大约有 2,600 项符合查询结果（耗时：0.0082秒） [XML]
App Inventor 2 拓展参考文档 · App Inventor 2 中文网
...eInfo 拓展：获取手机等设备软硬件、版本等相关信息
【数据库】 SQLite 拓展：超流行兼容主流SQL语法的迷你本地数据库引擎
第三方拓展
【ASCII编解码】AsciiConversion 拓展
【文件】FileTools 拓展：提供额外的更强大的文件相...
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...
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...
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...