使用LSTM、GRU、BPNN进行时间序列预测源码+数据集(课设源码).zip 使用LSTM、GRU、BPNN进行时间序列预测 Jupyter Notebook 课程大作业 使用LSTM、GRU、BPNN进行时间序列预测 Jupyter Notebook 课程大作业
2022-12-24 20:26:50 58KB JupyterNotebook LSTM GRU BPNN
鞋子数据集,由500,025张目录图片组成,这些图片被分为4大类——鞋子、凉鞋、拖鞋和靴子——其次是功能性类型和个人品牌。鞋子的中心是白色背景和图片在同一方向,方便分析, 鞋子数据集,由500,025张目录图片组成,这些图片被分为4大类——鞋子、凉鞋、拖鞋和靴子——其次是功能性类型和个人品牌。鞋子的中心是白色背景和图片在同一方向,方便分析,
2022-12-24 16:26:20 852.53MB 鞋子 数据集 图片 深度学习
建立实验环境 1个安装python(2.7) 2安装点: 2.1下载pip 2.2解压缩后,安装指令python setup.py install 2.3 pip升级python -m pip install --upgrade pip 2.4 pip安装扩展包pip install jieba(这里以jieba包为例),如果速度较慢,可转换内部的阿里源,即pip install jieba -i --trusted-host mirrors.aliyun.com 3安装pycharm 4使用GitHub获取代码 4.1安装git 4.2登陆自己的GitHub账号,找到自己的项目,(别人的需要先fork过来,也可以直接git clone xxx,或者直接下载zip包放进pycharm) 4.3:pycharm,首先设置git的位置及github账号,点击Test都通过后继续,依次在菜单栏上单击,从版本控制GitHub上进行VCS检出,登陆自己的账号后选择相应的项目,得到代码。 4.4(更新fork的项目到最新的版本)同步叉子 5 ipython协同开发环境 5.
2022-12-23 21:57:16 76.57MB python nlp NaturallanguageprocessingPython
1
肝了3天,近400个篮球样品,我在网上硬是没找到单独篮球的训练数据集 COCO格式的篮球数据集。 为了提升训练性能,图片的分辨率都不是特别高,所以整个文件并不大
2022-12-23 16:26:47 12.17MB COCO数据集 COCO篮球 篮球数据集
1
机器学习和深度学习
2022-12-23 15:28:25 53.46MB 机器学习 深度学习
1、YOLOv7绝缘子缺陷检测模型,附有各种训练曲线图,可使用tensorboard打开训练日志,用于检测电塔绝缘子有破损缺陷的的位置 2、包含数据集