Alink使机器学习应用更简单.pdf

项目：建立交通标志识别程序 该项目 该项目的目标/步骤如下： 加载数据集 探索，总结和可视化数据集 设计，训练和测试模型架构 使用模型对新图像进行预测 分析新图像的softmax概率 用书面报告总结结果 依存关系 该项目要求： tensorflow-gpu == 1.7.0 scipy == 1.0.0 matplotlib == 2.0.0 numpy == 1.14.2 opencv-contrib-python == 3.4.0.12 sklearn == 0.18.2 数据集探索 数据集摘要 。 加载数据集和基本摘要 加载数据集后，我得到以下摘要信息： 训练例数：34799 测试例数：12630 验证示例数：4410 图像形状为：（32 32，3） 类数标签：43 探索性可视化 该图像网格表示从训练集中每个类别中选择的一个随机图像 分配 现在，我们将探索分

xgboost解释器 一个R包，使xgboost模型完全可解释

我们用的教材是 清华大学出版社 潘松编著

使文章的发布时间与当前时间同步 适合EMLOG所有版本

shell脚本 使启动或关闭在Linux中部署的项目更加简单 通过 sh shell.sh start 命令启动项目 通过 sh shell.sh stop 命令关闭项目 使你不在使用大量的命令去启动和关闭你所部署的项目

企业导入Oracle怎样整合使之全面电子化

在此代码中，用户通过按住鼠标左键并将左键留在所需区域来拖动图像周围代码中指定大小的矩形来选择图像上感兴趣的区域。 该程序将灰度图像作为输入并输出图像的裁剪选定区域和图像左上角的坐标。 例如：[I2,dataX,dataYY] = AreaSelection(b) 其中 b - 灰度输入图像I2 - 裁剪的输出图像dataX- 图像的左上角 X 坐标dataYY - 图像的左上角 Y 坐标

Dijkstra的算法图GUI 这是一个图形用户界面，使您可以添加任何城市，还可以添加连接两个城市的道路以及该道路的英里数。 最后，该程序将Dijkstra的算法应用于您的查询，以查找两个城市之间的最短路径。 首先要注意的是，该程序是一个GUI应用程序，因此请确保在支持图形的计算机上运行我的提交。 此文件夹中有4个类： 计算器.java City.java Road.java Dijkstras.java 确保将它们全部放在同一文件夹中。 Dijkstras.java是运行器类，因此编译所有4个类并运行Dijkstras以开始我的提交。 您将看到的是预定义城市的可滚动列表，以及添加新城市和添加新道路的功能。 您可以添加任何新城市，而不能添加名称重复的城市。 并且，在添加新道路时，输入的两个城市都必须已经存在。 要开始我的计算器，只需在“城市1”文本字段中填写初始城市，

井字游戏 我的第一个投影作品并创建了一个Tic-Tac-Toe游戏。 数量不多，但这就是我要开始熟悉编程语言的目的。