这门课程刚开，就有一位学员因为本门课程成功脱单。在开这门课程之前，有许许多多的学员，都来咨询情感问题，并免费给他们一一解决。因为出现情感难题的学员太多，所以汇总了大家在情感道路上，遇到的最多的难题，用最有效、有用、精简、易学的方式，做出了此门课程。 视频大小：3G

Pytorch实现全连接神经网络模型和卷积神经网络训练MNIST数据集 Pytorch实现全连接神经网络模型/卷积神经网络训练MNIST数据集，并将训练好的模型在自己的手写图片数据集上测试 目录说明： CNN文件夹是用来保存卷积神经网络模型代码，其中model.py,my_dataset.py是被自动调用的，都不需要运行 FC文件夹是用来保存全连接神经网络模型代码，其中model.py,my_dataset.py是被自动调用的，都不需要运行 dataset文件夹是保存MNIST官方数据集的文件夹，不需改动 images文件夹是用来保存REAEDME.md文件中引用的图片的，不需改动 my_mnist_dateset文件夹是用来保存自己手写数字图片与标签文件的，自己手写的图片请放在my_mnist_dateset/classify对应的文件夹中 make_ours_dataset.py文件是用来处理my_mnist_dateset文件夹下的图像并生成标签用的 requirements.txt文件是环境配置文件

1、yolov5电塔绝缘子检测，包含yolov5s和yolov5m两种训练好的电塔绝缘子检测权重，以及PR曲线，loss曲线等等，在一千张电塔绝缘子检测数据集中训练得到的权重，有pyqt界面，目标类别为Insulator共1个类别，并附1000张电塔绝缘子检测数据集，标签格式为voc和yolo两种格式，分别保存在两个文件夹中 2、pyqt界面可以检测图片、视频、调用摄像头 3、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 4、采用pytrch框架，python代码

AdaboostOnMNIST 这是使用两个不同的弱学习者从头开始实现Adaboost算法的方法：决策树分类器和梯度提升分类器。 Adaboost在MNIST上运行以告知奇数和偶数。 经过scikit Learn模型的adaboost测试，并获得了更高的分数。 最小的训练误差为％1.8，在7次迭代中进行了梯度增强。 函数调用为adaboost（X_train，Y_train，inversions_t，Classifier_type），有两种类型的分类器，“ Gradient_Boost”和“ Decision_tree”可以放入第4个输入中。 adaboost返回一个4元组（stump，stump_weights，errors，D_weights） 您可以使用predict（stumps，stump_weights，X_test）对训练集进行预测。 这将返回该X_test的标签数组

CAD-CAM技能训练教程完整版教学课件全书电子讲义(最新).ppt

1 解决方案 【方案一】 载入模型结构放在全局，即tensorflow会话外层。 '''载入模型结构:最关键的一步''' saver = tf.train.Saver() '''建立会话''' with tf.Session() as sess: for i in range(STEPS): '''开始训练''' _, loss_1, acc, summary = sess.run([train_op_1, train_loss, train_acc, summary_op], feed_dict=feed_dict) '''保存模型''' saver.save(sess, sav

实战训练7 自动转换量程频率计控制器

YOLOv5自诞生发展到现在的version6.1版本，一直被官方应用在工农商学各个行业中，但是每次出于数据制作的麻烦总是不可避免，本工具为个人亲手所写，是市面上第一个YOLOv5的数据集制作助手，它能在1分钟之内完成满足YOLOv5训练的数据集模式。除了笔者已开发的功能，还支持二次开发创作。 YOLOv5自诞生发展到现在的version6.1版本，一直被官方应用在工农商学各个行业中，但是每次出于数据制作的麻烦总是不可避免，本工具为个人亲手所写，是市面上第一个YOLOv5的数据集制作助手，它能在1分钟之内完成满足YOLOv5训练的数据集模式。除了笔者已开发的功能，还支持二次开发创作。 YOLOv5自诞生发展到现在的version6.1版本，一直被官方应用在工农商学各个行业中，但是每次出于数据制作的麻烦总是不可避免，本工具为个人亲手所写，是市面上第一个YOLOv5的数据集制作助手，它能在1分钟之内完成满足YOLOv5训练的数据集模式。除了笔者已开发的功能，还支持二次开发创作。

1、yolov5训练好的汽车检测模型，包含yolov5s和yolov5m两种训练好的汽车识别权重，从自动驾驶场景KITTI汽车检测数据集训练得到 2、自动驾驶场景KITTI汽车检测数据集：https://download.csdn.net/download/zhiqingAI/85208797 4、包含1000多张标注好的城市交通场景的数据集，标签格式为xml和txt两种，类别名为car，配置好环境后可以直接使用 5、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 6、采用pytrch框架，python代码

1.领域：matlab，LSTM算法 2.内容：基于LSTM的时间序列训练和预测matlab仿真+matlab操作视频 3.用处：用于LSTM算法编程学习 4.指向人群：本硕博等教研学习使用 5.运行注意事项： 使用matlab2021a或者更高版本测试，运行里面的Runme_.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。 具体可观看提供的操作录像视频跟着操作。