tag 數據集

標籤
貢獻73
158
11:04 PM · Nov 06 ,2025
u_17467352 頭像 u_17037082 頭像 u_16018702 頭像 u_15469972 頭像 u_13360 頭像 u_15505879 頭像 u_17335978 頭像 u_15851118 頭像 chaoshenjinghyperai 頭像 u_15214399 頭像 u_15988698 頭像 u_39037 頭像

@數據集 / 博客 RSS 訂閱

u_17037082 頭像

王校長的熱狗 - 無人機航拍飛機船舶小車數據集1306張VOC+YOLO格式

無人機航拍飛機船舶小車數據集1306張VOC+YOLO格式 數據集格式：VOC格式+YOLO格式 壓縮包內含：3個文件夾，分別存儲圖片、xml、txt文件 JPEGImages文件夾中jpg圖片總計：1306 Annotations文件夾中xml文件總計：1306 labels文件夾中txt文件總計：1

數據集 , 標籤名 , 後端開發 , 航拍飛機船舶小車 , txt文件 , Python

收藏 評論

u_15444 頭像

gulaotou - ECMWF HRES數據集下載

本文總結了收集到的鞋類數據集 👟👞👟👠👡👢 1.UT Zappos50K 這一數據集來自德克薩斯奧斯丁，包含了普通鞋子、涼鞋、拖鞋和靴子四類共50025張鞋類圖像。數據來源於鞋類網站zappos. 此外。數據標記還包含了四個屬性：open、pointy、sportly、comfort。

數據集 , github , 數據 , 架構 , 後端開發 , ECMWF HRES數據集下載

收藏 評論

u_16175443 頭像

mob649e8156b567 - llama預訓練默認損失函數

llama預訓練默認損失函數是指在進行LLaMA（Large Language Model Meta AI）模型的預訓練時使用的損失計算方法。使用合適的損失函數是提升模型訓練性能的關鍵。接下來，我將詳細記錄解決“llama預訓練默認損失函數”問題的整個過程。 環境配置 首先，確保你擁有一個合適的環境來進行LLaMA模型的預訓練。以下是整個環境配置的流程圖，以及相關的配置代碼。

數據集 , 損失函數 , aigc , 數據預處理

收藏 評論

u_13250 頭像

flybirdfly - knn近鄰分類算法k值大值

k-近鄰算法原理 K-近鄰算法採用測量不同特徵值之間的距離方法進行分類。 • 優點：精度高、對異常值不敏感、無數據輸入假定。 • 缺點：時間複雜度高、空間複雜度高。 適用數據範圍：數值型和標稱型。 工作原理 存在一個樣本數據集合，也稱作訓練樣本集，並且樣本集中每個數據都存在標籤，即我

機器學習 , 數據集 , 樣本集 , 數據 , 算法 , knn近鄰分類算法k值大值 , 人工智能

收藏 評論

u_17467352 頭像

mb686fbcc4efbd6 - 癌症檢測血細胞識別檢測數據集VOC+YOLO格式4918張5類別

數據集格式：Pascal VOC格式+YOLO格式(不包含分割路徑的txt文件，僅僅包含jpg圖片以及對應的VOC格式xml文件和yolo格式txt文件) 圖片數量(jpg文件個數)：4918 標註數量(xml文件個數)：4918 標註數量(txt文件個數)：4918 標註類別數：5 所在倉庫：firc-dataset 標註類別名稱(注意yol

數據集 , 後端開發 , JAVA , txt文件 , xml文件

收藏 評論

u_17467352 頭像

mb686fbcc4efbd6 - 智慧交通道路交通事故檢測數據集VOC+YOLO格式1741張1類別

數據集格式：Pascal VOC格式+YOLO格式(不包含分割路徑的txt文件，僅僅包含jpg圖片以及對應的VOC格式xml文件和yolo格式txt文件) 圖片數量(jpg文件個數)：1741 標註數量(xml文件個數)：1741 標註數量(txt文件個數)：1741 標註類別數：1 所在倉庫：firc-dataset 標註類別名稱:["Acc

數據集 , 後端開發 , JAVA , txt文件 , ide

收藏 評論

u_17037082 頭像

王校長的熱狗 - 13種動物數據集9800張VOC+YOLO格式

13種動物數據集9800張VOC+YOLO格式 數據集格式：VOC格式+YOLO格式 壓縮包內含：3個文件夾，分別存儲圖片、xml、txt文件 JPEGImages文件夾中jpg圖片總計：9800 Annotations文件夾中xml文件總計：9800 labels文件夾中txt文件總計：9800

數據集 , 動物數據集 , 後端開發 , txt文件 , Pig , Python

收藏 評論

u_56701 頭像

hackernew - 一次優化sql的實踐

這麼一條sql SELECT tt , nn , cc FROM ( SELECT A.tt , B.nn , C.cc , RANK() OVER (PARTITION BY C.ff, C.gg ORDER BY C.hh) AS R

數據集 , 表連接 , SQL , 前端開發 , Javascript

收藏 評論

u_17467352 頭像

mb686fbcc4efbd6 - 焊接焊縫缺陷檢測數據集VOC+YOLO格式1009張5類別

數據集格式：Pascal VOC格式+YOLO格式(不包含分割路徑的txt文件，僅僅包含jpg圖片以及對應的VOC格式xml文件和yolo格式txt文件) 圖片數量(jpg文件個數)：1009 標註數量(xml文件個數)：1009 標註數量(txt文件個數)：1009 標註類別數：5 所在倉庫：firc-dataset 標註類別名稱(注意yol

數據集 , 後端開發 , JAVA , txt文件 , xml文件

收藏 評論

u_17037082 頭像

王校長的熱狗 - 無人機航拍船舶分類檢測數據集1469張VOC+YOLO格式（已增強）

無人機航拍船舶分類檢測數據集1469張VOC+YOLO格式（已增強） 數據集格式：VOC格式+YOLO格式 壓縮包內含：3個文件夾，分別存儲圖片、xml、txt文件 JPEGImages文件夾中jpg圖片總計：1469 Annotations文件夾中xml文件總計：1469 labels文件夾中txt文

數據集 , 標籤名 , 後端開發 , txt文件 , 航拍船舶分類檢測數據集 , Python

收藏 評論

u_17467352 頭像

mb686fbcc4efbd6 - 智慧醫療膝蓋骨關節炎嚴重程度檢測數據集VOC+YOLO格式8000張5類別

數據集格式：Pascal VOC格式+YOLO格式(不包含分割路徑的txt文件，僅僅包含jpg圖片以及對應的VOC格式xml文件和yolo格式txt文件) 圖片數量(jpg文件個數)：8000 標註數量(xml文件個數)：8000 標註數量(txt文件個數)：8000 標註類別數：5 所在github倉庫：firc-dataset 標註類別名稱

數據集 , 後端開發 , txt文件 , xml文件 , Python

收藏 評論

u_16175455 頭像

mob649e8159b30b - stabble diffusion python版本

隨着人工智能技術的發展，"Stable Diffusion"模型最近在圖像生成領域備受矚目。對於許多開發者來説，在Python環境中部署Stable Diffusion並不總是一帆風順，常常會遇到兼容性、庫依賴等各種問題。因此，瞭解Stable Diffusion的Python版本，以及其背後的技術原理，將幫助開發者更好地解決這些問題。 flowchart TD A[瞭解St

數據集 , aigc , 開發者 , Python

收藏 評論

u_17037082 頭像

王校長的熱狗 - 【動物】熊數據集2983張VOC+YOLO格式

數據集格式：VOC格式+YOLO格式 壓縮包內含：3個文件夾，分別存儲圖片、xml、txt文件 JPEGImages文件夾中jpg圖片總計：2983 Annotations文件夾中xml文件總計：2983 labels文件夾中txt文件總計：2983 標籤種類數：1 標籤名

熊數據集 , 數據集 , 標籤名 , 後端開發 , txt文件 , Python

收藏 評論

u_16099253 頭像

數據解碼者 - 【深度學習實戰02】——VGG網絡提取輸入圖像的特徵並顯示特徵圖_輸入圖像,從圖像中學習特徵,輸出圖像

深度學習的效果越來越好,在一些方面甚至超過了人類水平,為了更好地理解神經網絡如何識別特定模式的圖像,以及為什麼識別結果可以如此準確,需要從更深層次,即識別過程去了解神經網絡.一旦瞭解了識別過程,我們就可以對神經網絡做進一步的改進,另一方面也有助於人類理解機器作出決策的過程及原因,這一點在智能醫療中顯得尤為重要. 特徵圖的顯著激活 一旦神經網絡中的某個特徵圖

數據集 , 神經網絡 , 深度神經網絡 , 人工智能

收藏 評論

u_14191 頭像

索姆拉 - 解讀Lawyer LLaMA，延申專業領域大模型微調：數據集構建，模型訓練_dream

下面列出 LLaMA‑Factory（開源的 LLM 交互式微調與數據標註平台）內置支持的全部數據集及其主要特性、來源和使用方式，方便你快速挑選合適的數據來進行指令微調、RLHF、對話生成等任務。 1️⃣ LLaMA‑Factory 官方提供的“指令/對話”數據集（已在 datasets 中註冊）

數據集 , 多語言 , factory , 人工智能 , llama , Css , 前端開發 , HTML

收藏 評論

u_39037 頭像

jimoshalengzhou - 小白筆記：動手做目標檢測 --> YOLO v3（二）

文章目錄 系列文章目錄 前言 一、YOLO3算法簡介 二、基於TensorFlow 2.x的輕量級YOLO3模型（YOLO3 Nano）簡介 三、需要文件的下載安裝 三、打標教程及技巧：為訓練準備高質量數據 工具準備：LabelImg 打標步驟 打標技巧 三、訓

數據集 , 幀率 , 目標檢測 , 前端開發 , Javascript

收藏 評論

u_17037082 頭像

王校長的熱狗 - 蘑菇生長階段數據集7259張VOC+YOLO格式

蘑菇生長階段數據集7259張VOC+YOLO格式 數據集格式：VOC格式+YOLO格式 壓縮包內含：3個文件夾，分別存儲圖片、xml、txt文件 JPEGImages文件夾中jpg圖片總計：7259 Annotations文件夾中xml文件總計：7259 labels文件夾中txt文件總計：7259

蘑菇生長階段數據集 , 數據集 , 標籤名 , 後端開發 , txt文件 , Python

收藏 評論

u_17119850 頭像

雲間月1314 - 在openEuler操作系統基礎上實現機器學習開發以及openEuler優勢分析

一、openEuler操作系統與機器學習開發適配性概述 我們都知道，openEuler 作為華為開源的企業級 Linux 操作系統，憑藉對鯤鵬架構的深度定製優化、經過工業級驗證的穩定內核性能以及持續擴容的開源生態支持，已成為機器學習開發領域的優選底座。其內核層面針對異構計算場景設計的智能算力調度機制，能夠動態分配 CPU、GPU 及 NPU 等硬件資源，精準匹配機器

機器學習 , 數據集 , 數據 , AI寫作 , aigc

收藏 評論

u_16671839 頭像

艾派森51CTO - 深度學習實戰-基於Vision Transformer的腦腫瘤MRI圖像識別

🤵♂️ 個人主頁：@艾派森的個人主頁 ✍🏻作者簡介：Python學習者 🐋 希望大家多多支持，我們一起進步！😄 如果文章對你有幫助的話， 歡迎評論 💬點贊👍🏻 收藏 📂加關注+ 目錄 1.項目背景 2.數據集介紹

數據集 , 人工智能 , transformer , 深度學習 , Image , Css , 前端開發 , HTML

收藏 評論

u_16970152 頭像

求知上進 - 瞭解 Python 集合的無限可能

1. 集合概述 1.1 什麼是集合？ Python 的集合（set）是一個無序、可變、不允許重複元素的容器，用於存儲唯一的數據項。集合基於哈希表實現，提供 O(1) 平均時間複雜度的成員檢查和插入操作。Python 還提供不可變的集合變體——凍結集合（frozenset），適用於需要不可變鍵的場景（如字典鍵）。 關鍵特性： 無序性：集合中的元素沒

數據集 , 集合運算 , 人工智能 , 深度學習 , Python

收藏 評論

u_17467352 頭像

mb686fbcc4efbd6 - 十三種不同魚類檢測數據集VOC+YOLO格式7798張13類別

數據集格式：Pascal VOC格式+YOLO格式(不包含分割路徑的txt文件，僅僅包含jpg圖片以及對應的VOC格式xml文件和yolo格式txt文件) 圖片數量(jpg文件個數)：7798 標註數量(xml文件個數)：7798 標註數量(txt文件個數)：7798 標註類別數：13 所在github倉庫：firc-dataset 標註類別名

數據集 , 後端開發 , JAVA , txt文件 , fish

收藏 評論

u_15469972 頭像

mb61c46a7ab1eee - 【論文閲讀】Sparks of Science - 指南

目錄 Abstract Introduction Related Work Methodology and the Bit-Flip-Spark+Chain-of-Reasoning Format Preprocessing and Dataset Construction Fine-tuning and Inference Pipeline

數據集 , redis , 語言模型 , 數據庫 , 結構化

收藏 評論

u_16018702 頭像

架構師李哲 - 告別深夜批改：用Qwen3-VL大模型打造會“理解”的作文閲卷助手

深夜十一點，李老師揉了揉發酸的眼睛，面前還有三十多篇作文等待批改。 這是無數語文教師的日常寫照——繁重的批改負擔、難以完全統一的標準、反饋到達學生手中時已失去時效性。 而在AI技術日新月異的今天，我們能否讓機器真正“理解”一篇作文的優劣？ 答案是肯定的。基於Qwen3-VL-30B-A3B-Instruct大模型，我們成功打造了一款能夠深度理解中文作文的智能閲卷

數據集 , 數據 , 數據結構 , aigc , llama

收藏 評論

u_16099178 頭像

雲端小悟空 - 訓練特徵索引

之前介紹的StringIndexer是針對單個類別型特徵進行轉換，倘若所有特徵都已經被組織在一個向量中 ，又想對其中某些單個分量進行處理時，Spark ML提供了VectorIndexer類來解決向量數據集中的類別 性特徵轉換。通過為其提供maxCategories超參數，它可以自動識別哪些特徵是類別型的，並且將原始 值轉換為類別索引。

spark , 數據集 , 大數據 , 訓練特徵索引 , 數據倉庫 , 人工智能

收藏 評論