Übersicht Home   Forum Forum   Forum Bildergallerien
Hilfe  Hilfe  Suche
 Kalender  Kalender  Benutzerkarte  Karte
Willkommen Gast. Bitte einloggen oder registrieren.
Haben Sie Ihre Aktivierungs E-Mail übersehen?
*
Home > Welt-Ticker > heise+ | Deep-Learning-Tutorial, Teil 1: Bilder für das Modelltraining aufbereiten
Seiten: [1] nach unten
News: heise+ | Deep-Learning-Tutorial, Teil 1: Bilder für das Modelltraining aufbereiten  (Gelesen 289 mal) Drucken
 
Jetzt News einliefern
 
Weitere News:
IconAdmin-Sicherheitslücke bedroht Apache Airflow mit FAB-Authentifizierung
Iconheise+ | KI-Musikflut: Warum die EU-Kennzeichnung ins Leere läuft
IconGrößter Batteriespeicher in Deutschland steht vor Teilinbetriebnahme
IconKI-Coding mit Specs: OpenSpec vereinfacht Refactorings
IconApple plant neue Home-Geräte ' kommen sie noch dieses Jahr?
IconOpenWrt: Updates schließen teils kritische Sicherheitslücken
Icon"A toxic love story" auf Netflix
IconTänze gegen den Geist der Teilung
IconGeschäfte des Luxuskonzerns Hermès ziehen wieder an
IconSchultaschen im Test: Eine gute Schultasche kostet rund 300 Euro
heise+ | Deep-Learning-Tutorial, Teil 1: Bilder für das Modelltraining aufbereiten
« am: 22.05.2020, 17:19:26 »
   

Das dreiteilige Deep-Learning-Tutorial zeigt Modelle anzupassen, zu trainieren und auf Embedded-Hardware, wie dem Jetson Nano, zur Objekterkennung zu nutzen.



Quelle: http://www.heise.de
   

Stichworte: Bilderkennung, Colab, Deep Learning, Google Colab, Jupyter Notebook, Künstliche Intelligenz, Machine Learning
Stichworte: Bilderkennung  Colab  Deep Learning  Google Colab  Jupyter Notebook  Künstliche Intelligenz  Machine Learning



Diese News stammt aus dem NewsParadies
 top
 IP: [ Gespeichert ]
 eingeliefert von: heise  Profil anzeigen    facebook  twitter  google+  
0 Mitglieder und 1 Gast betrachten dieses Thema.
« vorheriges nächstes »
Drucken
Seiten: [1] nach oben  
« vorheriges nächstes »
Gehe zu:    top

    Newsparadies | Impressum | Datenschutz | Powered by SMF 1.0.7.
© 2001-2005, Lewis Media. Alle Rechte vorbehalten.