内容索引:VB源码,其它类别,VB源码　　都是些简单的VB小程序源代码，因此新手朋友最好看看哦，内容涉及的比较综合。 　　安装和调节进度条 　　半透明窗体 　　背景渐变 　　播放flash动画 　　长短文件名格式的转换 　　窗体淡入淡出 　　窗体渐小退出 　　打字效果文本 　　导入IE收藏夹 　　调色拾色器 　　调用默认邮件处理程序自动发送邮件 　　监视剪贴板 　　加密解密文件 　　获取系统的安装目录 　　获取磁盘信息 　　获取程序尾部参数 　　绘制网格图像 　　滚动的状态栏消息 　　改变坐标移动控件 　　读取外部图标_在桌面上画图 　　局域网聊天服务端_TCP 　　删除文件到回收站 　　在窗

该代码为matlab代码，由小编独立编写，非转载，可以直接运行，亲测提交成绩满分，供大家参考。PS：另外在提交时出现问题的同学，可以尝试用octave4.2.1提交，亲测win10下成功提交。

在Pytorch中进行对比学习变得简单 似乎我们可以进行图像的自我监督学习。 这是一种使用Pytorch包装器的简单方法，可以在任何视觉神经网络上进行对比式自我监督学习。 目前，它包含足够的设置供一个人在SimCLR或CURL中使用的任何一种方案上进行训练。 您可以包装接受可视输入的任何神经网络，无论是Resnet，策略网络还是GAN的鉴别器。 其余的都照顾好了。 问题 事实证明，CURL的结果。 建议您使用SimCLR设置，直到另行通知。 安装 $ pip install contrastive-learner 用法 SimCLR（具有标准化温度标度的交叉熵损失的投影头） import torch from contrastive_learner import ContrastiveLearner from torchvision import models resnet = m

项目是一套关于安卓版酒店预定的项目源码，有首页，用户信息，资源信息，订单信息4个页面，适合于学android没多久的人学习，高手的话不用看了。

马姆 仅使用Numpy和简单的1层网络的Python实现MAML（模型不可知元学习）。 只是为了更好地了解MAML。 要求 Python 3.x 脾气暴躁的 Matplotlib 记录中 所有这些都包含在Anaconda中。 用法 只需运行maml.py 。 这实现了二进制分类问题。 但是，我注意到MAML的结果并不令人鼓舞。 更好的更深层次的模型将是有益的。 参考 Finn C，Abbeel P，Levine S.快速适应深度网络的模型不可知元学习[C] //第34届机器学习国际会议论文集70. JMLR。 组织，2017年：1126-1135。

技术支援 pytorch，卷积神经网络，深度学习

Android 名片夹 数据库学习源码

深度聚类，用于视觉特征的无监督学习 消息 我们发布了新的自我监督方法SwAV的和。 SwAV使用ResNet-50将自我监督学习与ImageNet上的监督学习仅相距1.2％！ 它结合了在线聚类和多作物数据增强功能。 我们还介绍了DeepCluster-v2，它是DeepCluster的改进版本（ResNet-50，更好的数据增强，余弦学习速率表，MLP投影头，质心的使用，...）。 查看。 深度集群 该代码实现了卷积神经网络或卷积网络的无监督训练，如论文所述。 此外，我们提供了本文中使用的评估协议代码： Pascal VOC分类 激活的线性分类 实例级图像检索 最后，该代码还包括可视化模块，该可视化模块允许以可视方式评估学习到的功能的质量。 要求 Python安装版本2.7 SciPy和scikit-learn软件包 一个PyTorch安装版本0.1.8（ ） CUDA 8.0

SARSA和Q学习风的网格世界 风电网格世界上的SARSA和Q学习