㈠ 深度學習跑700多張圖片的數據集，租什麼樣的伺服器比較好
珍島GPU雲伺服器。
珍島GPU雲伺服器適用於深度學習，針對AI，數據分析在各種規模上實現出色的加速，應對極其嚴峻的計算挑戰，同時珍島雲提供多種GPU實例規格。
㈡ 怎樣用siamese訓練自己的數據集
1、在Windows下用CPU-z查看
2、在開機啟動自檢時，快速按下鍵盤上的pause鍵，可以看到CPU的頻率與核心數（對於雙核以上的CPU一般會顯示兩行或四行CPU的型號與頻率）
3、如果開機時顯示的是主板品牌的Logo或名稱，快速按下tab鍵和 pause鍵，就可以看到第二條所說的內容。
㈢ 製作cifar10數據集的python版代碼
MNIST 數據集
混合的國家標准和技術 (簡稱 MNIST) 由紅外研究員，作為基準來比較不同的紅外演算法創建數據集。 其基本思想是如果你有你想要測試紅外的演算法或軟體的系統，可以運行您的演算法或系統針對 MNIST 的數據集和比較您的結果與其他系統以前發布成果。
數據集包含的共 70,000 圖像 ； 60,000 訓練圖像 （用於創建紅外模型） 和 10,000 測試圖像 （用於評估模型的精度）。 每個 MNIST 圖像是一個單一的手寫的數字字元的數字化的圖片。 每個圖像是 28 x 28 像素大小。 每個像素值是 0，表示白色，至 255，表示黑。 中間像素值表示的灰度級。 圖 2 顯示了訓練集的前八位的圖像。 對應於每個圖像的實際數字是顯然對人，但確定數字是非常困難的挑戰的計算機。
圖 2 首八 MNIST 訓練圖像
奇怪的是，訓練數據和測試數據均存儲在兩個文件中，而不是在單個文件中。 其中一個文件包含圖像的像素值和，另一個包含圖像的標簽信息 （0 到 9）。 每個的四個文件還包含標頭信息，和所有的四個文件都存儲在已經使用 gzip 格式壓縮的二進制格式。
注意在圖 1，該演示程序使用僅 60,000 項目訓練集。 測試集的格式是相同的訓練集。 MNIST 文件的主存儲庫是目前位於 yann.lecun.com/exdb/mnist。 培訓的像素數據存儲在文件火車-圖像-idx3-ubyte.gz 和培訓標簽數據存儲在文件火車-標簽-idx1-ubyte.gz。 若要運行該演示程序，您需要轉到 MNIST 的存儲庫站點，下載並解壓的兩個培訓數據文件。 將文件解壓縮，我用的免費的開源 7-Zip 實用程序。
創建 MNIST 查看器
若要創建 MNIST 演示程序，我發起了 Visual Studio，創建一個名為 MnistViewer 的新 C# Windows 窗體項目。 演示有沒有重大的.NET 版本依賴關系，因此，任何版本的 Visual Studio 應該工作。
模板代碼載入到 Visual Studio 編輯器後，我設置的 UI 控制項。 我添加了兩個 TextBox 控制項 (textBox1，textBox2) 要堅持兩個解壓後的培訓文件的路徑。 我添加一個按鈕控制項 (button1)，並給了它一個標簽載入圖像。 我添加了兩個多個 TextBox 控制項 （textBox3，textBox4） 以保存當前圖像索引和下一個圖像索引的值。 我使用 Visual Studio 設計器，分別設置"NA"和"0，"這些控制項的初始值。
我添加了一個 ComboBox 控制項 (comboBox1) 的圖像放大倍數值。 使用設計器，我去到該控制項的項集合，添加字元串"1"到"10"。我添加了第二個按鈕控制項 (button2)，並給了它一個標簽的顯示下一次。 我添加了 PictureBox 控制項 (pictureBox1)，將其背景色屬性設置為 ControlDark，以便看到控制項的輪廓。 我將圖片框大小設置為 280 x 280 允許最多 10 倍的放大倍率 （回顧 MNIST 圖像是 28 x 28 像素為單位）。 我添加了第五個 （textBox5） 文本框以顯示十六進制值的圖像，然後將其多行屬性設置為 True 和其字體屬性設置為 8.25 磅 Courier New 和擴大其大小到 606 x 412。 而且，最後，我添加了一個列表框控制項 （listBox1) 的日誌記錄消息。
㈣ 創建catalog資料庫步驟是怎樣的
方法/步驟
打開ArcCatalog軟體。
㈤ 用python處理一個1G左右的數據集，運行速度非常慢，怎樣優化
第一個辦法，降低數據集的大小。python處理數據，如果數據結構中的數據超過2GB，通常都會很慢。如何降低數據集大小，需要修改演算法。
第二個辦法，將數據結構採用數組array或者是numarray存貯。這樣內存數量與查找效率都會提高。盡量不要使用大的dict。使用一個省內存的blist代替list
第三個辦法，將數據通過共享內存，讓C++擴展模塊來處理。
常用的是第二種辦法。就是換個數據結構就可以提高效率。
㈥ 求助Tensorflow下跑mnist手寫體數據集遇到Cuda compute capability問題
因為你的gt630m性能沒有達到最低的3.0要求。所以報錯。建議你用cpu。你的在個顯卡，加速效果可以忽略不計。另外用它加速計算，還容易導致筆記本散熱不暢損壞GPU。
㈦ 如何使用caffe訓練vgg模型實現自己的數據集分類
我先問你個問題，你有什麼硬體平台？顯卡是什麼配置？有多大的數據集？
vgg網路不是特別復雜，你可以直接從網上下載到他們的網路和相應參數。但是普通人的電腦估計是訓練不出這么好的網路的，主要原因是慢。
就拿2012的image net的數據來說，訓練圖片大約138G，用GTX1080Ti跑的話，不跑個一兩周估計效果都不理想。
㈧ arcgis中怎樣將資料庫建立網路數據集
網路數據集的創建是在ArcCatalog中；
首先激活擴展：Customize-Extensions-Network
Analyst打勾；
在ArcCatalog中，在想要創建數據集的數據上單擊右鍵，New
Network
Dataset；
設置數據集的名字，下一步；
設置Model
Turns，下一步；
設置connectivity，下一步；
設置Model
Elevation，下一步；
設置屬性，下一步；
點擊Finish即可。
㈨ 用python處理一個1G左右的數據集，運行速度非常慢，怎樣優化
給你幾點個人的建議哈：
考慮拿C或C++重寫.
考慮並行搞，找個hadoop集群，寫成maprece程序跑 放在hadoop上跑，更多數據都不怕.
考慮升級機器，多搞點內存，然後東西盡量放在內存里搞.
考慮程序優化.
希望可以幫助到你哦，這只是我的一個建議哈！