虫虫首页| 资源下载| 资源专辑| 精品软件
登录| 注册

一天攻破KL26/KL60 三天入门M4山外

  • unix和linux编程实践教程-源代码

    unix和linux编程实践教程-源代码,《unix和linux编程实践教程》是一本很不错的unix编程入门书

    标签: linux unix 编程 实践教程

    上传时间: 2013-12-17

    上传用户:love1314

  • 以栈摸拟停车场

    以栈摸拟停车场,以队列摸拟场外的车道,按照从终端读入的输入数据序列进行摸拟管理。每一组输入数据包括三个数据项:汽车到达或离去的信息、汽车牌照号码以及到达或离去的时刻。对每一组输入数据进行操作后的输出信息为:若车辆到达,则输出汽车在停车场的内或便道上的位置,若车辆离去,则输出汽车在停车场内停留的时间和应交纳的引用。

    标签: 停车场

    上传时间: 2016-02-26

    上传用户:zhaiye

  • ICC AVR C编译器是AVR初学者的首选 C编译器

    ICC AVR C编译器是AVR初学者的首选 C编译器,因为ICC AVR的自助生成代码向导功能非常好用。ICC AVR Demo版本为45天完全版,45天后转为4K限制版。

    标签: AVR ICC C编译器 初学者

    上传时间: 2016-08-16

    上传用户:6546544

  • AVR单片机的视频教程BT种子

    AVR单片机的视频教程BT种子,十天学会AVR,来自天祥电子

    标签: AVR 单片机 视频教程

    上传时间: 2013-12-15

    上传用户:qq1604324866

  • 用Adams三步四步法求解微分方程

    用Adams三步四步法求解微分方程,程序主要是微分方程的Adams三步和四步外插法还有四阶预校算法的源程序。

    标签: Adams 微分方程

    上传时间: 2017-03-27

    上传用户:lizhen9880

  • 以栈模拟停车场

    以栈模拟停车场,以队列模拟车场外的便道,按照从终端读入的数据序列进行模拟管理。每一组输入数据包括三个数据项:汽车“到达”或“离去”信息、汽车牌照号码以及到达或离去的时刻。对每一组输入数据进行操作后的输出信息为:若是车辆到达,则输出汽车在停车场内或便道上的停车位置;若是车辆离去,则输出汽车在停车场内停留的时间和应交纳的费用(在便道上停留的时间不收费)。栈以顺序结构实现,队列以链表结构实现。

    标签: 停车场 模拟

    上传时间: 2017-06-06

    上传用户:xuanchangri

  • 一百块钱买一百只鸡

    一百块钱买一百只鸡,公鸡5元一只,母鸡3元一只,小鸡一元三只

    标签:

    上传时间: 2017-08-31

    上传用户:zjf3110

  • IOIDNMD

    倚天x650+wm6.1倚天x650+wm6.1倚天x倚天x650+wm6.1650+wm6.倚天x650+wm6.11

    标签: gvfs

    上传时间: 2015-11-30

    上传用户:dzlxfhd

  • matlab数据分析

    matlab数据分析,是一本用于matlab数据分析的入门书籍

    标签: matlab 数据分析

    上传时间: 2018-03-13

    上传用户:mouxian

  • 《Python深度学习》2018中文版+源代码

    这是我在做大学教授期间推荐给我学生的一本书,非常好,适合入门学习。《python深度学习》由Keras之父、现任Google人工智能研究员的弗朗索瓦•肖莱(François Chollet)执笔,详尽介绍了用Python和Keras进行深度学习的探索实践,包括计算机视觉、自然语言处理、产生式模型等应用。书中包含30多个代码示例,步骤讲解详细透彻。作者在github公布了代码,代码几乎囊括了本书所有知识点。在学习完本书后,读者将具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力。但是有一个小小的遗憾:代码的解释和注释是全英文的,即使英文水平较好的朋友看起来也很吃力。本人认为,这本书和代码是初学者入门深度学习及Keras最好的工具。作者在github公布了代码,本人参照书本,对全部代码做了中文解释和注释,并下载了代码所需要的一些数据集(尤其是“猫狗大战”数据集),并对其中一些图像进行了本地化,代码全部测试通过。(请按照文件顺序运行,代码前后有部分关联)。以下代码包含了全书约80%左右的知识点,代码目录:2.1: A first look at a neural network( 初识神经网络)3.5: Classifying movie reviews(电影评论分类:二分类问题)3.6: Classifying newswires(新闻分类:多分类问题 )3.7: Predicting house prices(预测房价:回归问题)4.4: Underfitting and overfitting( 过拟合与欠拟合)5.1: Introduction to convnets(卷积神经网络简介)5.2: Using convnets with small datasets(在小型数据集上从头开始训练一个卷积网络)5.3: Using a pre-trained convnet(使用预训练的卷积神经网络)5.4: Visualizing what convnets learn(卷积神经网络的可视化)

    标签: python 深度学习

    上传时间: 2022-01-30

    上传用户: