《表1 硬件资源配置：基于深度学习的手势识别算法设计》
提示：宽带有限、当前游客访问压缩模式
本文的硬件环境见表1所列。对于神经网络[6]训练而言，显卡的计算能力和CPU的性能至关重要，性能优良的显卡与CPU可以大幅缩减训练时间与算法的运行时间。
| 图表编号 | XD0043357700 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.02.20 |
| 作者 | 龙辉 |
| 绘制单位 | 杭州电子科技大学电子信息学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 硬件环境：基于深度学习时间序列的诉求感知分析系统设计》2020.10.20
- 《表1 实验设备配置：深度学习目标检测算法在货运列车车钩识别中的应用》2020.10.01
- 《表1 硬件和软件的配置：基于数据平衡深度学习的不同成熟度冬枣识别》2020.11.18
- 《表1 硬件配置：一种基于深度学习的交通标志识别新算法》2021.01.28
- 《表4 算法运行硬件配置：基于卷积神经网络的电力操作票文字识别方法》2020.04.25
- 《表3 实验硬件平台配置：基于深度强化学习的单目视觉自动驾驶决策系统》2020.05.01
- 《表1 训练参数：基于深度学习的人脸识别算法研究》2020.05.01
- 《表1 基本硬件配置表：基于融合优化算法和集成学习的数字识别研究》2020.04.01
- 《表1 分类识别实验结果：基于深度学习的鱼类识别与检测的算法研究》2020.08.10
- 《表2 基于深度学习的说话人识别算法》2020.04.01
- 《表2 算法测试硬件环境：一种基于快速面部识别算法的学习状态统计分析系统》2020.03.05
- 《表1 手势识别方法对比：基于深度学习的手势识别研究》2019.11.15
- 《表1 网络训练结果：基于深度图像的手势识别研究》2019.10.01
- 《表1 测试结果：基于深度学习的人脸识别算法研究》2019.10.05
- 《表1 实验软硬件配置：基于RGB-D与深度学习的行为识别算法》2019.06.16
- 《表1 计算机硬件配置：基于深度学习的输变电设备异常发热点红外图片目标检测方法》2019.02.20
- 《表1 实验结果：基于深度学习的交通标志识别算法》2019.06.01
- 《表1 算法评价：基于深度学习的非结构环境下海参实时识别算法》2019.06.01
- 《表1 各种算法用时对比：基于椭圆皮肤模型和深度学习的静态手势识别》2019.02.20
- 《表1 实验环境硬件配置：基于深度学习的无人机侦察图像目标识别》2019.10.10