关于Pytorch的MNIST数据集的预处理详解 MNIST的准确率达到99.7% 用于MNIST的卷积神经网络(CNN)的实现,具有各种技术,例如数据增强,丢失,伪随机化等。 操作系统:ubuntu18.04 显卡:GTX1080ti python版本:2.7(3.7) 网络架构 具有4层的CNN具有以下架构。 输入层:784个节点(MNIST图像大小) 第一卷积层:5x5x32 第一个最大池层 第二卷积层:5x5x64 第二个最大池层 第三个完全连接层:1024个节点 输出层:10个节点(MNIST的类数) 用于改善CNN性能的工具 采用以下技术来改善CNN的性能。 1. Data au
2023-01-03 15:54:31 241KB c data IS
1
这是 ShowMeAI 持续分享的速查表系列!本速查表是《图解算法数据结构》,一图胜千言!这套漫画,覆盖了Big O Notation,Data Structures、Array、Linked List、Stack、Queue、Hash Table、Binary Heap、Binary Search Tree 等知识点,美观且直观。快下载来督促自己学习吧!
2023-01-02 09:23:48 2.24MB 算法 数据结构 列表
1
大数据平台建设、大数据平台数据治理、大数据安全建设方案
2023-01-01 18:37:23 5.61MB big data 文档资料 大数据
1
这是 ShowMeAI 持续分享的速查表系列!本速查表是《数据科学家学习路线图》,作者与硅谷多家顶级科技公司的高级数据科学家、数据科学经理们进行了交谈,并从这些对话中总结了经验,绘制了这张路线图。每个有兴趣进入数据科学领域的人,可以根据这张路线图有目标和重点地进行学习。
1
这是一组脚本,有助于处理NMR pH滴定数据。 这些脚本允许拟合(使用R)和绘制多个残基的数据。 该程序需要变得更加用户友好。
2022-12-31 15:19:06 18KB 开源软件
1
这里是 ShowMeAI 持续分享的【开源eBook】系列!内容覆盖机器学习、深度学习、数据科学、数据分析、大数据、Keras、TensorFlow、PyTorch、强化学习、数学基础等各个方向。整理自各平台的原作者公开分享(审核大大请放手) ◉ 简介:作者 Sanjiv Ranjan Das 是 Santa Clara 大学商学院金融与数据科学教授。这本书是作者为其课程《Machine Learning with R》开发整理的课堂笔记。 ◉ 目录: 数据科学的艺术 起步:数学基础 开源:R语言建模 更多:数据处理与其他 方差均值:马科维茨优化 从经验中学习:贝叶斯定理 自然语言:从新闻中提取信息 巴斯模型 提取维度:判别和因子分析 竞标:拍卖 截断和估计:有限的因变量 乘风破浪:傅里叶分析 建立联系:网络理论 统计大脑:神经网络 聚类分析和预测树
2022-12-31 12:25:25 4.29MB 人工智能 数据科学 算法 R语言
1
这是 ShowMeAI 持续分享的速查表系列!本速查表是《数据科学家知识要点图》。数据科学、机器学习、大数据分析……如果我们想成为一名数据科学家,应该如何开始呢?需要了解哪些工具和技术? 这份速查表用“地铁图”的可视化方式,描绘了成为数据科学家的学习路径。每个领域表示为一条“地铁线”,内容主题按照序号标示为一个个车站。你可以选择一条线路,搭乘地铁并穿过所有车站(主题),最终到达目的地或者中途切换到下一条线路。
1
Organization of data structure part of the code
2022-12-29 22:34:56 858KB data structure
1
DNS(域名系统)在引导Internet流量方面提供了关键功能。 保护DNS服务器免受带宽攻击是DNS服务提供商的一项重要任务。 传统的基于规则的异常或入侵检测方法无法动态更新规则。 基于数据挖掘的方法能够在海量动态查询流量数据中找到各种模式。 这些模式可以帮助DNS服务提供商实时检测异常。 本文提出了一种新颖的频繁情节挖掘算法,以及一种可以实时检测异常的体积趋势预测方法。 基于查询量时间序列的特征,采用基于密度的聚类方法将多个域名划分为不同的组。 提出了一种一致的情节挖掘方法,以发现查询流量如何在不同域名之间的不同时间“传播”。 实验是对实字DNS日志数据集进行的。 提出了有趣的模式,表明基于数据挖掘的方法在DNS服务领域中是合适且有希望的。
2022-12-29 15:31:56 640KB Data mining; Clustering; Frequent
1
基因组VCF到制表符分隔的值 用于将VCF数据转换为制表符分隔值(TSV)的Python脚本 一个小的脚本,它将以VCF格式编码的基因组变异数据转换为制表符分隔的值文件。 该脚本利用解析VCF文件。 默认情况下,程序会打印固定的VCF列,所有INFO标签值(在VCF标头中定义,给定记录中不存在的INFO标签都附加“。”),以及杂合子的所有基因型数据(FORMAT列)和纯合子。 如果存在基因型数据,则每个样本打印一行,而表示为VCF_SAMPLE_ID的列表示给定样本的数据。 脚本具有以下可选参数 跳过样本基因型数据(即FORMAT列) 保留拒绝的基因型(即FILTER\uff01='PASS'/ GT =='./。') 跳过INFO数据。 压缩输出TSV 将VCF列的数据类型打印为标题行 重要信息:如果使用大型多样本VCF文件运行vcf2tsv,则输出TSV的大小将Swift增大,因为默认情
2022-12-29 09:27:44 5KB tsv conversion vcf vcf-data
1