扎达纳丹 土耳其摇滚乐队 Zardanadam 用 Ja​​va 编写的非官方 Android 应用程序
2021-06-22 19:20:30 6.06MB Java
1
pytorch-arm-builds pytorch和torchvision的非官方ARMv6,ARMv7和Aarch64构建。 可以在Raspberry Pi 0、1、2、3、4,Android手机等上使用。 常问问题 1.构建过程? 生成过程的详细说明如下: : 这些是在带有qemu-static chroot构建系统的Fedora x86_64系统上构建的。 博客文章中的所有详细信息。 armv6的构建是在Raspberry Pi Zero WH(Raspbian)上完成的。 2.依存关系 火炬的python包的唯一依赖项是numpy,我建议您使用发行版的包管理器下载二进制版本,而不要自己编译。 还需要其他一些依赖项,例如openblas,libgom,枕头等。Python解释器将在导入时警告您丢失的内容。 Fedora依赖项可以通过以下方式安装: sudo dnf
2021-06-19 16:20:59 259.96MB 附件源码 文章源码
1
NESS 的命令行界面 安装 npm install 用法(CLI 示例) node main.js --user b20XXXXXX --pass YOUR_PASS Commands: modules attendance stages coursework feedback general
2021-06-17 22:04:09 9KB JavaScript
1
comsol基础视频(非官方录制).zip
2021-06-07 18:01:41 690.09MB comsol 有限元
1
轻松面试找到理想员工-非官方的面试技术指南
2021-06-03 09:05:43 12KB 面试技术指南 面试
1
非官方V2EX iOS应用程序
2021-05-26 01:32:55 311KB Swift开发-完整项目
1
第三方的nvflash可以解决修改后的bios因为证书刷不进去的问题,刷nv显卡首选官方nvflash,如果遇证书检验问题的用绕过证书校验的版本,最后选择第三方的非官方修改版的。刷bios有风险,后果自负,请务必备份原ROM
1
时间序列的精度和召回率 的非官方python实现。 经典异常检测主要涉及基于点的异常,这些异常是在单个时间点上发生的。 但是,许多现实世界中的异常是基于范围的,这意味着它们会在一段时间内发生。 受此观察结果的启发,我们提出了一种新的数学模型来评估时间序列分类算法的准确性。 我们的模型扩展了众所周知的“精度”和“召回率”指标以测量范围,同时为特定于域的首选项启用自定义支持。 这是发布的开源软件。 可从下载。 安装 聚酰亚胺 PRTS位于,因此您可以使用pip进行安装。 $ pip install prts 来自github 您也可以使用以下命令进行安装。 $ git clone https://github.com/CompML/PRTS.git $ cd PRTS $ make install # (or make develop) 用法 from prts import
1
基于GD32F10x_Firmware_Library_V2.0.0 的最简单ADC读取程序。官方的库都是用DMA读取数据的,偏偏没有不使用DMA,网上也没查到有,就自己写了个共享给大家。配合官方库GD32F10x_Firmware_Library_V2.0.0 ,可以直接使用
2021-05-18 11:37:40 5KB GD32F103 STM32
1
FixMatch-pytorch 非官方pytorch代码 NeurIPS'20。此实现可以重现结果(CIFAR10和CIFAR100),这些结果已在本文中进行了报告。此外,它还包括具有半监督和完全监督方式的训练模型(请在下面的链接中下载)。 要求 python 3.6 pytorch 1.6.0 火炬视觉0.7.0 张量板2.3.0 枕头 结果:分类准确率(%) 除了本文中半监督学习的结果外,我们还附加了完全监督学习的额外结果(50000个标签,仅支持sup)+一致性正则化(50000个标签,sup + consistency)。即使完全提供了标签,一致性正则化也提高了分类准确性。通过SGD训练轨迹中的模型的EMA(指数移动平均值)进行评估。 CIFAR10 #标签 40 250 4000 超+一致性 只吃 纸(RA) 86.19±3.37 94.93±0.65 95.
2021-05-13 09:15:43 1.14MB Python
1