猫狗分类 牛津-IIIT宠物数据集。 问题在于对数据集中显示的每种动物进行分类。 第一步是对猫和猫之间的品种进行分类，然后对猫和猫的品种分别进行分类，最后将种族混合在一起进行分类，从而增加了问题的难度。 步骤1 获取数据集： bash utils / get_dataset.sh 第2步 预处理数据集： bash rul_all_preprocessing.sh 第三步 培训模型的创建： bash run_all_models.sh 第四步 要运行TensorBoard，请打开一个新终端并运行以下命令。 然后，在您的Web浏览器中打开 。 脚本/ 选择你的型号 张量板--logdir ='。/ logs'--port = 6006

深度照片，主要是水质轨迹等；适合图像分类、目标检测等。

随机森林图像分类分割 jamie 大作 执行效果好，速度快

遥感图像分类，共10类图像大小64*64。

知识蒸馏TPU 使用ResNet和简单的ConvNet进行的卫星图像分类器知识蒸馏。 这些模型在TPU上进行了训练。

多视图车辆图像分类。

图分类实验 描述 它能做什么 怎么跑 一，安装依赖 # clone project git clone https://github.com/YourGithubName/your-repo-name cd your-repo-name # optionally create conda environment conda update conda conda env create -f conda_env.yaml -n your_env_name conda activate your_env_name # install requirements pip install -r requirements.txt pip install hydra-core --upgrade --pre 接下来，按照以下说明安装pytorch geometric： 现在，您可以使用默认配置训练模

现有深度残差网络作为一种卷积神经网络的变种，由于其良好的表现，被应用于各个领域，深度残差网络虽然通过增加神经网络深度获得了较高的准确率，但是在相同深度情况下，仍然有其他方式提升其准确率.本文针对深度残差网络使用了三种优化方法：（1）通过卷积网络进行映射实现维度填充；（2）构建基于SELU激活函数的残差模块（3）学习率随迭代次数进行衰减.在数据集Fashion-MNIST上测试改进后的网络，实验结果表明：所提出的网络模型在准确率上优于传统的深度残差网络.

二十三、欧式期权定价 这个例子主要讲述如何生成并使用服从几何布朗运动的随机数 我们假设当前时点为 0，股价为S0，股票波动率σ，无红利，一个欧式看涨期权(call option) 的 striking price 为 K，到期日迄今时间长度为 T, 市场无风险利率为 r，注意上述所有变量的 时间单位要一致。由 Black-Scholes 公式 可以计算此欧式期权的价值。 用 Monte Carlo 怎样做呢？这里 重要的是依据 Black-Scholes 公式的假设：股票价格服 从几何布朗运动，从而依照在前一章讲述的方法推导出时间 T 时股价的概率分布。 详细推导见视频教程中的 PPT 讲解。 此例子同样也有两个版本的 m 文件——eg31.m 和 eg32.m，请参照视频教程逐句学习这 两个代码文件。 二十四、计算亚式期权 这个例子主要讲述如何生成路径。 这里，我们以一个算术平均、离散时间盯市的亚式看涨期权作为例子。参数假设继承自 前一个例子：我们假设当前时点为 0，股价为 S0，股票波动率σ，无红利，一个亚式看涨期

为了解决高阶局部特征带来的计算复杂度提高问题, 提出一种基于核函数的高阶局部特征表示方法。通过在两幅图像的局部特征之间进行比较, 将特征空间映射到几何不变空间, 统计高阶局部特征构建核函数, 并结合支持向量机进行多类目标图像分类实验。实验结果分析表明, 该方法在提高分类准确率的同时, 所需的计算时间只与局部特征的个数呈线性增长。