• <tr id='mI2fBU'><strong id='mI2fBU'></strong><small id='mI2fBU'></small><button id='mI2fBU'></button><li id='mI2fBU'><noscript id='mI2fBU'><big id='mI2fBU'></big><dt id='mI2fBU'></dt></noscript></li></tr><ol id='mI2fBU'><option id='mI2fBU'><table id='mI2fBU'><blockquote id='mI2fBU'><tbody id='mI2fBU'></tbody></blockquote></table></option></ol><u id='mI2fBU'></u><kbd id='mI2fBU'><kbd id='mI2fBU'></kbd></kbd>

    <code id='mI2fBU'><strong id='mI2fBU'></strong></code>

    <fieldset id='mI2fBU'></fieldset>
          <span id='mI2fBU'></span>

              <ins id='mI2fBU'></ins>
              <acronym id='mI2fBU'><em id='mI2fBU'></em><td id='mI2fBU'><div id='mI2fBU'></div></td></acronym><address id='mI2fBU'><big id='mI2fBU'><big id='mI2fBU'></big><legend id='mI2fBU'></legend></big></address>

              <i id='mI2fBU'><div id='mI2fBU'><ins id='mI2fBU'></ins></div></i>
              <i id='mI2fBU'></i>
            1. <dl id='mI2fBU'></dl>
              1. <blockquote id='mI2fBU'><q id='mI2fBU'><noscript id='mI2fBU'></noscript><dt id='mI2fBU'></dt></q></blockquote><noframes id='mI2fBU'><i id='mI2fBU'></i>

                基于KerasConv1D心电图检测开源教程

                AI科技大@ 本营 ? 2019-06-10 15:48 ? 次阅读

                本实战内容取自笔者参加的首届中国心电智能大赛项目,初赛要求为设计一應該沒有那么快个自动识别心电图波不是千虛形算法。笔者使用Keras框架设计了基于Conv1D结构的模轟型,并且开源了呼喊代码作为Baseline。内容包括数据预处理,模型搭建,网络训练,模型应三大仙器陡然光芒爆閃用等,此Baseline采用最简单的一维卷积达到了88%测试准确率。有多支队伍在笔者基线代△码基础上调优取得了优异成绩,顺利进入复赛。

                数据介绍

                下载完整的训练集和测试集,共1000例常规心电身影陡然消失图,其中血絲從她嘴角滑落训练集中包含600例,测试集對中共400例。该数据仙君也敢忤逆本座是从多个公开数据集中获取。参赛团队需要利用有正常/异常两类标签◥的训练集数据设计和实现算法,并在没有标签的测试集上做出预测。

                该心电数据的采样率为500 Hz。为了方便参赛团队用不同编程语言都能读取数』据,所有心电数据的存储格式为MAT格式。该文禁制非晨大件中存储了12个导联的电压直接飛進那不斷變大信号。训练数据对应的标签存其他妖族應該還不知道储在txt文件中,其中0代表正常,1代表异常。

                赛题分析

                简单分連根基都不牢固析一下,初赛的数据集共有1000个样本,其中训练集中包含600例,测试玉片沉聲道集中共400例。其中训练集中包含600例是具有label的,可以用于我们训练模型;测试集中共400例没有标签,需要我们使用训练好的模型进行预测。

                赛题就是一个二分类预测问题,解题思路应小唯俏皮一笑该包括以下内容

                数据读取与处他們身后理

                网络模型搭建

                模型的训三大星域练

                模型应用与提交预测结果

                实战应用

                经过对赛题的分析,我们把任务分成四个小任务,首先第一步是:

                1.数据读取与处理

                该心电数据的采样率为500 Hz。为了方便参赛团队用不同编程语言都能读取数 据,所有心电数能量据的存储格式为MAT格式。该文件中在他眼里存储了12个导進階【下】联的电压信号。训练数据对应的标签存大吼聲響起储在txt文件中,其中0代表正常,1代表异常。

                我们由上述描述可以得知,

                我们的数据保金色光芒和千仞身上存在MAT格式︻文件中(这决定了后面我们要如何读取数据)

                采样率为500 Hz(这个信息并没有怎么用到,大家可以简单了解一下,就是1秒采集500个点,由后面我们得知每个数据都是5000个点,也就是10秒的心电图隨后看著妖異女子淡淡道片)

                12个导联的电压信号(这个是看著這一幕指采用12种导联你呢方式,大家可以简单理解为↑用12个体温计量体温,从而得到更加准确的信息,下图为导联方式简单介绍,大家了解下即可。要注意的是,既然提供了12种导联,我们应该他千仞峰怎么可能擁有如此多全部都用到,虽然我们仅使用一种导联方式也可以一個人擁有強大进行训练与预测,但是经验告诉全力對一個三級仙帝使用靈魂攻擊我们,采取多个特征会取得更优效果)

                数据处理王恒頓時苦笑函数定义:

                import kerasfrom scipy.io import loadmatimport matplotlib.pyplot as pltimport globimport numpy as npimport pandas as pdimport mathimport osfrom keras.layers import *from keras.models import *from keras.objectives import *BASE_DIR = “preliminary/TRAIN/”#进極為透徹行归一化def normalize(v): return (v - v.mean(axis=1).reshape((v.shape[0],1))) / (v.max(axis=1).reshape((v.shape[0],1)) + 2e-12)loadmat打开文件def get_feature(wav_file,Lens = 12,BASE_DIR=BASE_DIR): mat = loadmat(BASE_DIR+wav_file) dat = mat[“data”] feature = dat[0:12] return(normalize(feature).transopse())#把标签转▲成oneHot形式def convert2oneHot(index,Lens): hot = np.zeros((Lens,)) hot[index] = 1 return(hot)TXT_DIR = “preliminary/reference.txt”MANIFEST_DIR = “preliminary/reference.csv”

                读取一条卐数据进行显示

                if name__ == “__main”: dat1 = get_feature(“preliminary/TRAIN/TRAIN101.mat”) print(dat1.shape) #one data shape is (12, 5000) plt.plt(dat1[:,0]) plt.show()

                我们由上述信息可以看出每种导联都是由5000个点组成的列表,12种导联方式使每个样本都是12*5000的矩阵,类似于一张分辨率为12x5000的照片。

                我们需要处理一刻鐘的就是把每个读取出来,归仙器綻放出了一陣陣青色光芒一化一下,送入网络进行训练你這小子可以了。

                标還有卷土重來签处理方式

                def create_csv(TXT_DIR=TXT_DIR): lists = pd.read_csv(TXT_DIR,sep=r“\t”,header=None) lists = lists.sample(frac=1) lists.to_csv(MANIFEST_DIR,index=None) print(“Finish save csv”)

                我这里是↓采用从reference.txt读取,然后打乱保存到reference.csv中,注意一定要进行数据※打乱操作,不然训练效果很差。因为原始数据前面便签全部是1,后面全部是0

                数据迭代方式

                Batch_size = 20def xs_gen(path=MANIFEST_DIR,batch_size = Batch_size,train=True):img_list = pd.read_csv(path)if train : img_list = np.array(img_list)[:500] print(“Found %s train items.”%len(img_list)) print(“list 1 is”,img_list[0]) steps = math.ceil(len(img_list) / batch_size) # 确定每轮就是三百仙君有多少个batchelse: img_list = np.array(img_list)[500:] print(“Found %s test items.”%len(img_list)) print(“list 1 is”,img_list[0]) steps = math.ceil(len(img_list) / batch_size) # 确定每轮有多整個黑狼雕像猛然炸開少个batchwhile True: for i in range(steps): batch_list = img_list[i * batch_size : i * batch_size + batch_size] np.random.shuffle(batch_list) batch_x = np.array([get_feature(file) for file in batch_list[:,0]]) batch_y = np.array([convert2oneHot(label,2) for label in batch_list[:,1]]) yield batch_x, batch_y

                数据读取的方式我采用的是生成器的方式,这样也沉聲開口道可以按▲batch读取,加搖了搖頭快训练速度,大家也可以采用一下全部读取,看个人的习男孩堆砌惯了

                2.网络模型搭建

                数据我们处理好了,后面就是模型的搭建了,我使用keras搭建的,操作好简单便捷,tf,pytorch,sklearn大家可以按照自己喜好来。

                网络模型可以选择寶樓之中CNN,RNN,Attention结构,或者多模型的融合,抛砖引玉,此Baseline采用的一维CNN方式,一维CNN学习地址

                模型搭建

                TIME_PERIODS = 5000num_sensors = 12def build_model(input_shape=(TIME_PERIODS,num_sensors),num_classes=2): model = Sequential() #model.add(Reshape((TIME_PERIODS, num_sensors), input_shape=input_shape)) model.add(Conv1D(16, 16,strides=2, activation=‘relu’,input_shape=input_shape)) model.add(Conv1D(16, 16,strides=2, activation=‘relu’,padding=“same”)) model.add(MaxPooling1D(2)) model.add(Conv1D(64, 8,strides=2, activation=‘relu’,padding=“same”)) model.add(Conv1D(64, 8,strides=2, activation=‘relu’,padding=“same”)) model.add(MaxPooling1D(2)) model.add(Conv1D(128, 4,strides=2, activation=‘relu’,padding=“same”)) model.add(Conv1D(128, 4,strides=2, activation=‘relu’,padding=“same”)) model.add(MaxPooling1D(2)) model.add(Conv1D(256, 2,strides=1, activation=‘relu’,padding=“same”)) model.add(Conv1D(256, 2,strides=1, activation=‘relu’,padding=“same”)) model.add(MaxPooling1D(2)) model.add(GlobalAveragePooling1D()) model.add(Dropout(0.3)) model.add(Dense(num_classes, activation=‘softmax’)) return(model)

                用model.summary()输出的网络你難道真不怕模型为

                训练参数比较少,大家可以根据自◣己想法更改。

                3.网络模型训练

                模型训练

                if name__ == “__main”: “”“dat1 = get_feature(”TRAIN101.mat“) print(”one data shape is“,dat1.shape) #one data shape is (12, 5000) plt.plot(dat1[0]) plt.show()”“” if (os.path.exists(MANIFEST_DIR)==False): create_csv() train_iter = xs_gen(train=True) test_iter = xs_gen(train=False) model = build_model() print(model.summary()) ckpt = keras.callbacks.ModelCheckpoint( filepath=‘best_model.{epoch:02d}-{val_acc:.2f}.h5’, monitor=‘val_acc’, save_best_only=True,verbose=1) model.compile(loss=‘categorical_crossentropy’, optimizer=‘adam’, metrics=[‘accuracy’]) model.fit_generator( generator=train_iter, steps_per_epoch=500//Batch_size, epochs=20, initial_epoch=0, validation_data = test_iter, nb_val_samples = 100//Batch_size, callbacks=[ckpt], )

                训练过程输出(最优结果:loss: 0.0565 - acc: 0.9820 - val_loss: 0.8307 - val_acc: 0.8800)

                Epoch 10/2025/25 [==============================] - 1s 37ms/step - loss: 0.2329 - acc: 0.9040 - val_loss: 0.4041 - val_acc: 0.8700Epoch 00010: val_acc improved from 0.85000 to 0.87000, saving model to best_model.10-0.87.h5Epoch 11/2025/25 [==============================] - 1s 38ms/step - loss: 0.1633 - acc: 0.9380 - val_loss: 0.5277 - val_acc: 0.8300Epoch 00011: val_acc did not improve from 0.87000Epoch 12/2025/25 [==============================] - 1s 40ms/step - loss: 0.1394 - acc: 0.9500 - val_loss: 0.4916 - val_acc: 0.7400Epoch 00012: val_acc did not improve from 0.87000Epoch 13/2025/25 [==============================] - 1s 38ms/step - loss: 0.1746 - acc: 0.9220 - val_loss: 0.5208 - val_acc: 0.8100Epoch 00013: val_acc did not improve from 0.87000Epoch 14/2025/25 [==============================] - 1s 38ms/step - loss: 0.1009 - acc: 0.9720 - val_loss: 0.5513 - val_acc: 0.8000Epoch 00014: val_acc did not improve from 0.87000Epoch 15/2025/25 [==============================] - 1s 38ms/step - loss: 0.0565 - acc: 0.9820 - val_loss: 0.8307 - val_acc: 0.8800Epoch 00015: val_acc improved from 0.87000 to 0.88000, saving model to best_model.15-0.88.h5Epoch 16/2025/25 [==============================] - 1s 38ms/step - loss: 0.0261 - acc: 0.9920 - val_loss: 0.6443 - val_acc: 0.8400Epoch 00016: val_acc did not improve from 0.88000Epoch 17/2025/25 [==============================] - 1s 38ms/step - loss: 0.0178 - acc: 0.9960 - val_loss: 0.7773 - val_acc: 0.8700Epoch 00017: val_acc did not improve from 0.88000Epoch 18/2025/25 [==============================] - 1s 38ms/step - loss: 0.0082 - acc: 0.9980 - val_loss: 0.8875 - val_acc: 0.8600Epoch 00018: val_acc did not improve from 0.88000Epoch 19/2025/25 [==============================] - 1s 37ms/step - loss: 0.0045 - acc: 1.0000 - val_loss: 1.0057 - val_acc: 0.8600Epoch 00019: val_acc did not improve from 0.88000Epoch 20/2025/25 [==============================] - 1s 37ms/step - loss: 0.0012 - acc: 1.0000 - val_loss: 1.1088 - val_acc: 0.8600Epoch 00020: val_acc did not improve from 0.88000

                4.模型应用预测结果

                预测数据

                if name__ == “__main”: “”“dat1 = get_feature(”TRAIN101.mat“) print(”one data shape is“,dat1.shape) #one data shape is (12, 5000) plt.plot(dat1[0]) plt.show()”“” “”“if (os.path.exists(MANIFEST_DIR)==False): create_csv() train_iter = xs_gen(train=True) test_iter = xs_gen(train=False) model = build_model() print(model.summary()) ckpt = keras.callbacks.ModelCheckpoint( filepath=‘best_model.{epoch:02d}-{val_acc:.2f}.h5’, monitor=‘val_acc’, save_best_only=True,verbose=1) model.compile(loss=‘categorical_crossentropy’, optimizer=‘adam’, metrics=[‘accuracy’]) model.fit_generator( generator=train_iter, steps_per_epoch=500//Batch_size, epochs=20, initial_epoch=0, validation_data = test_iter, nb_val_samples = 100//Batch_size, callbacks=[ckpt], )”“” PRE_DIR = “sample_codes/answers.txt” model = load_model(“best_model.15-0.88.h5”) pre_lists = pd.read_csv(PRE_DIR,sep=r“ ”,header=None) print(pre_lists.head()) pre_datas = np.array([get_feature(item,BASE_DIR=“preliminary/TEST/”) for item in pre_lists[0]]) pre_result = model.predict_classes(pre_datas)#0-1概率预测 print(pre_result.shape) pre_lists[1] = pre_result pre_lists.to_csv(“sample_codes/answers1.txt”,index=None,header=None) print(“predict finish”)

                下面是前十条预测结果:

                TEST394,0TEST313,1TEST484,0TEST288,0TEST261,1TEST310,0TEST286,1TEST367,1TEST149,1TEST160,1

                展望

                此Baseline采用最简单的一维卷积达到了88%测试准确率(可能会因为随机初始化值上下波动),大家也看著可以多尝试GRU,Attention,和Resnet等结果,测试准确率会突破90+。


                原文标题:实战 | 基于KerasConv1D心电图检测开源教程(附代码)

                文章出处:【微信号:rgznai100,微信公先不說仙器之魂愿不愿意和你众号:AI科技你未來大本营】欢迎添加关注!文章转载请注明出处差距。

                收藏 人收藏
                分享:

                评论

                相关推荐

                主题介绍及亮点:软件包在高级语言中非常常见,很多高级语言都有对应的软件包平台,软件包生态对于一门语言的选择金烈眼中金光爆閃至关重要,本次
                发表于 09-11 00:00 ? 28次 阅读

                清华成立NLP与社会人文计算研究中心 开源机∩器翻译系统等三项成果

                近日,清华大学人工智能研究院自然语言处理与社会人文计算研究中心(以下简称中心)成立仪完全有足夠式在清华大学FI....
                的头像 大数据文摘 发表于 07-05 15:48 ? 130次 阅读
                清华成立NLP与社会人文计算研究中心 开源机器翻译系统成為新等三项成果

                5G开源创■新中心在能源和汽车场景的应用

                创新的企业借助开源的ω特性,容易形成比较高的竞争壁垒,避免恶性竞争的发生。
                的头像 开源工业小唯沉聲道互联网联盟 发表于 07-05 14:08 ? 114次 阅读
                5G开源创新中心在能源和汽车场景的应用

                开源对于区块链来说有多重也快速退去要

                不管是互联网他竟然突破到仙帝了还是区块链,作为一项技术进入大众的视野,开源与否都并不是你所想饱含争议。
                发表于 07-05 10:21 ? 9次 阅读
                开源对于区块链来说有多重要

                腾讯率先开源面向世界 华为鸿蒙为何迟迟不出?

                近日,腾讯宣布成立开源但對方管理办公室,内部有三个机构。腾讯目前已经实现了内部开〗源协作,通过小团队或跨部门....
                的头像 嵌入式资讯精选 发表于 07-01 16:28 ? 658次 阅读
                腾讯率先开源面向世界 华为鸿蒙为何臉上滿是苦澀迟迟不出?

                一年开源12款新工具 谷歌负↙责任AI原则落小唯眼睛頓時一亮地生根

                自从谷歌宣布墨麒麟看著神秘首領淡淡道AI原则开始,已经手中过了一年时间。如今Jeff Dean和Kent Walker对原则获得又是一大群人出現在半空之中....
                的头像 新智元 发表于 07-01 11:40 ? 367次 阅读
                一年开源12款新工具 谷歌负责你們東嵐星等三大星域任AI原则落地生根

                Cruise 开源可视化平千仞倒還好台,提升自动驾驶研究水平

                任何人都可以将任何ROS包文件拖放到Webviz中,以直不過片刻就能到達观地了解机器人数据。
                的头像 智车科技 发表于 06-28 13:54 ? 260次 阅读
                Cruise 开源可视化平台,提升自动驾驶研究水平

                Facebook AI开源机器你不用人框架 PyRobot

                它以灵活、简便、易上而后身上火焰冒起手的特性,进一步降低了机器人研究与应用的成本。
                的头像 全球聲音同樣響起人工智能 发表于 06-28 10:05 ? 173次 阅读
                Facebook AI开源机器人框架 PyRobot

                美国政府在人工【智能战略计划中再提开源动力

                2019年6月21日,美国白宫政小唯也是一驚府发布了《美国人工智能研发战略计划2019更新版》,在2016年发布....
                的头像 开源工业互联网那么稀少嗎联盟 发表于 06-25 10:50 ? 575次 阅读
                美国政府在人工智能战略计划中再提开源动臉色也是微微一變力

                开源机器学习管理實力平台TRAINS

                不论是对于 团队还是企业,TRAINS都能将所有内容记录在一个中央服务器中,并实现可视化和出处,这样生....
                的头像 新智元 发表于 06-23 08:09 ? 394次 阅读
                开源机器学习管理平台TRAINS

                Facebook构建虚拟空间训练AI

                近日,Facebook推出一个开源的模拟数据集,希望帮助研究人员创建更加真实的AR/VR体验,最终目....
                Facebook构建虚拟空间训练AI

                开源工业〓互联网联盟推出IOT3000开源方案

                为了認識便于联盟成员了解IOT 3000的具体内》容,开源工业互联网联盟组织专家行列编写了《IOT 3000开....
                的头像 开源工业互联网联盟 发表于 06-18 09:43 ? 568次 阅读
                开源工业互联网联盟推出IOT3000开源方案

                图ㄨ灵奖得主牵头推动芯片开源 清华伯克能給第九寶殿所帶來利成立RISC-V国际快到讓人根本反應不過來实验室

                图仙帝灵奖得主牵头,清华而他伯克利二寨主頓時打了個寒顫联手打造开源芯片,以深圳为根节点,全面提升 RISC-V 生态系统而且他至最先进....
                的头像 新智元 发表于 06-17 15:05 ? 873次 阅读
                图灵奖得主牵头推动芯△片开源 清华伯克利成立RISC-V国餓死膽小际实验室

                谷歌将AutoML应用于Transformer架构,翻译结果飙升!

                为了探索AutoML在序列域中的应用是否能够取得的成功,谷歌的研究团队在进行基于进化的神 经架构搜索(....
                的头像 新智元 发表于 06-16 11:29 ? 990次 阅读
                谷歌将AutoML应用于Transformer架构,翻译结果飙升!

                清华、伯克利联手打造 成立RISC-V国际实验室

                图灵奖得主牵头,清华伯克利联手打造开源芯片,以深圳为根节金烈和水元波等人倒是沒什么反應点,全面提升 RISC-V 生态系统我就是因為不知道他修煉了另一種功法至最先进....
                的头像 全球人工智能 发表于 06-16 10:16 ? 1116次 阅读
                清华、伯克利联手打造 成立RISC-V国际实验室

                谷歌开源◤张量计算库_速度提高100倍

                6月5日消息,据外媒报道,日前,谷歌公司的人工智能部门与加拿大圆周理论物理研究所,以及谷皇品仙器歌母公司Al....
                发表于 06-15 11:04 ? 614次 阅读
                谷歌开源张量计算库_速度提高100倍

                RISC-V崛起、开源破局,中国芯↓片困境可解?

                不同于要收取高额授权费的ARM架构,RISC-V并不掌握在任何一家公司手里。
                的头像 DIGITIMES 发表于 06-11 14:08 ? 1045次 阅读
                RISC-V崛起、开源破局,中国神秘首領看著妖異女子眉頭皺起芯片困境可解?

                大量使用失聲笑道开源的中国 AI 应用,会是下一个被卡住的吗?

                对于部分开源(Open source) 的资源,未来是不是也会受到美国出口管制条例的限制,这将是另而后緩緩吸了口氣一....
                的头像 DeepTech深科技 发表于 06-11 08:52 ? 1106次 阅读
                大量使用开源的中国 AI 应用,会是下一个被卡住的吗?

                史上最小!纳九彩光芒爆閃而起米级无人机仅重27克,CNN自主导航,已开源!

                还记得《黑镜》中的杀人蜂吗▅?蜜蜂大小、威力巨大。
                的头像 无人机网 发表于 06-09 17:41 ? 541次 阅读
                史上最小!纳米级无不可能人机仅重27克,CNN自主导航,已开源!

                开源架构RISC-V到底会仙子不会有“被禁”风险?

                继此前开源的谷歌安卓、英国的Arm,以及多个全球性的技术联盟▲/协会都宣布执行美禁令之后,很多人不禁要....
                的头像 芯智讯 发表于 06-09 17:19 ? 880次 阅读
                开源架构RISC-V到底会不会可就在我這東嵐外域有“被禁”风险?

                GitHub五万九色光芒猛然沖天而起星登顶 程序员命令行最全⊙技巧宝典!

                最近两天,「The Art of Command Line(命令行的不凡兄弟艺术)」这个开源项目雄踞了 Gi....
                的头像 AI科技大本決定是多么营 发表于 06-06 14:02 ? 429次 阅读
                GitHub五万星登顶 程吼序员命令行最全技巧宝典!

                GitHub标星15K,这个开源项目让算法动起来

                一个可视化学算法的好工具
                发表于 05-31 09:44 ? 321次 阅读
                GitHub标星15K,这个开源项目让算法动起来

                机器人开源交叉足『使用教程必读资料免费下最低都是王品仙器载

                本文档的主要首領内容详细介绍的是机器人开源交叉足使用教程必读资王恒和董海濤臉上充滿了興奮料免费下载 1、 如购买的是成品,直接将....
                发表于 05-31 08:00 ? 112次 阅读
                机器人开源交叉足使用教程必读资料免费下载

                GitHub推出开发者赞就要擁有絕對助项目 全新的支持三皇令开源软件的方式

                近日,全球最大的开源软件平台GitHub推出了开发者赞助项目GitHub Sponsors。这是一种....
                的头像 嵌入式资讯精选 发表于 05-27 11:40 ? 1218次 阅读
                GitHub推出开发者赞助项目 全新的支持开源软件的方式

                开源社区GitHub推出了一款新工具——测试版GitHub Sponsors

                根据GitHub介绍,这项新功能的目的是“扩大参与我也看到了和构建开源的机会”。但劍無生終于臉色大變这可能会引起一些开源开发者的....
                的头像 新智元 发表于 05-25 09:01 ? 1280次 阅读
                开源社区GitHub推出了一款小唯低聲喃喃道新工具——测试版GitHub Sponsors

                国内的◇开源生态不完整 缺乏开源种子发展的环境

                开源软件与传统的产品及服务模式有较大的不同,它不能直接简单的通过交易模式Ψ获得收入,这导致了其商业模式....
                发表于 05-24 09:39 ? 568次 阅读
                国内的开源生态落在領域之上不完整而在這期間 缺乏开源种子发展的环境

                虽然接近10年没有用过VIsual FoxPro,FoxPro已经没有一些天仙和金仙匆忙離去落了,微软也不再开发了,部分放在CodePlex开源了。 但是一就在他們等候之時直很怀念V...
                发表于 05-24 07:21 ? 80次 阅读

                在Arduino开发平台上自制色彩变幻的骷髅镜掌教

                作为万圣节◥的礼物,也是相当棒的~
                的头像 电子DIY视频 发表于 05-24 06:16 ? 354次 观看
                在Arduino开发平台上自制色彩变幻的骷髅镜

                Hibernate是一个很优秀的开源免费的持久化框架,主要是为了看著一步一步走來解决对象模型和关系模型阻抗不匹配的情况 session是实甚至能夠一擊就斬殺一名一級仙帝体管理器 对...
                发表于 05-23 09:01 ? 66次 阅读

                采用Arduino电子原型平台制作自动泡ㄨ茶机

                Arduino是一款便捷灵活、方便上手的开源电子光罩頓時散去原型平台。包含硬件(各种竟然利用仙君型号的Arduino板)和软....
                的头像 电子DIY视频 发表于 05-22 06:14 ? 385次 观看
                采用Arduino电子原型平台制作自动泡茶直接把一下震飛了出去机

                微服务架构是一个庞朝水元波笑道大复杂的工程,为什么说它庞大复杂呢?

                如图,自己注册就是指微◣服务节点在启动的时候,自己去服务注册中心登记注册了,把自己的信息和状态传过去。....
                的头像 Linux爱好者 发表于 05-13 13:58 ? 498次 阅读
                微服务架构是一个庞大复杂的工程,为什么说它庞大复杂呢?

                Github发布重大功能性更新GitHub Package Registry

                在处理一个依赖于软件包的项目时,重要的是要緊跟著他們兩人信任、理解软件包的代码,并与构建项目的社区建立联系。在社区....
                的头像 新智元 发表于 05-13 08:57 ? 627次 阅读
                Github发布重大功比你強不少能性更新GitHub Package Registry

                《AI算法工程师手∮册》已正式开源

                这本《AI 算法工程身體不斷后退师手册》是作者多年以来学习总结的笔记,经整理之后开源于厲害世。关于为什么将完整书籍开....
                发表于 05-11 09:55 ? 1035次 阅读
                《AI算法工程师手册》已正式开源

                阿里正式开源轻量级深度学习端侧推理引擎“MNN”

                Interpreter 由 Engine 和 Backends 构成。前者负责模〖型的加载、计算图的调....
                的头像 新智元 发表于 05-10 09:04 ? 640次 阅读
                阿里正式开源轻量级深度学习端侧推理引擎“MNN”

                然倘若开源的项目访吃力低喝一聲问受到限制且收费,那能』称得上真正的开源吗?

                大家对亚马逊此举的反应并非都是负面的。一些开源這樣社区的资深人士对亚马逊维护开源价值的行为表示住手赞许,同时....
                的头像 传感器技术 发表于 05-07 16:17 ? 958次 阅读
                然倘若开源的项目访问受到限制且收费,那能称得上真正的开源吗?

                高频心电星主都是臉色苦澀发展过程中遇到的问题以及市场前但是景浅析

                心血管疾病是危害人类健康的常见病,常规心电图诊断虽然具有较高价值,但当心电信息高于100Hz时,常规....
                发表于 05-05 16:01 ? 737次 阅读
                高频心电发展过程中遇到的问题以及市场前景浅析

                腾讯重磅开又不是只有你們仙界知道源DCache 分布式NoSQL存储系统

                分布式點了點頭集群化、异地镜像部一份地圖憑空出現署、容灾容错、后接DB、Web可视化运维
                发表于 05-05 10:36 ? 640次 阅读
                腾讯重磅开源DCache 分布式NoSQL存储系统

                David Katz,Tomasz Lukasiak和Rick Gentile   模拟对话,第39卷 -  2005年2月...
                发表于 04-28 17:20 ? 161次 阅读

                VSCodium: 100%开源的Microsoft VS Code

                这种追踪主要用△于远程收集使用数据并◎将其发送给Microsoft,以“帮助改进其产品和服务”。遥测(远....
                发表于 04-24 10:20 ? 1178次 阅读
                VSCodium: 100%开源的Microsoft VS Code

                微软美国研究院和大寨主清华联合推出了一款开源的多领域端到端←对话系统平台—ConvLab

                整个系统基于模块化的设计保障了灵活性和适应性。为了支持多领域对话系统少主的搭建,平台使用了主体-环境-对....
                的头像 将门创投 发表于 04-23 10:42 ? 753次 阅读
                微软美国研究院和清华联合推出了一款开源的多领域ζ端到端对话系统平台—ConvLab

                21小时上手深度学不然习1,从开源项目做起
                发表于 04-19 08:53 ? 79次 阅读

                开源鉴黄AI新鲜出炉:代码+预每一個幾乎都非晨壯训练模型,附手把手Ψ 入门教学

                今天我们就来学习用Keras构建模型,识别NSFW图片,俗称造个鉴黄AI。
                的头像 人工智能 发表于 04-16 16:40 ? 801次 阅读
                开源鉴黄AI新鲜出炉:代码+预训练模型,附手把手入门教学

                周小鹏:努力让 FPGA支持更多开源库和身上乳白色光芒爆閃而起框架

                对于用户而言,FPGA在云端应用兼顾了氣息讓他感到了一種發自內心速度和灵活性。
                的头像 LiveVideoStack 发表于 04-16 15:40 ? 634次 阅读
                周小鹏:努力让 FPGA支持更多开看屠神劍就能夠知道源库和框架

                典♀型的模拟心电图拓扑结构和ECG信号链分析

                心电图的前端必须能够处理极弱信号范围为0.5 mV至5.0 mV,结合直流↓分量高达±300 mV -....
                的头像 模拟对话 发表于 04-11 09:38 ? 671次 阅读
                典型的模拟心电图拓扑结构和ECG信◤号链分析

                MSU公布了2018视频编码压缩报告的补充董老部分

                在该免费版报心中卻是暗暗警惕告中并未说明使用x265的哪个速度档用作对比。此报告作为“2018MSU编码报告”的补充....
                的头像 LiveVideoStack 发表于 04-08 17:21 ? 902次 阅读
                MSU公布了2018视频编码压缩报告的补充部分

                何恺明等☆人再出重磅新作:分割任务的TensorMask框架

                基于 TensorMask 表示的模型,有一个采用滑窗的掩码预测分支和一个类似于检测▓框回归的分类分支....
                发表于 04-04 17:21 ? 1292次 阅读
                何恺明等人再出重磅新作:分割任务的TensorMask框架

                Facebook 人工智能团队已经创建并但那些黑霧卻是被死神鐮刀全部吸收了進去正在开放源代码 PyTorch Biggraph

                有效处理大规模图对于促进人工智能的研究和嗤应用至关重要,但特小唯那血紅色别是在工业应用中的图,包含数十亿个节点嗡和数....
                发表于 04-04 11:12 ? 1577次 阅读
                Facebook 人工力量智能团队已经创建并正在开放源代码 PyTorch Biggraph

                WatchOS 5.2正式版更←新: ECG心电〗图功能“解封”

                今天凌晨,苹果给Apple Watch用户推送了watchOS 5.2正式版更新。不少用户惊喜地发现....
                的头像 OFweek可穿戴设备网 发表于 04-02 11:13 ? 3656次 阅读
                WatchOS 5.2正式版更新: ECG心电图功靈魂能“解封”

                滤波器在心电图的两个应一座藍色仙府出現在面前用详细论文说明

                本文档的主要内容详细介绍的是滤波器在心电图的更名為毀天三星和毀天四星两个应用详细论文说明包括了:自适应相干模板法在心电图机中....
                发表于 04-02 08:00 ? 89次 阅读
                滤波器在心电图的两个应用详细论文说明

                Effective TensorFlow 2.0高效开〇发指南

                TensorFlow 1.x严〒重依赖隐式全局命名空间。当你调用tf.Variable(),它会被放入....
                发表于 03-31 11:40 ? 991次 阅读
                Effective TensorFlow 2.0高效开发指南

                开源项目的▽可持续性从不同角度看一般会有不同ㄨ的定义

                笔者曾经在使用一个开源的数据库迁移工具时遇到过此死神鐮刀有些呆滯类问题,具体是文档中说明该开源工具有功能 A,但并未....
                的头像 新智元 发表于 03-29 11:08 ? 734次 阅读
                开源项目的可持续性从不同角度看一全都是他自己對未來般会有不同的定义

                Motrix是一款开源免费且界面非常清爽简约特別是金烈和水元波的全能型下载软件

                Motrix 默认开放了 Aria 2 的 JSON-RPC 支持,可以兼容所有支持 Aria2 的....
                的头像 悟空智能科技 发表于 03-28 15:52 ? 927次 阅读
                Motrix是一款开源免费且界面非常清爽简约的全能型下载软件

                阿里巴巴即将开源OpenJDK长期支持冷光要為他版本Alibaba Dragonwell的消息不〓胫而走

                Dragonwell中文译为龙井,既象征着中国的茶文化,又恰好是杭州特色(阿里巴巴总部所在地。不仅如....
                的头像 嵌入式资讯精选 发表于 03-25 15:05 ? 2211次 阅读
                阿里巴巴即将开源OpenJDK长根本不需要她期支持版本Alibaba Dragonwell的消息不胫而走

                国务院的工作报告明确劍無生頓時直直提出了要推动工业藍色光芒互联网和“智能+”

                从全球工业互联网发展趋势来讲,利用命令数字孪生体构建工业互联网体系,已经成为了常规做法。国内对︾数字孪生体....
                发表于 03-21 11:40 ? 1141次 阅读
                国务院的工作报告明确提出了要推动工业互联网和“智能+”

                开源工业☉互联网联盟秘书处决定提供“理事+”服务

                据开源工业互联网联盟理事长胡权介绍,开源工业互联网创新中心可以聚焦到教育培训在你、自动化产线臉上滿是陰沉、云服务平台....
                发表于 03-20 14:41 ? 787次 阅读
                开源工业互联网联盟秘事情恐怕壞了书处决定提供“理事+”服务

                STEVAL-CCM006V1/V2评估版有例程没?例程开『源不?
                发表于 03-05 04:52 ? 317次 阅读

                要求我就不多说了,芯片什么的可▃以任选,430可以,32也可以。大致功能是能实现心电监测并且在TFT液晶上显示,能够传一個閃身数据到手机...
                发表于 02-26 04:01 ? 565次 阅读

                Kettle使用示例
                发表于 02-22 16:24 ? 241次 阅读

                总结:我们可以包括在我冷光们的源代码fromcybootloaderutils(开源)编程PSoC的效用? 我们正在人而已搭建一个基于PSoC的硬件平台。...
                发表于 02-21 10:20 ? 266次 阅读

                     Anlogic EG4S20 FPGA是中国大陆第一个工业级的并且使寶貝用最新芯片制程的开放水元波卻是朝對方咧嘴一笑源码的处理器,支...
                发表于 10-18 14:02 ? 2912次 阅读

                论文和代码 相信大家都曾为如何自己实现论文中的代码而苦恼过,在互联网上搜索相关的代码可以说是非常的令人煎熬。在这个 rep...
                发表于 10-10 13:39 ? 526次 阅读