首页
博客
源码
资源
博客
源码
写文章
发布博客
发布资源
登录
X
模
相关资讯
热门
最新
后端
01-01 08:00
后端
模拟人生4咖啡海报MOD
模拟人生4咖啡海报MOD,《模拟人生4》咖啡海报MOD是一款非常简单的MOD,作者在游戏中制作了一副很大的咖啡海报,这个海报挂在咖啡店里的效果很不错!使用教程1、下载并解压文件2、Mods内的package文件放进我的文档\ElectronicArts\TheSims4里的Mods文件夹;3、Mods文件夹以外的文件放进我的文档\ElectronicArts\TheSims4里的Tray文件夹。
92
后端
01-01 08:00
后端
模仿蜻蜓大脑的神经网络
模仿蜻蜓大脑的神经网络,模仿蜻蜓大脑的神经网络人类大脑有860亿个并行工作的神经元,处理来自处理来自感官和记忆的输入信息,产生人类认知的众多壮举。动物的大脑不具有如此广泛的能力,但数百万年的演化让它们能在特定任务中表现出惊人的天赋。例如蜻蜓只需要50毫秒就能对猎物的动作做出反应,它具有极强的敏捷性,能成功捕获95%的猎物,一天吃掉数百只蚊子。考虑下处理来自眼睛的视觉信息和肌肉产生移动所需力的时间,
188
后端
01-01 08:00
后端
模板【欧拉序】
模板【欧拉序】,模板【欧拉序】PART1(算法思想简介)1.实现、dalao分析:与DFS的区别、欧拉序的类型、欧拉序的部分用途(挺入门的,值得整合)2.时间复杂度:3.适用情况、特别优势、需要注意的点:4.函数、变量名的解释+英文:PART2(算法各种类型并附上代码)PART3(算法的延伸应用、深度的理解、相关的有趣题目)来源https://www.cnblogs.com/bear-xin/p/
170
后端
01-01 08:00
后端
模型构造
模型构造,模型构造一、层1、单一输出神经网络接受一些输入生成相应标量输出具有一组相关参数(这些参数可以更新以优化某些感兴趣的目标函数)2、多个输出神经网络(利用矢量化算法来描述)接受一组输入生成相应的输出由一组可调整参数描述3、对于多层感知机而言,整个模型接受原始输入(特征),生成输出(预测),并包含一些参数(所有组成层的参数集合)。同样,每个单独的层接收输入(由前一层提供)生成输出(到下一层的输
223
后端
01-01 08:00
后端
模式识别之腾讯云服务器---腾讯服务器机器学习接口
模式识别之腾讯云服务器---腾讯服务器机器学习接口,模式识别之腾讯云服务器---腾讯服务器机器学习接口在用过阿里云后,感觉阿里云服务器有时候不稳定,而且还延时大,所以逛逛腾讯云,发现有个机器学习接口,就略看了下,东西还蛮多的ldalrcnnhttp://www.qcloud.com/product/XGPush.html费用也差不多700最低配置一年http://www.qcloud.com/wi
190
后端
01-01 08:00
后端
模拟退火算法Python编程(4)旅行商问题
模拟退火算法Python编程(4)旅行商问题,1、旅行商问题(Travellingsalesmanproblem,TSP)旅行商问题是经典的组合优化问题,要求找到遍历所有城市且每个城市只访问一次的最短旅行路线,即对给定的正权完全图求其总权重最小的Hamilton回路:设有n个城市和距离矩阵D=[dij],其中dij表示城市i到城市j的距离(i,j=1,2…n),则问题是要找出遍访每个城市恰好一次的
130
后端
01-01 08:00
后端
模拟退火算法(1)Python 实现
模拟退火算法(1)Python 实现,模拟退火算法(1)Python实现1、模拟退火算法模拟退火算法借鉴了统计物理学的思想,是一种简单、通用的启发式优化算法,并在理论上具有概率性全局优化性能,因而在科研和工程中得到了广泛的应用。退火是金属从熔融状态缓慢冷却、最终达到能量最低的平衡态的过程。模拟退火算法基于优化问题求解过程与金属退火过程的相似性,以优化目标为能量函数,以解空间为状态空间,以随机扰动模
137
后端
01-01 08:00
后端
模型加载与保存
模型加载与保存,目录OutlineSave/loadweightsSave/loadentiremodelsaved_modelOutlinesave/loadweights#记录部分信息save/loadentiremodel#记录所有信息saved_model#通用,包括Pytorch、其他语言Save/loadweights保存部分信息#Savetheweightsmodel.save_we
155
后端
01-01 08:00
后端
模型加载与保存
模型加载与保存,目录OutlineSave/loadweightsSave/loadentiremodelsaved_modelOutlinesave/loadweights#记录部分信息save/loadentiremodel#记录所有信息saved_model#通用,包括Pytorch、其他语言Save/loadweights保存部分信息#Savetheweightsmodel.save_we
167
后端
01-01 08:00
后端
模型压缩四大方向,计算机视觉领域的低功耗深度学习前沿技术综述
模型压缩四大方向,计算机视觉领域的低功耗深度学习前沿技术综述,背景介绍深度卷积网络(DeepNeuralNetworks,DNN)被广泛用于计算机视觉任务,如目标检测、分类与分割。DNN往往被设计得很深,从而能在训练时能够对大量参数进行微调从而获得更准确得推理结果。因此,DNN具有计算量大和高功耗等特点。如VGG-16网络在对单张图像进行分类时,需要执行150亿次运算,同样,YOLOv3在处理一张
226
«
1
2
...
14
15
16
17
18
19
20
21
22
»