Exploration_Network_Chapter_9 以太网.ppt
2022-06-18 09:05:40
4.11MB
Exploration_Network_Chapter_10 网络规划和布线.ppt
2022-06-18 09:05:40
2.65MB
Exploration_Network_Chapter_11 配置和测试网络.ppt
2022-06-18 09:05:39
3.32MB
Exploration_Network_Chapter_11_配置和测试网络.ppt
2022-06-18 09:05:39
12.1MB
循环GAN-TensorFlow
使用TensorFlow进行CycleGan的实现（正在进行中）。
原始论文： :
测试数据结果
苹果->橙色
输入值
输出量
输入值
输出量
输入值
输出量
橙色->苹果
输入值
输出量
输入值
输出量
输入值
输出量
环境
TensorFlow 1.0.0
的Python 3.6.0
数据准备
首先，下载一个数据集，例如apple2orange
$ bash download_dataset.sh apple2orange
将数据集写入tfrecords
$ python3 build_data.py
检查$ python3 build_
2022-06-18 04:43:34
1.67MB
1
Exploration_Network_Chapter_2 网络通信.ppt
2022-06-17 10:03:41
2.72MB
Exploration_Network_Chapter_2静态路由.ppt
2022-06-17 09:06:47
4.27MB
Exploration_Network_Chapter_3 应用层功能及协议.ppt
2022-06-17 09:06:41
2.67MB
Exploration_Network_Chapter_4 OSI 传输层.ppt
2022-06-17 09:06:40
1.6MB
面膜检测-深层神经网络-三重解决方案
遮罩检测问题的三种解决方案，第一种以卷积神经网络的形式呈现，第二种以全连接神经网络的形式呈现，第三种以传递学习神经网络为基础。它们是通过Tensorflow Keras实现的。
背景
该报告介绍了遮罩检测问题及其解决方案。 它包含描述三种不同神经网络的三种配置：第一种是完全连接的网络。 第二个是基于转移学习的网络，第三个是卷积神经网络。 在此报告中，您将找到使用上述模型和其他信息（例如图形，代码行屏幕截图，损失与验证以及其他有助于理解我们的项目的ML概念）解决此问题的完整过程。
资料说明
用于训练模型的数据包含10,000张图像，其中一半显示一个戴着口罩的人，另一半显示未蒙面的人。我们使用的数据包含一个验证集，包含1,000张图片，500张蒙面和500张无遮盖的脸。 第三组用于测试模型，其中包含1,000张图片，500张蒙面和500张非蒙面。 你可以从
2022-06-16 21:54:11
1.54MB
1