搜索资源列表
deepnet-master
- Nitish Srivastava University of Toronto.利用GPU训练深度学习算法-Implementation of some deep learning algorithms. Nitish Srivastava University of Toronto. GPU-based python implementation of 1. Feed-forward Neural Nets 2. Restricted Boltzmann Machines
keras-master
- 最近一直在用keras，说点个人感受。 1、keras根植于python及theano，人气比较旺。 2、提供较为上层的框架，搞个深度学习的原型非常方便。 3、更新很快，我记得几个月前还没有multi-task的能力，最近再查就提供了graph的对象。 4、最重要的，文档很全。这点超过其它类似的基于theano的框架（Lasagne, Opendeep, Blocks）-Keras is a high-level neural networks library, written
simon sample answers
- 解决旅行商问题，模拟退火算法，用PYTHON语言编写，工具是IDLE 3.6.1，应该可以正常运行(annwal SimAnneal aaaaaaaaaaaaaaaa)
game
- 电视节目中的”你来比划我来猜“大家应该都看过，而且很多人也玩过，规则就是一个人看词语比划相应动作和说一些提示，另一个人看不到词语要通过比划的动作猜出来，猜的过程中主持人判断是否符合规则。 某一组玩家猜词语的算法设计为： 1.开始计时--->2.猜词语--->3.答对则正确数加1并回到2，要跳过或犯规了则直接回到2，超时了直接跳到3--->3.循环10次后或时间结束后统计答对的题数 有num组玩家就进行以上流程的num次循环，当然也要准备x组词语，因为每组玩家猜的词语是不同
Keras1.1.2
- This is a Keras library 1.1.2 for Python 3.5 (includes source code + docker).
KNN分类器
- 一、用python或matlab编写一个KNN分类器 训练集为semeion_train.csv（手写体识别） 测试集为semeion_test.csv 计算在测试集上错误率（k=1,k=3,k=5,k=10） ?(1. Write a KNN classifier with Python or matlab Training set is semeion_train.csv (handwriting recognition) The test set is semeion_test
fast-rcnn-master
- Fast R-CNN是在R-CNN的基础上进行的改进，大致框架是一致的。总体而言，Fast R-CNN相对于R-CNN而言，主要提出了三个改进策略： 1. 提出了RoIPooling，避免了对提取的region proposals进行缩放到224x224，然后经过pre-trained CNN进行检测的步骤，加速了整个网络的learning与inference过程，这个是巨大的改进，并且RoIPooling是可导的，因此使得整个网络可以实现end-to-end learning，这个可以认为是
python基础数据分析实例
- 假设要分析的数据包括属性age。数据元组的年龄值为（按递增顺序）13、15、16、19、20、20、21、22、22、25、25、25、25、25、30、33、35、35、35、36、40、45、46、52、70。另外，假设一家医院用上述年龄属性对所选样本受试者的年龄和体脂数据进行测试，得到结果，并执行下列操作： 1、将上述数据保存在逗号分隔值文件中。 2、将逗号分隔值文件中的数据读入R中的变量。 3、年龄和脂肪百分比的平均、中等和标准差是多少？ 4、这个时代的模式是什么？评论数据的形式（即双峰