（利用深度时空残差网络预测城市范围的人流量） 深度学习、客流预测、Resnet网络结构

DeepJ：用于生成特定风格音乐的模型 抽象 深度神经网络的最新进展使算法能够创作与人类创作的音乐相当的音乐。 但是，很少有算法允许用户生成具有可调参数的音乐。 调整生成的音乐的属性的能力将为帮助艺术家，电影制片人和作曲家的创作任务带来更多实际好处。 在本文中，我们介绍了DeepJ-端到端生成模型，该模型能够根据特定的作曲家风格组合来创作音乐。 我们的创新包括学习音乐风格和音乐动态的方法。 我们使用我们的模型来演示一种简单的技术来控制生成的音乐的样式，以此作为概念证明。 使用人类评分者对我们的模型进行的评估表明，与双轴LSTM方法相比，我们有了改进。 要求 Python 3.5 克隆Pyth

本文对深度学习中模型复杂性的最新研究进行了系统的综述。深度学习的模型复杂度可分为表达能力和有效模型复杂度。从模型框架、模型规模、优化过程和数据复杂性四个方面回顾了现有的研究成果。我们还讨论了深度学习模型复杂性的应用，包括理解模型泛化能力、模型优化、模型选择和设计。

alpha模型权重库，所有模型都在关键点训练2017图像上进行训练，该图像包含至少一个具有关键点注释的人员（64115个图像）。该评估是在2017年COCO关键点评估（5000张图像）上完成的。默认情况下使用翻转测试。一台TITAN XP用于速度测试，每次迭代中batch_size = 64。离线人体检测结果用于速度测试。FastPose是我们自己的网络设计。纸张即将推出！

场景分类：Kaggle竞赛使用深度学习模型在10个不同场景之间进行分类

利用keras深度学习框架，生成人脸表情学习模型h5，转换为tensorflow的深度学习框架pb，在OpenCV中利用dnn调用pb模型并判断人脸表情

NLP-Models-Tensorflow ，针对NLP问题收集机器学习和tensorflow深度学习模型， Jupyter Notebooks内部的代码简化了100％ 。 目录 目的 原始的实现非常复杂，并且对初学者并不友好。 因此，我尝试简化其中的大部分内容。 此外，还有大量尚未发布的文件实施。 因此，随时将其用于您自己的研究！ 我将为我没有从头实现的模型附加github存储库，基本上，我会针对不赞成使用的问题复制，粘贴和修复​​这些代码。 Tensorflow版本 仅Tensorflow版本1.13及更高版本，不包括2.X版本。 1.13 <Tensorflow <2.0 pip install -r requirements.txt 内容 接受培训。 精度仅基于10个历元，使用单词位置计算得出。 完整列表（12个笔记本） LSTM Seq2Seq使用主题建模，测试精度为13.22％ LSTM Seq2Seq + Luong注意事项使用主题建模，测试准确性为12.39％ 采用主题建模的LSTM Seq2Seq + Beam Decoder，测试精度为10.67％

Spotty大大简化了在和上进行深度学习模型的培训： 它使在GPU实例上的训练与在本地计算机上的训练一样简单 它会自动管理所有必要的云资源，包括图像，卷，快照和SSH密钥 它使每个人都可以通过几个命令在云中训练您的模型 它使用轻松地将远程进程与其终端分离 通过使用和它可以为您节省多达70％的成本 文献资料 请参阅。 阅读文章中对于现实世界的例子。 安装 要求： Python> = 3.6 如果使用的是AWS，请参阅AWS CLI（请参阅）。 如果您使用的是GCP，请使用Google Cloud SDK（请参阅 ） 使用安装或升级Spotty： $ pip install -U spotty 开始使用 准备一个spotty.yaml文件并将其放在项目的根目录中： 请参阅的文件规范。 阅读文章为一个真实的例子。 启动实例： $ spotty start 它将运行竞价型实例，还原快照（如果有），将项目与正在运行的实例同步，然后将Docker容器与环境一起启动。 训练模型或运行笔记本。 要通过SSH连接到正在运行的容器，请使用以下命令： $ spotty sh

图片 :framed_picture: 分类App样板 您是否对Internet上的大量视频，博客和其他资源感到困惑，不知道在哪里以及如何部署AI模型？ 如果您有一个模板，可以在其中插入经过训练的模型文件，编辑一些促销文字，然后瞧瞧，那就好了，那就完成了。 好吧，别无所求，因为此存储库使您听起来像它一样容易！ 如何使用这个项目？ :thinking_face: :thinking_face: ： 注意：目前，我们仅专注于使用tensorflow / pytorch构建的图像分类模型。 稍后，我们将扩展到处理文本和语音数据以及使用MXNet或julia环境进行训练的模型 我假设您在操作系统中安装了Python（带有Anaconda）并设置为path。 如果没有，请访问。 强烈建议将GIT与Python结合使用以进行版本控制和部署 A.获取我们的模板并进行设置： 打开GitHub 使用您的凭据登录。 [如果尚未创建帐户，请创建] 打开系统上的终端/命令提示符 移至要在本地保存项目文件的合适位置 示例： cd Desktop/projects 克隆存储库。 git clo

机器学习和深度学习模型汇总：CNN :Alexnet,vggnet,Google Inception Net,resnet