㈠ 深度学习跑700多张图片的数据集，租什么样的服务器比较好
珍岛GPU云服务器。
珍岛GPU云服务器适用于深度学习，针对AI，数据分析在各种规模上实现出色的加速，应对极其严峻的计算挑战，同时珍岛云提供多种GPU实例规格。
㈡ 怎样用siamese训练自己的数据集
1、在Windows下用CPU-z查看
2、在开机启动自检时，快速按下键盘上的pause键，可以看到CPU的频率与核心数（对于双核以上的CPU一般会显示两行或四行CPU的型号与频率）
3、如果开机时显示的是主板品牌的Logo或名称，快速按下tab键和 pause键，就可以看到第二条所说的内容。
㈢ 制作cifar10数据集的python版代码
MNIST 数据集
混合的国家标准和技术 (简称 MNIST) 由红外研究员，作为基准来比较不同的红外算法创建数据集。 其基本思想是如果你有你想要测试红外的算法或软件的系统，可以运行您的算法或系统针对 MNIST 的数据集和比较您的结果与其他系统以前发布成果。
数据集包含的共 70,000 图像 ； 60,000 训练图像 （用于创建红外模型） 和 10,000 测试图像 （用于评估模型的精度）。 每个 MNIST 图像是一个单一的手写的数字字符的数字化的图片。 每个图像是 28 x 28 像素大小。 每个像素值是 0，表示白色，至 255，表示黑。 中间像素值表示的灰度级。 图 2 显示了训练集的前八位的图像。 对应于每个图像的实际数字是显然对人，但确定数字是非常困难的挑战的计算机。
图 2 首八 MNIST 训练图像
奇怪的是，训练数据和测试数据均存储在两个文件中，而不是在单个文件中。 其中一个文件包含图像的像素值和，另一个包含图像的标签信息 （0 到 9）。 每个的四个文件还包含标头信息，和所有的四个文件都存储在已经使用 gzip 格式压缩的二进制格式。
注意在图 1，该演示程序使用仅 60,000 项目训练集。 测试集的格式是相同的训练集。 MNIST 文件的主存储库是目前位于 yann.lecun.com/exdb/mnist。 培训的像素数据存储在文件火车-图像-idx3-ubyte.gz 和培训标签数据存储在文件火车-标签-idx1-ubyte.gz。 若要运行该演示程序，您需要转到 MNIST 的存储库站点，下载并解压的两个培训数据文件。 将文件解压缩，我用的免费的开源 7-Zip 实用程序。
创建 MNIST 查看器
若要创建 MNIST 演示程序，我发起了 Visual Studio，创建一个名为 MnistViewer 的新 C# Windows 窗体项目。 演示有没有重大的.NET 版本依赖关系，因此，任何版本的 Visual Studio 应该工作。
模板代码加载到 Visual Studio 编辑器后，我设置的 UI 控件。 我添加了两个 TextBox 控件 (textBox1，textBox2) 要坚持两个解压后的培训文件的路径。 我添加一个按钮控件 (button1)，并给了它一个标签加载图像。 我添加了两个多个 TextBox 控件 （textBox3，textBox4） 以保存当前图像索引和下一个图像索引的值。 我使用 Visual Studio 设计器，分别设置"NA"和"0，"这些控件的初始值。
我添加了一个 ComboBox 控件 (comboBox1) 的图像放大倍数值。 使用设计器，我去到该控件的项集合，添加字符串"1"到"10"。我添加了第二个按钮控件 (button2)，并给了它一个标签的显示下一次。 我添加了 PictureBox 控件 (pictureBox1)，将其背景色属性设置为 ControlDark，以便看到控件的轮廓。 我将图片框大小设置为 280 x 280 允许最多 10 倍的放大倍率 （回顾 MNIST 图像是 28 x 28 像素为单位）。 我添加了第五个 （textBox5） 文本框以显示十六进制值的图像，然后将其多行属性设置为 True 和其字体属性设置为 8.25 磅 Courier New 和扩大其大小到 606 x 412。 而且，最后，我添加了一个列表框控件 （listBox1) 的日志记录消息。
㈣ 创建catalog数据库步骤是怎样的
方法/步骤
打开ArcCatalog软件。
㈤ 用python处理一个1G左右的数据集，运行速度非常慢，怎样优化
第一个办法，降低数据集的大小。python处理数据，如果数据结构中的数据超过2GB，通常都会很慢。如何降低数据集大小，需要修改算法。
第二个办法，将数据结构采用数组array或者是numarray存贮。这样内存数量与查找效率都会提高。尽量不要使用大的dict。使用一个省内存的blist代替list
第三个办法，将数据通过共享内存，让C++扩展模块来处理。
常用的是第二种办法。就是换个数据结构就可以提高效率。
㈥ 求助Tensorflow下跑mnist手写体数据集遇到Cuda compute capability问题
因为你的gt630m性能没有达到最低的3.0要求。所以报错。建议你用cpu。你的在个显卡，加速效果可以忽略不计。另外用它加速计算，还容易导致笔记本散热不畅损坏GPU。
㈦ 如何使用caffe训练vgg模型实现自己的数据集分类
我先问你个问题，你有什么硬件平台？显卡是什么配置？有多大的数据集？
vgg网络不是特别复杂，你可以直接从网上下载到他们的网络和相应参数。但是普通人的电脑估计是训练不出这么好的网络的，主要原因是慢。
就拿2012的image net的数据来说，训练图片大约138G，用GTX1080Ti跑的话，不跑个一两周估计效果都不理想。
㈧ arcgis中怎样将数据库建立网络数据集
网络数据集的创建是在ArcCatalog中；
首先激活扩展：Customize-Extensions-Network
Analyst打勾；
在ArcCatalog中，在想要创建数据集的数据上单击右键，New
Network
Dataset；
设置数据集的名字，下一步；
设置Model
Turns，下一步；
设置connectivity，下一步；
设置Model
Elevation，下一步；
设置属性，下一步；
点击Finish即可。
㈨ 用python处理一个1G左右的数据集，运行速度非常慢，怎样优化
给你几点个人的建议哈：
考虑拿C或C++重写.
考虑并行搞，找个hadoop集群，写成maprece程序跑 放在hadoop上跑，更多数据都不怕.
考虑升级机器，多搞点内存，然后东西尽量放在内存里搞.
考虑程序优化.
希望可以帮助到你哦，这只是我的一个建议哈！