Новые материалы


Подготовка набора данных ImageNet с помощью TensorFlow
Удобная настройка 150 ГБ данных изображения Без сомнения, набор данных ImageNet стал решающим фактором в разработке передовых алгоритмов машинного обучения. С его огромными размерами и многими классами было сложно справиться. Эти проблемы привели к созданию более совершенных инструментов обработки данных и новых архитектур нейронных сетей. Наборы данных TensorFlow — это такой инструмент обработки наборов данных. С его помощью вы можете удобно получить доступ к разнообразным наборам..

Как реализовать навигацию в многомодульных проектах для Android
Держите навигационный график для каждого модуля и визуализируйте более простую навигацию внутри вашего проекта. Компонент навигации для Android позволяет управлять навигацией внутри вашего приложения проще, чем это было сделано ранее в Android, где раньше у нас было Activity на экран. Компонент навигации предполагает, что реализуется Шаблон единого действия , поэтому каждый экран в приложении теперь представляет собой Fragment . Он поставляется с графическим инструментом,..

Почему «Игра жизни» Джона Конвея - заповедник программистов
Пытаясь изучить Angular 9, я недавно решил создать простое приложение Game of Life, используя этот фреймворк. Правила просты: в бесконечной сетке каждая ячейка сетки либо жива, либо мертва. Если в живой клетке более трех живых соседей, она умирает от переполненности. Если у него меньше двух живых соседей, он умирает от одиночества (малой скученности). В противном случае он живет нынешним поколением. Теперь, если клетка вначале мертва, она может стать живой в следующем поколении, если..

Что нового в Watson OpenScale: бета-версия с расширенными метриками, руководство по Fast Path
С помощью Watson OpenScale мы стремимся помочь пользователям понять влияние ИИ на результаты их бизнеса. В новой бета-версии Watson OpenScale представлены базовые метрики, которые важно собирать, чтобы определить влияние на KPI приложения AI. Этот новый опыт, который можно включить для экземпляров, предоставленных в IBM Cloud; это дает вам доступ к мониторам нового качества, чтобы понять производительность модели. В дополнение к точности, опыт бета-тестирования позволяет вам отслеживать..

Почему CAMPOSM возвращает неверные декартовы координаты
Почему CAMPOSM возвращает неверные декартовы координаты, которые не соответствуют указанным проекционным координатам? Я пытаюсь установить положение камеры проекции VPERSPEC, чтобы контролировать высоту просмотра. Я могу добиться этого, используя функцию CAMPOSM. Однако я обнаружил, что декартовы координаты положения камеры, возвращенные CAMPOSM, не проецируются на ту же пару широта-долгота (полученная с помощью MINVTRAN для выполнения обратной проекции), которую я использую для..