Deep learning with python by Jason brownlee.zip
Jason Brownlee 的 Python 深度学习课程代码 Code
2021-10-23 09:03:48
1.04MB
深度学习驱动的迭代组合拍卖
这是一款用于基于深度神经网络（DNN）计算伪VCG机制（PVM）结果的软件。 该算法在以下论文中进行了详细描述：
深度学习驱动的迭代组合拍卖雅各布·韦斯泰纳（Jakob Weissteiner）和斯文·塞肯（Sven Seuken）。 于2020年2月，纽约，纽约，美国第34届AAAI人工智能会议（AAAI-20）会议录。2020年10月起的工作论文版本：[ ]
如果您出于学术目的使用此软件，请在工作中引用以上内容。 供参考的Bibtex如下：
@InProceedings{weissteiner2020deep,
author = {Weissteiner, Jakob and Seuken, Sven},
title = {Deep Learning-powered Iterative Combinatorial Auctions},
2021-10-22 16:13:53
12.18MB
1
LHY_DL_homework
李宏毅老师2020深度学习课后作业
数据： 提取码:6159
PS: hw7, hw8, hw13, hw14这四次的代码比较复杂
2021-10-21 15:31:45
13.13MB
1
matlab的egde源代码带有BF的BF设计
这是论文“使用深度学习的大型天线阵列的波束成形设计”的仿真代码。
本文发表在IEEE无线通信快报上。
IEEE链接：
Arxiv链接：
我建议在arxiv上使用预打印版本。
另外，可以参考中文版博客
要求：
Tensorflow-gpu
=
1.12.0
现在它支持tf
2.3.0，只需运行文件train_v2.py
主要修订是API
batch_dot与tensorflow
1不同
（Tensorflow
1.12.0更适合调试，而使用cuda10的tensorflow
1.13.0可以运行得更快）
如果您对如何在一台计算机上使用几种不同的张量流和不同版本的CUDA感到困惑，那么可能会有帮助。
结果
在分叉存储库并下载相应的数据集和经过训练的模型之后，可以轻松再现以下性能结果。
（Python代码仅适用于蓝色的子宫颈，比较的子宫颈应通过Matlab代码绘制）
如何使用：
运行train.py训练模型
运行test.py以测试经过训练的模型
由于github的空间限制，我们仅为运行示例提供了两个很小的培训和测试数据集。
数据集和训练有素的
2021-10-20 21:56:49
592KB
1
关键词：多输入多输出/BatchNormalization/dropout
两个不同领域输入，两个回归/分类任务，
input_domain_a, input_domain_b
concatenate(共享)
task1:dense-BatchNormalization-dropout-dense
task2:dense-BatchNormalization-dropout-dense
2021-10-18 19:30:49
2KB
1
NLPIR/ICTCLAS2014分词系统发布中的DocExtractor.dll与NLPIR.dl破解版..直接OD爆破版。
2021-10-15 23:50:37
3.41MB
1
STM32F4工程，主要是BootLoader工程，通过串口6实现对MCU下载，串口5实现数据的打印，实时监视数据的正确性
2021-10-11 16:01:35
19.93MB
1