yolov4-deepsort 使用YOLOv4，DeepSort和TensorFlow实现的对象跟踪。 YOLOv4是一种先进的算法，它使用深度卷积神经网络来执行对象检测。 我们可以将YOLOv4的输出输入这些对象检测到Deep SORT（带有Deep Association Metric的简单在线和实时跟踪）中，以创建一个高度精确的对象跟踪器。 关于对象的对象跟踪器的演示 汽车上的对象跟踪器演示 入门 首先，请通过Anaconda或Pip安装适当的依赖项。 我建议使用GPU的人使用Anaconda路由，因为它可以为您配置CUDA工具包版本。 conda（推荐） # Tensorflow CPU conda env create -f conda-cpu.yml conda activate yolov4-cpu # Tensorflow GPU conda env create -

CodeSnippetSearch CodeSnippetSearch是一个Web应用程序和一个Web扩展，允许您使用自然语言查询和代码本身搜索GitHub存储库。 它基于使用PyTorch和项目中的数据的单词代码搜索实现的神经袋。 模型培训代码受到CodeSearchNet存储库中基线（Tensorflow）实现的极大启发。 当前，支持Python，Java，Go，Php，Javascript和Ruby编程语言。 有用的论文： 型号说明 模型结构 项目结构 code_search ：一个带有脚本的Python包，用于准备数据，训练语言模型并保存嵌入 code_search_web ：CodeSnippetSearch网站Django项目 serialized_data ：在训练期间存储中间对象（文档，词汇表，模型，嵌入等） codesearchnet_data ：来自CodeSe

Rebiber：使用官方信息标准化bibtex的工具。 我们经常引用使用他们的arXiv的论文版本不提的是，他们在一些会议已经发布。 这些非正式的围兜条目可能会违反某些会议的提交规则或适用于摄像头的版本规则。 我们引入Rebiber ，这是Python中的一个简单工具，可以自动修复它们。 它基于来自或的官方会议信息（适用于NLP会议）！ 您可以在查看支持的会议列表。 您可以用作简单的网络演示。 安装 pip install rebiber -U 要么 git clone https://github.com/yuchenlin/rebiber.git cd rebiber/ pip in

Flink动态CEP，来自黄瓜炖啤酒鸭的无私分享； 博主原文地址：https://blog.csdn.net/qq_31866793/article/details/115719358

提供的数据均来自UCI数据库，可以打开其官网链接下载。使用请标明出处。CSDN Allow-er的博客。

Google Play抓取工具 Google-Play-Scraper提供了API，可轻松抓取适用于Python的Google Play商店，而无需任何外部依赖！ 相关项目 Node.js抓取器从Google Play获取数据 我已经对该库的API设计进行了很多介绍。 安装 pip install google-play-scraper 用法 可以在下面描述的lang和country参数中包括的国家和语言代码分别取决于和标准。 因此，我们建议使用ISO数据库库，例如 。 应用程式详细资料 from google_play_scraper import app result = app ( 'com.nianticlabs.pokemongo' , lang = 'en' , # defaults to 'en' country = 'us' # default

data_projects 该存储库中的文件夹包含来自dataquest.io和kaggle.com项目的分析数据，这些数据是旨在解决实际问题的真实数据集。 使用Jupyter笔记本对数据进行了分析，文件为csv格式。 数据清理，处理，可视化和分析是这些项目中使用的技术。

PDF分割合并软件来自国外免费软件

einsteintoolkit:爱因斯坦工具箱的叉子来自https