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. AvizMasterV6.0

  2. Aviz Master也称机器视觉大师，专门为应用于自动化领域的一键式影像检测系统，半自动图像处理系统，甚至低速的全自动化系统提供快速开发工具和运行环境。依托专业的和易于使用的机器视觉算子，以及简单的基于事件模型的脚本语言编程，可完成或模拟复杂的机器视觉功能，极大降低机器视觉，图像处理系统，影像检测技术开发和应用门槛。 与类似的图像处理和分析软件工具相比，不需要复杂的专业高级语言编程知识和技能，图形化开发界面，容易学习、部署、使用，开发周期短，功能强大，是工业自动化4.0、工业机器人、智能制造

  3. 所属分类：其它

    • 发布日期：2018-01-06
    • 文件大小：113mb
    • 提供者：buffi

  1. Applied Analytics through Case Studies Using SAS and R

  2. 通过使用SAS和R分析语言实现预测模型和机器学习技术，检查业务问题并使用实用的分析方法来解决它们。 本书非常适合那些精通编写代码并对统计学有基本了解的人，但在实现预测模型和机器学习技术以分析现实世界数据方面经验有限。解决工业业务问题最具挑战性的部分是构建和部署高级预测模型和机器学习算法的实践和实践知识。

  3. 所属分类：机器学习

  1. 并行深度学习系统SpeeDO.zip

  2. 最近，AlphaGo又带起了一波深度学习的热潮。深度学习在很多领域都大幅提高了模型的精度，使得很多以前在实验室中的技术得以运用到日常的生活之中。然而，大多数深度学习网络非常复杂，需要大量的训练样本进行训练，很多网络需要一次训练，同时额外多次的训练来调参数。时间效率上远远无法满足当前的工业需求。因此需要并行的深度学习系统提高训练速度。各大公司在构建并行深度学习系统上投入了大量的精力，包括谷歌、Facebook、微软、腾讯和百度等等。为了提高算法的并行效率，这些系统大部分使用了多机多GPU的方式。

  3. 所属分类：其它

    • 发布日期：2019-07-17
    • 文件大小：696kb
    • 提供者：weixin_39841856

  1. 机器学习产品生产部署流程（来自ICML 2020）

  2. 英伟达人工智能应用团队的计算机科学家 Chip Huyen讲述机器学习产品生产部署流程关键要点，值得ML研究人员与工程师一起关注、学习。

  3. 所属分类：机器学习

    • 发布日期：2020-07-18
    • 文件大小：1mb
    • 提供者：syp_net

  1. 史上最全的pytorch开发环境搭建教程【基于win10】

  2. 史上最全的pytorch开发环境搭建教程【基于win10】 0.总结 Get to the points first. The article comes from LawsonAbs! pytorch简介 安装前的基本环境 详细安装过程 1.pytorch 是什么？ pytorch是一个机器学习的框架平台，与TensorFlow的作用机制相类似。虽然晚于TensorFlow出生，但是凭借其优雅的操作接口和动态图的构建思想，在使用便捷上已经远超TensorFlow，但是因为开放较晚的原因，在

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：177kb
    • 提供者：weixin_38705873

  1. Whale_Sound_Classifier:这是鲸鱼声音分类器。 它使用声音采样，然后基于采样数据生成结果-源码

  2. Whale_Sound_Classifier 鲸鱼声音分类器是一种基于Web的声音分类器，可根据用户上传的音频文件对鲸鱼进行分类。 该分类器是使用带有某些参数超调的随机森林分类器构建的，到目前为止，该分类器可用于对3种鲸鱼进行分类-北方鲸，假虎鲸和虎鲸。 使用Flask服务器部署该项目。 该网站的起始页面为： 上载音频后，将对音频波进行采样，并使用机器学习来预测鲸鱼。 这是示例之一： 演示版 这是一个音频文件。 请注意，这是mp4格式的文件。 否则必须严格使用网站的.wav文件。 将

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：919kb
    • 提供者：weixin_42100032

  1. 机器学习之于IOT浅见

  2. 本文于csdn,介绍了机器学习在工业资产中的应用，机器学习的类型，面向深度学习的系统设计，IoT控制设计的新方向等。为了更好地服务于目标客户,嵌入式设计团队也在研究新技术,如机器学习和深度学习。深度学习允许这些设计师以有限的资源更快地开发和部署复杂的系统和设备。通过这些技术,设计团队可以使用数据驱动的方法建立系统或复杂的系统模型。机器学习和深度学习不是用基于物理的模型来描述系统的行为,而是从数据推导出系统的模型。当需要处理的数据量相对较小,而且问题的复杂性较低时,传统的机器学习算法是有用的。但是

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：984kb
    • 提供者：weixin_38522253

  1. 桨：PArallel分布式深度学习：工业实践中的机器学习框架（『飞桨』核心框架，深度学习和机器学习高级单机，分布式训练和跨平台部署）-源码

  2. English | 欢迎使用PaddlePaddle GitHub。 PaddlePaddle是中国唯一的自主研发深度学习平台，自2016年以来已正式向专业社区开源。这是一个工业技术平台，具有先进的技术和丰富的功能，涵盖了核心深度学习框架，基本模型库，端到端端开发套件，工具和组件以及服务平台。 PaddlePaddle源自对工业化的奉献和承诺的工业实践。 它已被制造业，农业，企业服务等广泛领域所采用，同时为230万开发人员提供服务。 凭借这些优势，PaddlePaddle帮助越来越多的合作伙

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：26mb
    • 提供者：weixin_42123237

  1. 机器学习之于IOT浅见

  2. 本文于csdn,介绍了机器学习在工业资产中的应用，机器学习的类型，面向深度学习的系统设计，IoT 控制设计的新方向等。为了更好地服务于目标客户,嵌入式设计团队也在研究新技术,如机器学习和深度学习。 深度学习允许这些设计师以有限的资源更快地开发和部署复杂的系统和设备。通过这些技术,设计团队可以使用数据驱动的方法建立系统或复杂的系统模型。机器学习和深度学习不是用基于物理的模型来描述系统的行为,而是从数据推导出系统的模型。当需要处理的数据量相对较小

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：984kb
    • 提供者：weixin_38635975

  1. 无线边缘智能助力智慧社会

  2. 为了满足增强移动带宽、海量机器类通信和超可靠低时延通信三大5G应用场景的技术需求，无线边缘智能将计算、存储以及网络等核心能力下沉到接入网边缘，并在网络边缘引入深度学习、人工智能等技术，从而赋能数字化生活、数字化社会、数字化工业。首先，阐明了无线边缘智能的概念、面临的挑战和机遇；其次，分析了无线边缘智能的平台部署；最后，探讨了无线边缘智能未来可能的发展方向。

  3. 所属分类：其它