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. nodejs-homework-源码

  2. npm安装 npm运行task1（对于作业1的任务1）。 npm运行task2（对于作业1的任务2）。 npm运行task3（对于作业1的任务3）。

  3. 所属分类：其它

  1. Exploration-of-the-Image-Processing-techniques-to-grade-rice-based-on-the-percentage-of-damaged-kern:这项工作是COMP9517计算机视觉主

  2. 基于损坏的谷粒百分比的米级图像处理技术的探索 这项工作是COMP9517计算机视觉主题UNSW 2020的一部分 我们执行了以下任务（有关详细信息，请参阅报告）： 任务1： 实施Iso数据强度阈值处理以在给定的水稻图像（灰度图像）中分离背景和前景。图像具有双峰像素强度直方图。 任务2： 实现两遍连通分量标记算法，对每个图像中的米粒进行计数。 任务3： 从Task2中获得的连接的组件标签中，使用最小像素面积作为阈值来计算受损稻粒的百分比。 档案： Report.pdf：有关实施过程和意见的详细信

  3. 所属分类：其它

  1. task2.0-源码

  2. 联通任务 简介 :people_with_bunny_ears: :sparkles: :grinning_face_with_smiling_eyes: :closed_mailbox_with_raised_flag: 联通手机营业厅自动完成每日任务，领流量，签到获取积分等，月底流量不发愁。 开源不易，如果本项目对你有帮助，那么就请给个star吧。 :grinning_face_with_smiling_eyes: 目录 功能 沃之树领流量，浇水（12M日流量） 每日签到（1积分+

  3. 所属分类：其它

  1. Task2-1-源码

  2. Task2-1

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：43kb
    • 提供者：weixin_42097189

  1. ammopileInterview-源码

  2. *测试面试 任务1 与任务一相关的文件位于默认URL中。 注意事项： 如图所示，基本设计和css均取自。 改进是在相同流程上进行的。 换句话说，它是在主结构上开发的，即使可以采用许多不同的方法来设计更好的表（例如使用D3.js代替stacktable jquery插件）。 尽管如此，作为第一步（由于时间），还是采取了这种方法。 任务2 任务2的网址位于主网址+ /task2.html上 注意事项： 数据是从中以XML格式检索。 检索数据并将其呈现在模板上的过程是在Django，B

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：19mb
    • 提供者：weixin_42131798

  1. 新手培训：一些帅哥的新手培训-源码

  2. 新手培训 欢迎来到新手村，你需要完成以下训练： 任务1——github的使用 注册github帐号 star这个仓库 自学git＆github的基础使用，并在自己电脑上配置好环境 fork这个仓库，clone下你的仓库，在本地创建新的分支（不要使用替换的master分支） 在本地任务1目录下，添加一个新的文件，以自己的github帐户名作为markdown文件的文件名，如：gkuchan.md 文件中可以写你想说的任何话（推荐写自己的座右铭） 提交到本地仓库，然后将本地分支推送到远程 向原仓

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：158kb
    • 提供者：weixin_42110469

  1. pmf：MovieLens 100K上的概率矩阵分解-源码

  2. MovieLens 100K上的概率矩阵分解 总览 在此项目中，我们使用MovieLens 100K数据集。 该数据集包含来自943位用户的1,682部电影的100,000个评分。 在此项目中，RMSE（均方根误差）用作度量。 我测试了2种不同的数据分割：密集和稀疏。 数据是随机拆分的，用于训练/验证的数据为80％，对于密集数据的测试为20％，对于稀疏数据，仅训练/验证的数据为20％，对于测试为20％。 在训练中，应用5倍交叉验证来选择最佳超参数并在测试集中评估模型。 运行代码 参量 任务：

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：328kb
    • 提供者：weixin_42160398

  1. NLP_Project_2021-源码

  2. NLP_Project_2021 在该项目中，对印地语数据集和孟加拉语数据集执行自然语言处理（词嵌入和情感分析）。 整个项目分为3个独立的任务。 该存储库包含用于这3个任务的.ipynb文件，分别命名为Task1，Task2和Task3。 该存储库还包括一些用于测试目的的模型（用户还可以在运行完整代码的同时创建新模型，更改某些参数，例如学习率或时期）。 最后，资源库包括有关该项目的文档（包括理论和实践描述）。 任务1平均损失与时期图： 在task1中，训练了北印度语单词嵌入模型。 Ta

  3. 所属分类：其它

    • 发布日期：2021-04-01
    • 文件大小：961kb
    • 提供者：weixin_42155721