1、YOLOv3猫狗检测训练模型,包含YOLOv3和YOLOv3_tiny两种训练好的猫狗检测权重,从自动一万多张猫狗检测数据集训练得到。 2、并包含10000多张标注好的猫狗检测数据集,标签格式为xml和txt两种,类别名为cat和dog,配置好环境后可以直接使用 4、数据集和检测结果参考:https://blog.csdn.net/zhiqingAI/article/details/124230743 5、采用pytrch框架,python代码
2022-05-22 21:06:47 851.29MB YOLOv3猫狗检测 YOLOv3猫狗检测训练模型
1、yolov5训练好的猫狗检测模型,包含yolov5s和yolov5m两种训练好的猫狗识别权重,从一万多张猫狗检测数据集训练得到,有pyqt界面,目标类别为cat和dog两个类别 2、pyqt界面可以 检测图片、视频和调用摄像头,有相应的选择项 4、并包含1万多张标注好的猫狗检测数据集,标签格式为xml和txt两种,类别名为car,配置好环境后可以直接使用 5、数据集和检测结果参考:https://blog.csdn.net/zhiqingAI/article/details/124230743 6、采用pytrch框架,python代码
能一键批量随机生成姓名,最多一次性一键可以生成10000个 能一键批量随机生成姓名,最多一次性一键可以生成10000个 能一键批量随机生成姓名,最多一次性一键可以生成10000个 能一键批量随机生成姓名,最多一次性一键可以生成10000个 能一键批量随机生成姓名,最多一次性一键可以生成10000个 能一键批量随机生成姓名,最多一次性一键可以生成10000个 能一键批量随机生成姓名,最多一次性一键可以生成10000个 能一键批量随机生成姓名,最多一次性一键可以生成10000个
2022-05-21 18:03:42 341KB 起名
goodbooks-10k此数据集包含一百万个最受欢迎(具有最高评分)的书籍的600万个评分。 还有:标记为由用户阅读的书籍书籍元数据(作者,年份等)标签/架子/体裁goodbooks-10k此数据集包含一百万个最受欢迎(具有最高评分)的书籍的600万个评分。 还有:被用户标记为阅读的书籍书籍元数据(作者,年份等)标签/架子/体裁访问这些文件中的一些很大,因此GitHub不会在线显示其内容。 有关较小的CSV代码段,请参见示例/。 打开笔记本以快速查看数据。 从发行版中下载单个压缩文件。 数据集可从Spotlight(推荐人)访问
2022-05-21 17:09:47 83.77MB Python Deep Learning
1
C语言源码仿真实例23 测温+万年历,程序(程序+仿真)C语言源码仿真实例23 测温+万年历,程序(程序+仿真)C语言源码仿真实例23 测温+万年历,程序(程序+仿真)C语言源码仿真实例23 测温+万年历,程序(程序+仿真)C语言源码仿真实例23 测温+万年历,程序(程序+仿真)C语言源码仿真实例23 测温+万年历,程序(程序+仿真)C语言源码仿真实例23 测温+万年历,程序(程序+仿真)C语言源码仿真实例23 测温+万年历,程序(程序+仿真)C语言源码仿真实例23 测温+万年历,程序(程序+仿真)C语言源码仿真实例23 测温+万年历,程序(程序+仿真)C语言源码仿真实例23 测温+万年历,程序(程序+仿真)C语言源码仿真实例23 测温+万年历,程序(程序+仿真)C语言源码仿真实例23 测温+万年历,程序(程序+仿真)C语言源码仿真实例23 测温+万年历,程序(程序+仿真)C语言源码仿真实例23 测温+万年历,程序(程序+仿真)C语言源码仿真实例23 测温+万年历,程序(程序+仿真)C语言源码仿真实例23 测温+万年历,程序(程序+仿真)C语言源码仿真实例23 测温+万年历,程序(程序
2022-05-21 15:05:37 40KB C语言源码仿真实例23测温+万
刘毅10000词汇 英语 四六级 考验 托福 雅思 都适用
2022-05-19 10:03:13 938KB 综合资源 英语 刘毅 托福雅思
1
易语言万挂作坊4.X模块源码 编译可以,做外挂辅助必备模块,省去开发模块大部分时间
2022-05-18 20:29:04 1.25MB 万挂作坊
1
1:5000 1:10000地形图图式GBT 20257.2-2006
2022-05-18 12:06:29 2.83MB 5000 10000图式
1
摘 要 随着社会经济的快速发展,城镇化的加速建设,房地产交易越来越火,尤其二手房交易市场居高不下,互联网涌现大批网上二手房交易网站,但是由于提供的房源质量参差不齐,对于个人用户的需求不够精确,无法做到房源精准投放,因此需要实现二手房房源推荐系统来解决用户需求,而房源推荐系统的实现首要就是需要获得足够多的房源信息,所以本毕设通过实现二手房数据爬取系统来爬取房源数据,为房源推荐系统提供数据支持。 本系统使用多线程多端爬虫的优势,设计一个基于Redis的分布式主题爬虫。本系统采用Scrapy爬虫框架来开发,使用Xpath网页提取技术对下载网页进行内容解析,使用Redis做分布式,使用MongoDB对提取的数据进行存储,使用Django开发可视化界面对爬取的结果进行友好展示,设计并实现了针对链家网二手房数据的分布式爬虫系统。 经过开发验证,本系统可以完成对链家二手房房源数据的分布式爬取,可以为房源推荐系统提供数据支持,也可以为数据分析师提供二手房数据分析的数据源。 关键词:二手房:分布式爬虫:Scrapy:可视化
2022-05-17 22:35:47 1.77MB Python Scrapy 爬虫 链家二手房数据
10千伏户外交流跌落式熔断器技术规.doc
2022-05-17 17:06:43 40KB 文档资料