第1章 计算机语基础51.1 在C++ 程序中调被C 编译器编译后的函数,为什么要加extern“C”?51.2 什么是多线程,多线程与多任务有什么区别?81.
2022-08-04 22:00:55 49.22MB 人工智能
1
NoC论文素材片上芯片AI芯片加速器
2022-08-04 18:08:16 25.91MB AI
1
自带原生小程序,人工实时监听,实时介入,至臻品牌打造者,您背后的技术支撑。
2022-08-04 18:01:38 37.37MB Java 电销机器人 ASR语音识别 电话机器人
1
艾卡拉 使用以下代码运行机器人:java -jar KalahBot.java
2022-08-04 18:01:05 22KB Java
1
完全支持Unity 2018.4+, Unity 2019+, Unity 2020+, Unity 2021+,和Unity 2022+! 对于URP或HDRP支持,用户只需将材料转换为所需的渲染管道。 终极通用AAA质量的AI解决方案的动物AI,射手AI, RPG AI, npc,和更多! Emerald AI允许开发者快速创建具有100个AAA质量功能的迷人的动态AI,而无需编写任何代码!Emerald AI的编辑器旨在使创建AI容易,但难以置信的定制。Emerald迎合了所有类型的开发人员,并提供了所有用户期望从一个一体化的AI系统。 Emerald AI的安装管理器允许用户在几秒钟内创建AI。Emerald AI包含13个示例场景、文档化良好的代码和一个自文档化编辑器,允许较低的学习曲线。Emerald的文档、教程、脚本引用和支持都可以从编辑器中直接访问。
2022-08-04 11:05:31 433.72MB unity3d EmeraldAI30 URP HDRP
1
AI与系统软件的深度融合研究进展与趋势1
2022-08-03 22:00:26 4.73MB 人工智能 深度学习
1
第一章 结构性的新机会:消费升级 31.1 消费主体由国家到个人 31.2 人均收入增长和结构变化带来消费升级新机会 31.3 代际变迁,80 后成为消费主力
2022-08-03 21:00:32 3.11MB 网络
1
该模型是2021年BDCI零售商品识别竞赛TOP1方案,mindspore框架下的代码地址为https://github.com/pprp/GoodsRecognition.MindSpore。这个资源包括了该代码训练第10、15、20、25、30个epoch时保存的ckpt模型文件和一个meta计算图文件。
2022-08-02 16:05:44 523.64MB mindspore 人工智能 零售商品识别
1
闪光 链接到项目: : Flash是一个端到端的深度学习平台,允许用户在短短几分钟内创建,训练和部署自己的神经网络模型,而无需编写任何代码。 该平台当前支持两种类型的任务: 影像分类 通过使用它们来训练ResNet-34或MobileNet v2模型来对您自己的数据集中的图像进行分类。 培训通过转移学习进行,其中可用的模型将在ImageNet数据集上进行预训练。 情绪分析 通过在您自己的数据集上训练基于LSTM或GRU的顺序模型,从句子中预测情感。 将从头开始训练模型。 这个怎么运作 使用Flash很容易。 只需单击几下,您就可以自动训练和部署模型。 您只需要选择模型并上传数据集,就可以了。 无需任何代码或经验。 训练 要训​​练模型,您必须上传自己的数据集并选择模型参数。 根据数据集的大小,模型可能需要3到10分钟左右的时间来训练和部署模型。 上传配置后,平台将为您分配一个唯
2022-08-02 12:17:36 8.31MB deep-learning aws-lambda sentiment-analysis reactjs
1
杰森 Jetson 是一个自动驾驶玩具车项目。 它包含在 PyTorch 中构建的端到端 CNN 视觉系统。 检查相应的文章: 能力 路径跟随 停止中 十字路口左转 十字路口右转 硬件 任何具有可控油门(经度)和转向(横向)的遥控汽车底盘都应该兼容。 有很多选项可以开始。 我建议查看、或本项目中使用的。 传感器 具有 200° FOV 的前置广角摄像头 脑 NVIDIA Jetson Nano 软件 先决条件 喷气卡 喷气机 喷气式飞机 火炬2trt *使用 waveshare 的工具包时,您可能需要使用上述存储库的 waveshare 分支,请参阅链接 1. 数据收集 笔记本此阶段的主要目标是收集反映正确驾驶的数据,即具有正确注释的转向和油门值的图像。 在使用游戏手柄驾驶时,您可以记录相机帧以及相应的转向和油门值。 示例数据可能如下所示: [0.1, 0.5]
2022-08-02 08:52:53 44.74MB python end-to-end nano cnn
1