大约有 4,000 项符合查询结果（耗时：0.0067秒） [XML]
大数据衡量中国最强高铁站：广州南、上海虹桥、南京南排前三 - 资讯 - 清泛...
大数据衡量中国最强高铁站：广州南、上海虹桥、南京南排前三这些年，什么互联网概念最热？——听说叫大数据这些年，什么中国制造最火？——必须是中国高铁当高铁遇上大数据神奇化学反应就产生了不信你
这些年，什...
Tokumx 副本集（集群）全攻略 - 大数据 & AI - 清泛网 - 专注C/C++及内核技术
Tokumx 副本集（集群）全攻略cacheSize：缓存数据占用内存大小。（不设置默认缓存会占满机器内存）oplogSize：那什么是oplog的大小？前面说过oplog保存了数据的操作记录 cacheSize：
缓存数据占用内存大小。（不设置默认缓存会占...
App Inventor 2 Personal Image Classifier (PIC) 拓展：自行训练AI图像识...
...pp原理介绍
开发步骤
在线训练AI模型，生成模型数据，下载给PIC拓展使用
App Inventor 2 使用拓展及AI模型数据，对图像进行识别和分类
« 返回首页
PersonalImageClassifier (PIC) 拓展
.aix 拓展下载：
PersonalImageCl...
【二进制】UrsAI2ByteArray 字节数组扩展：读写二进制数据，二进制文件读写...
...nce/iot/bytearray.html
功能概述 字节数组扩展允许对存储的数据进行顺序和随机访问。随机访问的索引基址（第一个元素的索引）可以使用Base属性设置。可能的值为1（App Inventor中常用）或0（Java或C中常用）。组件以空数组开始，...
Deep Learning（深度学习）学习笔记整理系列之（四） - 大数据 & AI - 清泛...
...为了实现这种复现，自动编码器就必须捕捉可以代表输入数据的最重要的因素，就像PCA那样，找到可以代表原信息的主要成分。
具体过程简单的说明如下：
1）给定无标签数据，用非监督学习学习特征：
在我们之...
Deep Learning（深度学习）学习笔记整理系列之（四） - 大数据 & AI - 清泛...
...为了实现这种复现，自动编码器就必须捕捉可以代表输入数据的最重要的因素，就像PCA那样，找到可以代表原信息的主要成分。
具体过程简单的说明如下：
1）给定无标签数据，用非监督学习学习特征：
在我们之...
Deep Learning（深度学习）学习笔记整理系列之（四） - 大数据 & AI - 清泛...
...为了实现这种复现，自动编码器就必须捕捉可以代表输入数据的最重要的因素，就像PCA那样，找到可以代表原信息的主要成分。
具体过程简单的说明如下：
1）给定无标签数据，用非监督学习学习特征：
在我们之...
Deep Learning（深度学习）学习笔记整理系列之（四） - 大数据 & AI - 清泛...
...为了实现这种复现，自动编码器就必须捕捉可以代表输入数据的最重要的因素，就像PCA那样，找到可以代表原信息的主要成分。
具体过程简单的说明如下：
1）给定无标签数据，用非监督学习学习特征：
在我们之...
Deep Learning（深度学习）学习笔记整理系列之（四） - 大数据 & AI - 清泛...
...为了实现这种复现，自动编码器就必须捕捉可以代表输入数据的最重要的因素，就像PCA那样，找到可以代表原信息的主要成分。
具体过程简单的说明如下：
1）给定无标签数据，用非监督学习学习特征：
在我们之...
Deep Learning（深度学习）学习笔记整理系列之（四） - 大数据 & AI - 清泛...
...为了实现这种复现，自动编码器就必须捕捉可以代表输入数据的最重要的因素，就像PCA那样，找到可以代表原信息的主要成分。
具体过程简单的说明如下：
1）给定无标签数据，用非监督学习学习特征：
在我们之...