SiamFC-TensorFlow TensorFlow端口的跟踪方法在论文《描述。 特别是，它是在作为基线呈现的改进版本，可在高帧速率下实现最新性能。 本文中介绍的其他方法（性能相似，网络较浅）尚未移植。 注意1 ：结果应该与我们的MatConvNet实现类似（即稍好或差）。 但是，要进行直接比较，请参阅项目页面中提供的预先计算的结果或原始代码，您可以在找到这些原始代码。 注意2 ：目前，此代码仅允许在正向模式下使用预训练的网络。 使用virtualenv进行设置 如果尚未pip install virtualenv 使用Python 2.7创建新的virtualenv virtu

SD卡 TF卡 MMC卡 SDIO卡相关技术文档资料，可供学习设计参考。

1.此程序模板为stm32F103c8t6所用； 2.编译环境Keil5.14，库函数版本3.5； 3.实现功能：在TF卡/SD卡根目录下创建文件MEng.txt,并把数组bmpheader写入该文件； 4.硬件说明：SPI2读写： ---------------------------------------------- | STM32F10x | MSD Pin | ---------------------------------------------- | PB.12 | ChipSelect 1 | | PB.15 / MOSI | DataIn 2 | | | GND 3 (0 V) | | | VDD 4 (

好东西,好难才找到的。拿出来和大家分享下

densenet121_weights_tf.h5 最好的深度学习网络的权重 代码在github上可以找到！

Denoise Convolutional neural network(DnCNN)代码的tensorflow实现，内含完整代码，可以直接使用

思路： 1.读取所有文章标题； 2.用“结巴分词”的工具包进行文章标题的词语分割； 3.用“sklearn”的工具包计算Tf-idf（词频-逆文档率）; 4.得到满足关键词权重阈值的词 结巴分词详见：结巴分词Github sklearn详见：文本特征提取——4.2.3.4 Tf-idf项加权 import os import jieba import sys from sklearn.feature_extraction.text import TfidfVectorizer sys.path.append(../) jieba.load_userdict('userdictTest.t

tiny_tf ROS中使用的tf库的一部分的Python重新实现。 基于本文

wifi模块原理图，经过实际应用测试，稳定可靠

基于N-Gram和TF-IDF的URL特征提取系统的研究与实现，葛峰，罗守山，针对web的日志分析通常会对URL进行特征提取，由于URL中可能包含未解码参数，直接使用传统特征提取算法对其进行特征提取会造成提取出