FFHQ老化数据集 || 概述 FFHQ-Aging是人脸数据集，旨在对年龄转换算法以及许多其他可能的视觉任务进行基准测试。 该数据集是NVIDIA 的扩展，在70,000张原始FFHQ图像的基础上，它还包含每个图像的以下信息： 性别信息（具有信心分数的男性/女性） 年龄段信息（10个班级，得分为可信度） 头部姿势（俯仰，横摇和偏航） 眼镜类型（无，正常或黑暗） 眼遮挡得分（0-100，每只眼睛的得分不同） 完整的语义图（19个类，基于CelebAMask-HQ标签） 如果您将此数据集用于您的工作，请引用我们的论文： 寿命年龄转换综合Roy Or-El，Soumyadip Sengupta，Ohaad Fried，Eli Shechtman，Ira Kemelmacher-Shlizerman ECCV 2020 数据集统计 以下直方图显示了每个性别的年龄段分布。 性别标签和置信度，年龄

将近30篇论文和其他辅助资料

中文文本分类数据集 数据来源： 今日头条客户端 数据格式： 6552431613437805063_!_102_!_news_entertainment_!_谢娜为李浩菲澄清网络谣言，之后她的两个行为给自己加分_!_佟丽娅,网络谣言,快乐大本营,李浩菲,谢娜,观众们 每行为一条数据，以_!_分割的个字段，从前往后分别是 新闻ID，分类code（见下文），分类名称（见下文），新闻字符串（仅含标题），新闻关键词 分类code与名称： 100 民生 故事 news_story 101 文化 文化 news_culture 102 娱乐 娱乐 news_entertainment 103 体育 体育 news_sports 104 财经 财经 news_finance 106 房产 房产 news_house 107 汽车 汽车 news_car 108 教育 教育 news_edu 109 科

GigaSpeech 大型，现代化的语音识别数据集 下载 脚步 把aliyun_ossutil.cfg在SAFEBOX目录 编辑env_vars.sh export GIGA_SPEECH_LOCAL_ROOT=/Users/jerry/work/git/GigaSpeech # this path needs to have at least XXX G free space 运行download.sh

银行产品营销活动 它由一个在python的jupyter笔记本中完成的，基于贷款预测模型的项目组成，该模型包含5000个银行客户的数据集。

质子交换膜（PEM）燃料电池数据集 概述 该数据集是关于在各种操作条件下对PEM燃料电池进行的Nafion 112膜标准测试和MEA活化测试。 数据集包括两种通用的电化学分析方法：极化和阻抗曲线。 在该数据集中，考虑了H2 / O2气体的不同压力，不同的电压和不同的湿度条件在几个步骤中的影响。 可以从数据中得出PEM燃料电池在不同运行条件测试，激活程序以及激活分析前后不同运行条件期间的行为。 在极化曲线中，电压和功率密度随H2 / O2流量和相对湿度的变化而变化。 燃料电池使用的等效电路的电阻可以根据阻抗数据来计算。 因此，在给出的数据中该电池的实验响应是显而易见的，这对于PEM燃料电池研究中的深度分析，模拟和材料性能研究很有用。 有关MEA（膜电极组件）激活程序的更多信息，请访问 测验 笔记本电脑 我们提供了一些Jupyter笔记本来可视化数据，请访问此处 引用 如果您在研究中使用此

释义张量流 Tensorflow（1.1.0）中实现了多种用于复述的模型和代码。 我非常小心地记录了代码，并解释了整个模型中各个步骤的操作。 希望对于那些想开始使用Tensorflow的人来说，这将是一个教学示例代码！ 到目前为止，此仓库已实现： 基本的暹罗LSTM基准，大致基于的模型 如所述，带有附加“匹配层”的Siamese LSTM模型 。 的或多或少的最新的双边多视角匹配模型 。 欢迎添加更多模型/优化或修补现有模型的公关！ 模型代码的大部分位于 很多数据处理代码都来自受其启发，如果您喜欢此项目的结构，请检查一下它们！ 安装 该项目是在Python 3.5中开发

基于Pytorch的中文文本摘要生成 开这个仓库的主要目的是记录一下自己实验过程和数据。 参考文本摘要领域大佬写的两篇论文： and ，然后参考另一位大佬修改的代码. 另外，在这里还是要感谢一下。这里的所有内容基本上没做什么修改（python读取文件的时候出现编码问题，我的猜想是大佬用的mac系统，类linux，所以对编码不敏感，我用windows的话就报错了。），最多修改了一下超参数，刚开始在自己windows笔记本上跑的话，确实有点吃力，设置的batch_size=10,好像后来还直接报cuda错误，我的猜想就是设置过大了，显存承受不了。说多了。直接看训练和测试效果吧。 实验结果 指标 验证集 测试集 ROUGE-1 34.06 31.87 ROUGE-2 16.46 15.47 ROUGE-L 33.83 30.93 0. 数据预处理 下载(提取码：g8c6 )，下载完之后放在根目

recsys2015 面向用户的RecSys Challange 2015竞赛项目通过YOOCHOOSE点击次数购买了预测并购买了数据集。

logistic_regression 用logistic回归预测糖尿病数据集_我在糖尿病数据集上使用了logistic回归和决策树分类器模型，在对两个模型进行训练和测试数据集比率相同后，我发现logistic回归给出的准确性更高，大约为80％，而决策树分类器给出了约75％。