直接编程器烧录即可

华为OLT设备MA5680T降级解决第三方光猫不兼容的问题，适用于工程开局，维护人员。

1.深度学习资料(猫狗数据集，代码，96准确率，ResNet网络实现)。 2.TensorFlow 教程以 Jupyter 笔记本格式编写而成。 3.您最好从用户友好的 Keras Sequential API 入手。您可以将各基础组件组合在一起来构建模型。 4.Keras 函数式 API 和子类化 API 提供了由运行定义的自定义和高级研究接口。您可以构建模型，然后编写前向传播和反向传播；还可以创建自定义层、激活函数和训练循环。 5.猫狗大战是 kaggle 的一个著名比赛项目，即编写一个算法使机器能够区分猫和狗（图片）。 6.猫狗识别是计算机视觉和卷积神经网络的入门项目。通过这个项目，初学者（我这种）7.能够很好地理解图像数据的结构。 这个项目的整体流程如下： 数据读入 数据清理 将图片与label对应 图片尺寸归一化 划分验证集、训练集 数据扩增 数据训练、观察学习过程、计算本地cv分数 预测、提交 8.数据来源：Kaggle在2013年公开的猫狗数据集，该数据集总共25000张图片，猫狗各12500张。

可爱猫4.6含易语言开发包含案例

捉住小猫/抓住神经猫HTML版. GitHub: https://github.com/ganlvtech/phaser-catch-the-cat 壕请直接下载

华为HG8110光猫固件 H.248协议版本

cnn-classification-dog-vs-cat 基于CNN的图像分类器，使用Kaggle的猫狗图片数据。 1 requirement python3 numpy >= 1.14.2 keras >= 2.1.6 tensorflow >= 1.6.0 h5py >= 2.7.0 python-gflags >= 3.1.2 opencv-python >= 3.4.0.12 2 Description of files inputs: 猫狗图片样本数据，，使用keras库中的类读取，需要将每个类的图片放在单独命名的文件夹中存放； train.py: 自建的简单CNN，训练后测试集精度约83%； pre_train.py: 利用已训练的常用网络(基于数据集训练)，进行迁移学习，测试集精度约95%以上； data_helper.py: 数据读取和预处理模块； img_cnn.py:

1. 猫和老鼠都有名字和体重两种属性，猫有抓老鼠的方法，对应的老鼠则有逃跑的方法。 2. 猫抓住了老鼠或者老鼠逃跑了，对于这两种情况，我们用体重、技能和速度来区分，若猫的体重、技能和速度大于或等于老鼠的体重、技能和速度，则猫可实现抓住老鼠的方法，若猫的体重、技能和速度小于老鼠的体重和速度，则老鼠实现了逃跑的方法。 3. 猫和老鼠都有技能提高功能，猫每次抓老鼠成功之后，技能加1，失败则技能减1。老鼠逃跑成功，则技能加1。

短信发送。等。短信平台的实用。企业短信平台的设计

YY开播特效插件500+小猫换肤+自定义背景+衣服DIY