可用来进行图像边缘检测。 互相关运算和卷积运算： 两者十分相似，将核数组上下翻转、左右翻转，再与输入数组做互相关运算，这一过程就是卷积运算。两者都是学习出来的，

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：42kb
    • 提供者：weixin_38548394

  1. pytorch实现task5——卷积神经网络基础；leNet；卷积神经网络进阶

  2. 卷积神经网络基础 卷积神经网络包括卷积层和池化层。 二维卷积层 最常见的是二维卷积层，常用于处理图像数据。 二维互相关运算 二维互相关（cross-correlation）运算的输入是一个二维输入数组和一个二维核（kernel）数组，输出也是一个二维数组，其中核数组通常称为卷积核或过滤器（filter）。卷积核的尺寸通常小于输入数组，卷积核在输入数组上滑动，在每个位置上，卷积核与该位置处的输入子数组按元素相乘并求和，得到输出数组中相应位置的元素。图1展示了一个互相关运算的例子，阴影部分分别是输入

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：60kb
    • 提供者：weixin_38666300

  1. Task05：卷积神经网络基础；leNet；卷积神经网络进阶 学习笔记

  2. 卷积神经网络基础 本节我们介绍卷积神经网络的基础概念，主要是卷积层和池化层，并解释填充、步幅、输入通道和输出通道的含义。 二维卷积层 本节介绍的是最常见的二维卷积层，常用于处理图像数据。 二维互相关运算 二维互相关（cross-correlation）运算的输入是一个二维输入数组和一个二维核（kernel）数组，输出也是一个二维数组，其中核数组通常称为卷积核或过滤器（filter）。卷积核的尺寸通常小于输入数组，卷积核在输入数组上滑动，在每个位置上，卷积核与该位置处的输入子数组按元素相乘并求和，

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：150kb
    • 提供者：weixin_38628830

  1. Dive into deep learning task 05- 卷积神经网络基础；leNet；卷积神经网络进阶

  2. 3.卷积神经网络基础 卷积其实是一种信号过滤器，实际上做的二维互相关运算。以前理解 的是卷积运算，现在才发现这就是互相关运行，说白了就是用卷积核遍历输入的数组。 池化是一种降维操作。 互相关运算和卷积运算没有本质上的不同，但是还是有区别。 卷积神经网络的输出为 (nh+ph-kh+sh)/sh * (nw+pw-kw+sw)/sw nh,nw 为输入的高和宽 ph,pw为填充的高和宽 kh,kw为卷积核的高和宽 sh,sw为纵向和横向步长 课后题居然大错，第一题被坑了，是彩色 图片，有3个通道。

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：39kb
    • 提供者：weixin_38570145

  1. 笔记：动手学深度学习pytorch（卷积神经网络基础；leNet；卷积神经网络进阶）

  2. – 卷积神经网络基础 – 卷积层 – 1×\boldsymbol\times× 1 卷积层 形状为1×11 \times 11×1的卷积核，我们通常称这样的卷积运算为1×11 \times 11×1卷积，称包含这种卷积核的卷积层为1×11 \times 11×1卷积层。 1×11 \times 11×1卷积核可在不改变高宽的情况下，调整通道数。1×11 \times 11×1卷积核不识别高和宽维度上相邻元素构成的模式，其主要计算发生在通道维上。假设我们将通道维当作特征维，将高和宽维度上的元素当

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：799kb
    • 提供者：weixin_38528180

  1. pytorch_task5 卷积神经网络基础；leNet；循环神经网络进阶

  2. Task5卷积神经网络二维卷积层卷积层应用二维互相关运算互相关运算与卷积运算特征图与感受野填充和步幅LeNet 卷积神经网络 本节我们介绍卷积神经网络的基础概念，主要是卷积层和池化层，并解释填充、步幅、输入通道和输出通道的含义。 二维卷积层 本节介绍的是最常见的二维卷积层，常用于处理图像数据。 二维卷积层将输入和卷积核做互相关运算，并加上一个标量偏置来得到输出。卷积层的模型参数包括卷积核和标量偏置。 import torch import torch.nn as nn def corr2d(X,

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：61kb
    • 提供者：weixin_38652147

  1. 《动手学深度学习》卷积神经网络基础；leNet；卷积神经网络进阶

  2. 卷积神经网络基础；leNet；卷积神经网络进阶卷积神经网络基础二位互相关运算二维卷积层互相关运算与卷积运算特征图与感受野填充和步幅填充：在输入的高宽两侧填充元素，通常填充0。步幅：卷积核在输入数组上每次滑动的行数列数。多输入通道和多输出通道1×11×11×1卷积层池化LeNetLeNet模型卷积神经网络进阶AlexNet使用重复元素的网络（VGG）网络中的网络（NIN）GoogleNet 卷积神经网络基础 介绍的是最常见的二维卷积层，常用于处理图像数据。 二位互相关运算 卷积核数组在输入数组上

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：504kb
    • 提供者：weixin_38522636

  1. 动手学 task5 卷积神经网络基础；leNet；卷积神经网络进阶

  2. 卷积神经网络基础 二维卷积层 填充和步幅 我们介绍卷积层的两个超参数，即填充和步幅，它们可以对给定形状的输入和卷积核改变输出形状。 填充 公式： 总的计算公式： 总结： 最后一个公式相比前一个公式没有加1的操作，乍一看公式不同（即什么时候加1什么时候不加1）其时，对第二个公式分解一下，即可归纳出什么时候都需要加1的操作。这样便于记忆） 多输入通道和多输出通道¶ 代码： print(X.shape) conv2d = nn.Conv2d(in_channels=2, out_chann

  3. 所属分类：其它

  1. 《动手学深度学习》Task04 ：卷积神经网络基础；leNet；卷积神经网络进阶

  2. Task04 ：卷积神经网络基础；leNet；卷积神经网络进阶 1.卷积神经网络基础 下面是一些卷积神经网络的基本概念： 二维互相关运算 二维互相关（cross-correlation）运算的输入是一个二维输入数组和一个二维核（kernel）数组，输出也是一个二维数组，其中核数组通常称为卷积核或过滤器（filter）。卷积核的尺寸通常小于输入数组，卷积核在输入数组上滑动，在每个位置上，卷积核与该位置处的输入子数组按元素相乘并求和，得到输出数组中相应位置的元素。图1展示了一个互相关运算的例子，阴影

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：865kb
    • 提供者：weixin_38567813

  1. ElitesAI·动手学深度学习PyTorch版学习笔记-卷积神经网络基础；leNet；卷积神经网络进阶

  2. 宅家中看到Datawhale的学习号召，在大牛云集的群上找到了一个很佛系的小组，战战兢兢地开始了小白的深度学习之旅。感谢Datawhale、伯禹教育、和鲸科技，感谢课程制作者、组织者、各位助教以及其他志愿者！ 1 卷积神经网络基础 1.1 二维卷积 本小节介绍了二维卷积，主要用于图像数据（刚好是二维的数据）处理。 二维卷积通过输入二维数据和二维核数据的运算（卷积），得到一个小于输入数据的二维输出数据，但是该输出数据依然部分保存了输入数据的信息。输出的二维数据可以看作输入数据的一个缩略图，也叫

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：50kb
    • 提供者：weixin_38652196
« 12 3 4 5 6 7 8 9 10 ... 50 »