音乐生成器 介绍 使用TensorFlow实验各种深度学习模型以生成音乐 结果 解释不同的模型和实验。 安装 该程序需要以下依赖项（易于使用pip进行安装）： Python 3 TensorFlow（已通过v0.10.0rc0测试。不适用于以前的版本） CUDA（有关使用gpu的信息，请参见TensorFlow 以了解更多信息） Numpy（应该与TensorFlow一起安装） 御堂（MIDI图书馆） Tqdm（用于不错的进度条） OpenCv（很抱歉，没有简单的方法可以使用python 3安装它。它主要用作可视化工具来打印钢琴卷，因此是非常可选的。所有OpenCv调用都包含在i

TransGAN-PyTorch PyTorch实施TransGAN论文 原始文件可以在找到。 安装 您可以通过pip安装软件包： pip install transgan-pytorch 用法 import torch from transgan_pytorch import TransGAN tgan = TransGAN (...) z = torch . rand ( 100 ) # random noise pred = tgan ( z ) 执照

pgdiff-PostgreSQL模式差异 pgdiff比较两个PostgreSQL 9数据库之间的模式，并生成alter语句以针对第二个数据库手动运行以使其匹配。 提供的pgdiff.sh脚本有助于自动化该过程。 pgdiff的工作是透明的，因此它永远不会直接修改数据库。 在对数据库运行生成SQL之前，您自己一个人负责验证生成SQL。 继续，看看生成了什么SQL。 pgdiff被编写为易于扩展和提高diff的准确性。 下载1.0 beta 1 用法 pgdiff [options] （下面列出了选项和） 运行不同的架构类型似乎是一

这些工具可帮助您构建 Simscape Multibody Second Generation (2G) 模型，该模型提供与 Simscape Multibody First Generation (1G) 模型相同的行为。 MATLAB 代码会扫描您的 1G 模型，自动转换尽可能多的 1G 模块，并提供诊断信息，指示需要修改哪些 1G 约定以使模型与 2G 建模约定兼容。 然后，您可以将自动创建的 2G 模块组装成一个模型，该模型的行为与原始 1G 模型相同。 请阅读 README.txt 文件和 PDF 文件以开始使用。 PDF 文件解释了此工具启用的转换过程、诊断消息，并指导您完成教程练习以帮助您开始转换模型。 此工具适用于 MATLAB 版本 R2013a 及更高版本。 了解如何使用 Simscape Multibody 为凸轮从动机构建模： https://www.mathwo

噪声标签生成和重新标记 在给定噪声率的情况下为数据集生成噪声标签，并使用重新标记算法对这些噪声标签进行重新标记 f1.test.py为all_tickets.csv数据集生成嘈杂的标签，使用“ body”作为特征，使用“ urgency”和“ ticket_type”作为预测标签。 我们假设'紧急'标签可能有一些嘈杂的标签，所以我们在'紧急'上添加了噪音。我们将48000数据拆分为火车数据集，将左侧的数据拆分为测试数据。在为'紧急'生成嘈杂标签's'之后，我们将' body。，'ticket_type'和's'到train_data.csv。在category.py中，我们生成重新标记的标签'relabel'并将其写入relabel.csv文件。除了门票数据集之外，我们还测试了其他数据集。 资料集 文件 结果文件夹 all_tickets.csv test.py 票 情绪训练 tes

mysql-random-data-generator：这是最简单MySQL随机测试数据生成器工具。 加载过程并执行以自动检测列类型并加载数据

Delaunay网格算法是计算机图形学，计算几何等领域的经典算法，本书涉及二维Delaunay三角形生成算法及三维算法，网格精练，曲面平滑等

基于GAN的HRRS图像生成样本分类 基于GAN的方法用于生成高分辨率遥感数据，以进行数据增强和图像分类。 深度学习框架是：Tensorflow。 Python版本：2.7 CUDA版本：9.1 端子命令： 数据集为UCM，NWPU-RESISC45：（1）UC Merced数据集 （2）NWPU-RESISC45数据集

CelebAMask-HQ CelebAMask-HQ是一个大规模的面部图像数据集，通过遵循CelebA-HQ从CelebA数据集中选择了30,000张高分辨率面部图像。 每个图像具有对应于CelebA的面部属性的分割蒙版。 CelebAMask-HQ口罩采用512 x 512尺寸手动注释，分为19类，包括所有面部组件和配件，例如皮肤，鼻子，眼睛，眉毛，耳朵，嘴巴，嘴唇，头发，帽子，眼镜，耳环，项链，脖子和布。 CelebAMask-HQ可用于训练和评估人脸解析，人脸识别以及用于人脸生成和编辑的GAN的算法。 如果您需要图像的身份标签和属性标签，请向发送请求。 交互式人脸图像处理演示 样本图片 CelebAMask-HQ的人脸操纵模型 CelebAMask-HQ可用于多个研究领域，包括：面部图像处理，面部分析，面部识别和面部幻觉。 下面展示了一个关于交互式面部图像处理的应用程

DGA Generation and Detection；动态域名生成算法合集；logistic regression model and lstm model检测DGA；