基于MATLAB的CNN模型训练部分代码实现基于MATLAB的CNN模型训练部分代码实现

PythonTensorflow-ObjectDetection-SSD_resnet50_v1_fpn 使用ssd_resnet50_v1_fpn模型训练血液图像 细节 Tensorflow：2.2 训练时间：6小时 训练步骤：58600 批量大小：16 培训类型：检测 类：3 火车数据号：267 测试数据号：97 标签：xml-> csv-> train.record和test.record 型号： : 数据集： : 结果（测试数据集，左：预测，右：groundtruth）

数据集—基于TF NMT利用带有Attention的 ED模型训练、测试(中英文平行语料库)实现将英文翻译为中文的LSTM翻译(中英文平行语料库)训练数据集—train

首先用现有的人脸检测算法，直接对图像进行人脸检测，训练好的人脸分类权值文件last_one.h5已放到log文件夹下，然后将检测的每一个人脸，单独切割出来，进行是否戴口罩的二分类。先对图像中的人脸进行标注，包括了戴口罩的，和不带口罩的两个label的目标。佩戴口罩的人脸图片命名标记为mask_1，没有佩戴口罩的人脸图片为nomask_1，然后在数据集准备好之后可以利用train.py文件训练 ，效果与详解可以看bilibili视频：https://www.bilibili.com/video/BV1dZ4y1F7Po/

该程序代码是基于Python3.5开发的，程序代码中包括制作人脸数据集faces_my.py文件，自动打开电脑上的摄像头实时捕捉人脸保存，并保存到指定目录下，可以在程序中设置人脸数据集的大小，初始数据集是10000张人脸图片。人脸大小指定为64*64像素大小，方便后面神经网络的训练。经过模型训练后，该人脸识别算法准确率达到了百分之99。训练模型请运行train.py文件，并可以自行设置训练的批次和迭代结束的条件，训练好模型后会自动在程序运行目录下保存当前训练好的卷积神经网络模型。模型训练完成后，若想看到模型的实际运行效果怎么样，请运行recognition.py文件，程序运行后将会自动调取计算机上的摄像头实时监测人脸并识别人脸，在图形界面窗口实时显示人脸识别的结果。

广告营销类，文本语料，人工收集标注出广告类文本和非广告类文本，可直接跑lgb等二分类模型，对于识别一些广告营销类文本的模型训练，是个不错的语料

ML_Oil_company_predict ML模型训练和油井收入预测。 Описаниепроекта Допустим，мыработаемвдобывающейкомпании«ГлавРосГосНефть»。 Нужнорешить，гдебуритьновуюскважину。 Вампредоставленыпробынефтивтрёхрегионах：10 000месторождений，гдеизмериликачествонефти。 Постройтемодельмашинногообучения，котораяпоможетопределитьрегион，гдедобычапринесётнаиб。。 引导程序。 标记文字： Строятмодельиоцениваютобъёмзапасов; Выбираютместорожденияссамымвы

分词数据集，用于训练一个用来分词的模型。详细看压缩包里的内容。

基于opencv人脸识别。 内含人脸采集、人脸训练、人脸识别、训练数据删除。包含一整套识别的流程

inception_v3_2016_08_28.tar.gz是一个压缩包，解压后得到inception_v3.ckpt，inception_v3 模型训练