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...