USSS_ICCV19 ICCV 2019接受通用半监督语义分割代码。 全文见 。 要求 Python> = 2.6 PyTorch> = 1.0.0 ImageNet预训练的模型是从的存储库下载的。 数据集 城市景观： ： IDD： ： 怎么跑 python segment.py --basedir --lr 0.001 --num-epochs 200 --batch-size 8 --savedir --datasets [ ..] --num-samples --alpha 0 --beta 0 --resnet --model drnet 致谢 大量代码是从Dilated Residual Networks（ ）和IDD Dataset（ ）的官方代码版本中大量借用的。

Python 数据模型代码 岭回归模型代码 线性模型代码 计算机实践课代码

matlab地磁模型代码2015-2020年世界电磁模型 该项目是世界磁性模型的C / C ++实现。 准备将代码添加到您的项目中。 还通过matlab WMM进行了验证。 分叉。 分发，不提供任何担保，并且免费。 输入参数和有效条目为： 纬度-90.00至+90.00度经度-180.00至+180.00度参照WGS 84椭球或平均海平面（MSL）日期的高度2015.0至2020.0 计算出的七个磁性成分为： F-地磁场的总强度H-地磁场的水平强度X-地磁场的北部分量Y-地磁场的东部分量Z-地磁场的垂直分量I（DIP）-地磁倾角D（DEC ）-地磁偏角（磁变化） 制作：（Linux Ubuntu 16） git克隆 cd WorldMagneticModel2015-2020 制作 ./WMM

matlab多元参数非线性回归模型代码阅读KDNuggets的注意事项 在从[ KDNuggets ]（）阅读Blog时写了本笔记。 在本简要说明中，它仅包含我感兴趣但并不足够熟悉的术语和主题。 有关完整内容，请参阅原件。 聚类：旨在“最大化类内相似度并最小化类间相似度”的无监督学习技术。 两个关键部分：特征选择和期望最大化（EM） ： 基于距离的方法：k均值和k中值 密度和基于网格的方法： 基于矩阵分解的方法：用于表示为稀疏非负矩阵的数据-共聚。 基于频谱的方法：使用定义的基础相似度矩阵 基于图的方法：通过将相似度矩阵转换为网络结构来对数据进行聚类。 大数据 大数据的六个Vs：数量，速度，多样性，准确性，可变性和价值。 机器学习 机器学习：与如何构建随经验而自动改善的计算机程序有关的问题。 关联：标识特定用户已选择的各个项目之间的关联。 强化学习：与在给定情况下寻找合适的动作以最大程度地获得奖励有关的问题。 深度学习 深度学习：不是万能药； 不是传说中的主算法； 不是人工智能的代名词。 这是应用深度神经网络技术解决问题的过程。 生物神经元（了解有关神经元和刺激激活的更多信息）。 核：

可以在arm嵌入式设备上运行的检测模型代码，无需编译直接运行，已在树莓派上测试过

数学建模常见模型代码，可运行，可复制

总结了集成学习的三种常用框架，从sklearn库中导入函数，举例实现了Adaboost，xgboost，RandomForest，Stacking四个模型。

matlab的egde源代码

物体检测模型SSD的源码，包括数据、代码、训练模型。环境：Python3.8； pytorch1.5。

UNITY3D旋转模型代码 采用js编写 左键点击 右键旋转 中间滚轮缩放