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. 37篇经过消化云计算论文打包下载

  2. 1、 Atmosphere-Ocean Climate (性能测试) 这篇文章讨论了高性能标准测试应用程序在亚马逊EC2云计算系统中的性能。经过测试发现EC2云计算系统是一个可靠的解决方案，支持按需响应，小规模，高性能计算应用程序。 2、 Chukwa: A large-scale monitoring system Chukwa是建立在Hadoop上的数据收集系统，用以监控和分析大规模的分布式系统。本文介绍了他的设计和初步实施。 3、 Cloud Computing and Grid Com

  3. 所属分类：网络攻防

    • 发布日期：2011-01-03
    • 文件大小：9mb
    • 提供者：wangsheng8888

  1. 37篇论文系刘鹏教授的研究生龚传消化整理

  2. 1、 Atmosphere-Ocean Climate (性能测试) 这篇文章讨论了高性能标准测试应用程序在亚马逊EC2云计算系统中的性能。经过测试发现EC2云计算系统是一个可靠的解决方案，支持按需响应，小规模，高性能计算应用程序。 2、 Chukwa: A large-scale monitoring system Chukwa是建立在Hadoop上的数据收集系统，用以监控和分析大规模的分布式系统。本文介绍了他的设计和初步实施。 3、 Cloud Computing and Grid Com

  3. 所属分类：专业指导

    • 发布日期：2012-05-20
    • 文件大小：9mb
    • 提供者：gongxq0124

  1. InferNet使用说明文档

  2. InferNet是在.Net平台上运行的平台库，这个库提供推理机和概率统计的功能，微软的产品，开源项目

  3. 所属分类：C#

    • 发布日期：2012-08-28
    • 文件大小：1mb
    • 提供者：takefb

  1. 基于本体的推理技术的相关研究.pdf

  2. 本体描述了资源本身以及资源之间丰富的语义关系，如何利用本体所蕴含的知识进 行智能化推理，是本体层作为语义网组成部分的重要应用。本文主要围绕W3C 推荐的OWL 本体描述语言，介绍了本体推理机的理论基础和几种流行的与WEB 应用相关的推理机。首 先介绍了各种推理机的系统结构，重点分析了本体开发工具Jena 自带的几种推理机，并介 绍了外部开源推理机Pellet 的技术特点。结合一个家族关系本体的例子介绍了如何实现内置 的推理机常识与自定义推理规则的结合，分析了用户通过DIG 接口或者Jena 提

  3. 所属分类：C

    • 发布日期：2009-01-20
    • 文件大小：260kb
    • 提供者：qq_16940211

  1. soar推理机的基本总结

  2. 适合对于soar有一定了解但不想看soar的基本教程文档的人，这是一个对soar推理机的粗略总结报告，根据例子展示了soar的基本流程。。。。。。。。。。。。。。。

  3. 所属分类：搜索引擎

    • 发布日期：2020-11-12
    • 文件大小：359kb
    • 提供者：qq_45832002

  1. yolov5_mytest-源码

  2. 该存储库代表Ultralytics对未来的对象检测方法的开源研究，并结合了在匿名客户数据集上数千小时的培训和发展过程中汲取的经验教训和最佳实践。所有代码和模型都在积极开发中，如有更改或删除，恕不另行通知。使用风险自负。 ** GPU速度使用批处理大小为32的V100 GPU测量超过5000张COCO val2017图像的每幅图像的端到端时间，包括图像预处理，PyTorch FP16推理，后处理和NMS。来自EfficientDet数据（批量大小为8）。 2021年1月5日： ：nn.SiL

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：18mb
    • 提供者：weixin_42116734

  1. mindspore:MindSpore是一个新的开源深度学习培训推理框架，可用于移动，边缘和云场景-源码

  2. 什么是MindSpore MindSpore是一个新的开源深度学习培训/推断框架，可用于移动，边缘和云场景。 MindSpore旨在为数据科学家和算法工程师提供友好的设计和高效的执行，对Ascend AI处理器的本机支持以及软件硬件共同优化，以提供友好的设计和高效的执行体验。同时，MindSpore作为全球AI开源社区，旨在进一步推进AI软件/硬件应用生态系统的开发和丰富。 有关更多详细信息，请查阅我们的《 。 自动区分 当前主流深度学习框架中有三种自动区分技术： 基于静态计算图的转换：在编

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：270mb
    • 提供者：weixin_42125192

  1. yolov5-master-源码

  2. 该存储库代表了Ultralytics对未来对象检测方法的开源研究，并结合了我们在以前的YOLO存储库上在自定义客户端数据集上训练成千上万个模型而获得的经验教训和最佳实践。 所有代码和模型都在积极开发中，如有更改或删除，恕不另行通知。 使用风险自负。 ** GPU速度使用批处理大小为32的V100 GPU测量超过5000张COCO val2017图像的平均每张图像的端到端时间，包括图像预处理，PyTorch FP16推理，后处理和NMS。 来自EfficientDet数据（批量大小为8）。 2

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：374kb
    • 提供者：weixin_42102634

  1. yolo_rddc-源码

  2. 该存储库代表Ultralytics对未来的对象检测方法的开源研究，并结合了在匿名客户数据集上数千小时的培训和发展过程中汲取的经验教训和最佳实践。 所有代码和模型都在积极开发中，如有更改或删除，恕不另行通知。 使用风险自负。 ** GPU速度使用批处理大小为32的V100 GPU测量超过5000张COCO val2017图像的每幅图像的端到端时间，包括图像预处理，PyTorch FP16推理，后处理和NMS。 来自EfficientDet数据（批量大小为8）。 2021年1月5日： ：nn.S

  3. 所属分类：其它

  1. yolo5条形码-源码

  2. 该存储库代表Ultralytics对未来的对象检测方法的开源研究，并结合了在匿名客户数据集上数千小时的培训和发展过程中汲取的经验教训和最佳实践。 所有代码和模型都在积极开发中，如有更改或删除，恕不另行通知。 使用风险自负。 ** GPU速度使用批处理大小为32的V100 GPU测量超过5000张COCO val2017图像的平均每张图像的端到端时间，包括图像预处理，PyTorch FP16推理，后处理和NMS。 来自EfficientDet数据（批量大小为8）。 2021年1月5日： ：nn

  3. 所属分类：其它

  1. 桦木：一种概率编程语言，在蒙特卡洛方法中结合了自动微分，自动边缘化和自动条件化-源码

  2. 桦木 Birch是一种概率编程语言，具有基于序列化蒙特卡洛（SMC）的自动边缘化，自动调节，自动微分和推理算法。 桦木语言转换为C ++。 见一个温柔的介绍， 参考文档。 执照 Birch是开源软件。 它是根据Apache许可2.0版（“许可”）获得许可的； 除非遵守许可，否则不得使用它。 您可以在处获得许可证的副本。 入门 Linux 提供了用于主要Linux发行版的软件包。 单击进入“ 然后选择发行版本以获取安装说明。 苹果电脑 如果尚未安装 ，请使用以下方法安装Birch： brew

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：885kb
    • 提供者：weixin_42122340

  1. ambianic-edge：Ambianic核心运行时。 隐私保护事件的家庭或工作区监视-源码

  2. 项目任务 是的家庭和业务自动化开源环境智能平台。 它具有两个主要组件： 在Raspberry Pi等边缘设备上运行。 它监视传感器，摄像机和其他输入，通过AI推理将它们传递并进行可行的观察。 我们建议在机柜中部署Ambianic Edge。 是Ambianic Edge部署的用户界面。 最新的实时版本可在。 以下是概念流程图： 下面是高层架构图： 提供更详细的项目背景文件。 提供了有关项目体系结构的深入技术讨论。 项目状态 Ambianic Edge现在可以在现实世界中普遍使用。

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：155mb
    • 提供者：weixin_42137539

  1. yolov5：PyTorch中的YOLOv5> ONNX> CoreML> TFLite-源码

  2. 该存储库代表Ultralytics对未来的对象检测方法的开源研究，并结合了在匿名客户数据集上数千小时的培训和发展过程中汲取的经验教训和最佳实践。 所有代码和模型都在积极开发中，如有更改或删除，恕不另行通知。 使用风险自负。 ** GPU速度使用批处理大小为32的V100 GPU测量超过5000张COCO val2017图像的平均每张图像的端到端时间，包括图像预处理，PyTorch FP16推理，后处理和NMS。 来自EfficientDet数据（批量大小为8）。 2021年1月5日： ：nn

  3. 所属分类：其它