15 条“超自动化运维” 相关内容
- TensorFlow教程 | TutorialsImproving Linear Models Using Explicit Kernel Methods（使用显式内核方法改进线性模型）
Improving Linear Models Using Explicit Kernel Methods（使用显式内核方法改进线性模型）
- scikit-image分割 | segmentationsegmentation
segmentation
使用快速转换模式搜索算法生成图像的超分块。 参数：图像:(宽度，高度，通道）ndarray输入图像。ratio：float，可选，介于0和1之间平衡色彩空间接近度和图像空间接近度。
- scikit-image恢复 | restorationrestoration
restoration
skimage.restoration.denoise_nl_means（图像）对二维或三维灰度图像和二维RGB图像执行非局部平均去噪。
- TensorFlow开始 | Get StartedBuilding Input Functions with tf.estimator（使用tf.estimator建立输入函数）
Building Input Functions with tf.estimator（使用tf.estimator建立输入函数）
例如，dense_shape=[3,6]指定二维3x6张量，dense_shape=[2,3,4]指定三维2x3x4张量，并dense_shape=[9]指定具有9个元素的一维张量。
- TensorFlow教程 | TutorialsVector Representations of Words（字词的向量表示）
Vector Representations of Words（字词的向量表示）
图像和音频处理系统与丰富的高维数据集一起工作，该数据集被编码为用于图像数据的各个原始像素强度的矢量，或者例如用于音频数据的功率谱密度系数。
- TensorFlow扩展 | ExtendCreating Estimators in tf.estimator（在tf.estimato创建自定义估算器）
Creating Estimators in tf.estimator（在tf.estimato创建自定义估算器）
- TensorFlow开始 | Get StartedTensorFlow Mechanics 101（TensorFlow力学101）
TensorFlow Mechanics 101（TensorFlow力学101）
在这种最常见的情况下，权重用tf.truncated_normal二维张量的形状初始化，其中第一个dim表示权重连接的图层中的单位数，第二个dim表示单位的数量权重连接的层。
- scikit-image形态 | morphologymorphology
morphology
selem：ndarray，可选该邻域表示为1和0的二维数组。如果无，则使用十字形结构元素（连通性=1）。out：bool的ndarray，可选用于存储形态结果的数组。
- TensorFlow教程 | TutorialsA Guide to TF Layers: Building a Convolutional Neural Network（TF层指南:构建卷积神经网络）
A Guide to TF Layers: Building a Convolutional Neural Network（TF层指南:构建卷积神经网络）
构造一个二维卷积层。采用过滤器数量，过滤内核大小，填充和激活函数作为参数。 max_pooling2d()。使用max-pooling算法构造一个二维池化层。采用过滤器大小和步幅作为参数。
- TensorFlow教程 | TutorialsSimple Audio Recognition（简单的音频识别）
Simple Audio Recognition（简单的音频识别）
不过，这听起来可能令人惊讶，因为音频本质上是一维时间上的连续信号，而不是2D空间问题。 我们通过定义时间窗口来解决这个问题，相信我们说出的单词应该适应，并将该窗口中的音频信号转换为图像。
- Python开发工具 | Development Toolsunittest
unittest
unittest支持测试自动化，共享测试的设置和关闭代码，将测试集合到集合中，以及测试与报告框架无关。unittest模块提供的类可以很容易地支持这些质量以进行一系列测试。
- SQLite全文索引 | Full-Text SearchSQLite FTS3 and FTS4 Extensions
SQLite FTS3 and FTS4 Extensions
腾讯云开发者
扫码关注腾讯云开发者
领取腾讯云代金券
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号