网络弱网测试和安全测试需要的包及插件，可以模拟网络上行，下行，丢包率，模拟弱网的环境下测试软件的使用情况，可以对指定的服务器地址设置上行下行速率。

Network_Traffic_Classification 提取数据并分析网络流量

快速人工神经网络库 法恩 快速人工神经网络（FANN）库是一个免费的开源神经网络库，它以C语言实现了多层人工神经网络，同时支持完全连接和稀疏连接的网络。 支持定点和浮点的跨平台执行。 它包括一个易于处理培训数据集的框架。 它易于使用，用途广泛，有据可查且快速。 可以绑定超过15种编程语言。 该库随附了易于阅读的介绍文章和参考手册，以及有关如何使用该库的示例和建议。 该库还提供了几种图形用户界面。 FANN功能 C语言中的多层人工神经网络库 反向传播训练（RPROP，Quickprop，批处理，增量式） 不断发展的拓扑训练，可动态构建和训练ANN（Cascade2） 易于使用（只需三个函数调用即可创建，训练和运行ANN） 快速（执行速度是其他库的150倍） 多功能（可以即时调整许多参数和功能） 记录良好（易于阅读的介绍文章，详尽的参考手册以及描述实施注意事项的50多页大学报告等） 跨平台（据报道，Linux和Unix的配置脚本，Windows的dll文件，MSVC ++的项目文件和Borland编译器也可以正常工作） 实现了几种不同的激活功能（包括用于额外速度的逐步

KelpNet：纯C＃机器学习框架 /* SampleCode */ FunctionStack nn = new FunctionStack ( new Convolution2D ( 1 , 32 , 5 , pad : 2 , name : " l1 Conv2D " ), new ReLU ( name : " l1 ReLU " ), new MaxPooling ( 2 , 2 , name : " l1 MaxPooling " ), new Convol

TCP/IP Architecture, Design and Implementation in Linux 3/5 For All: [Part 1/5] http://download.csdn.net/source/1345609 [Part 2/5] http://download.csdn.net/source/1345649 [Part 3/5] http://download.csdn.net/source/1345674 [Part 4/5] http://download.csdn.net/source/1345767 [Part 5/5] http://download.csdn.net/source/1345792

人工智能AI方面，深度学习模型，卷积神经网络CNN，训练

使用暹罗网络进行脱机签名验证 使用暹罗卷积神经网络进行脱机签名验证。 数据集=> 上面的数据集包含160个个体的印地语签名和100个个体的孟加拉语签名。 我只使用了印地语签名数据集。 参考：

Xception 是一个预训练模型，已经在 ImageNet 数据库的一个子集上进行了训练。 该模型接受了超过一百万张图像的训练，可以将图像分类为1000个对象类别（例如键盘，鼠标，铅笔和许多动物）。 从操作系统或在MATLAB中打开xception.mlpkginstall文件将启动具有该发行版的安装过程。 此 mlpkginstall 文件适用于 R2019a 及更高版本。 用法示例： % 访问训练好的模型净 = xception(); % 查看架构细节网络层 % 读取图像进行分类I = imread('peppers.png'); % 调整图片大小sz = net.Layers(1).InputSize I = I(1:sz(1),1:sz(2),1:sz(3)); % 使用 Xception 对图像进行分类标签 = 分类（净，我） % 显示图像和分类结果数字显示（

华为认证考题，最新题库

音频 nnAudio是使用PyTorch卷积神经网络作为后端的音频处理工具箱。 这样，可以在神经网络训练过程中从音频动态生成频谱图，并且可以训练傅立叶内核（例如CQT内核）。 也有类似的概念，他们还使用一维卷积神经网络提取基于频谱图。 其他GPU音频处理工具是和 。 但是他们没有使用神经网络方法，因此不能训练傅立叶基础。 作为PyTorch 1.6.0，torchaudio仍然很难在Windows环境下，由于在安装sox 。 由于nnAudio主要依赖PyTorch卷积神经网络，因此它是跨不同操作系统的更兼容的音频处理工具。 nnAudio的名称来自torch.nn 文献资料 与其他图书馆的比较 特征 可训练的 :check_mark_button: :cross_mark: :check_mark_button: :cross_mark: :cross_mark: :check_mark_button: :cross_mark: 可区分的 :check_mark_button: :check_mark_button: :check_mark_b