《表3 硬件环境：改进的LeNet-5模型在花卉识别中的应用》
提示：宽带有限、当前游客访问压缩模式
本次实验是在牛津花卉数据库上进行的实验，考虑到数据量不是很高，以及网络深度并没有很大，所以实验数据放在单CPU上进行处理，实验硬件环境见表3。
| 图表编号 | XD00137218100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.03.16 |
| 作者 | 吴丽娜、王林山 |
| 绘制单位 | 中国海洋大学数学科学学院、中国海洋大学数学科学学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 硬件环境：实时PCR技术在羊亚科肉类鉴定中的应用》2020.06.25
- 《表3 改进的模型与原模型在图像实验中的应用对比》2021.02.05
- 《表2 深圳球根花卉资源：球根花卉在深圳园林中的应用》2021.02.01
- 《表3 模型准确率对比：FCNN深度学习模型及其在动物语音识别中的应用》2021.01.01
- 《表3 两种模型的对比：一种改进的LeNet-5卷积神经网络算法》2020.10.20
- 《表1 设备变更申请单：基于大数据改进灰色关联分析在台区智能识别中的应用》2020.09.05
- 《表2 变更设备列表：基于大数据改进灰色关联分析在台区智能识别中的应用》2020.09.05
- 《表3 台区变更单：基于大数据改进灰色关联分析在台区智能识别中的应用》2020.09.05
- 《表3 硬件环境：并行处理技术在全球海量地理信息数据质量控制中的应用》2020.07.25
- 《表7 抓取实验统计表：基于改进的YOLOv3算法在目标识别与抓取中的应用》2020.04.01
- 《表6 实验结果对比：基于改进的YOLOv3算法在目标识别与抓取中的应用》2020.04.01
- 《表3 骨干网络配置：基于YOLOV3的改进模型在行人检测中的应用》2020.08.15
- 《表1 实验硬件环境：并行计算在机动飞行轨迹生成中的应用》2020.08.15
- 《表3 图像采集数量表：改进的YOLOv3算法在道路环境目标检测中的应用》2020.03.15
- 《表3 理想等级区间：改进的多目标决策模型在环境分级中的应用》2019.09.25
- 《表1 测试准精度比较：基于改进的LeNet-5轨道交通障碍物识别方法》2020.01.25
- 《表2 混淆矩阵：基于改进的LeNet-5轨道交通障碍物识别方法》2020.01.25
- 《表3 雷达反演模型参数：雷暴天气识别及其在电网运行中的应用》2019.09.25
- 《表3 模型精度评价：半参数改进灰色模型在滑坡变形预测中的应用》2019.09.20
- 《表1 ELM学习步骤：改进OPELM在超声电机退化状态识别中的应用》2018.03.01