phoenix 菲尼克斯 接线端子样本，从网络上下来的，呵呵

SPACES 端到端的长文本摘要模型（法研杯2020司法摘要赛道）。 博客介绍： 含义 我们将我们的模型称为SPACES，它正好是科学空间的域名之一（），具体含义如下： S：Sparse Softmax； P：Pretrained Language Model； A：Abstractive； C：Copy Mechanism； E：Extractive； S：Special Words。 顾名思义，这是一个以词为单位的、包含预训练和Copy机制的“抽取-生成”式摘要模型，里边包含了一些我们对文本生成技术的最新研究成果。 运行 实验环境：tensorflow 1.14 + keras 2.3.1 + bert4keras 0.9.7 (如果是Windows，请用bert4keras>=0.9.8) 首先请在snippets.py中修改相关路径配置，然后再执行下述代码。 训练代码： #! /b

OpenASR的 基于pytorch的end2end语音识别系统。 主要体系结构是 。 特征 最小依赖。 该系统不依赖外部软件进行特征提取或解码。 用户只需安装PyTorch深度学习框架。 良好的表现。 该系统包括高级算法，例如标签平滑，SpecAug，LST，并在ASHELL1上实现了良好的性能。 AISHELL1测试的基准CER为6.6，优于ESPNet。 模块化设计。 我们将系统分为几个模块，例如培训师，指标，进度表，模型。 扩展和添加功能很容易。 End2End 。 特征提取和标记化是在线的。 系统直接处理波形文件。 因此，该过程大大简化了。 相依性 python> = 3.6 火炬> = 1.1 pyyaml> = 5.1 tensorflow和tensorboardX进行可视化。 （如果不需要可视化结果，可以在src / utils.py中将TENSORBOARD_

epoll函数在server端和client端的使用方法

cas4.1.4server服务端+client端 解包直接使用 0配置---------------------

BTP_PKB-2 使用深度学习进行端到端3D点云压缩

网站前端页面模板（15套包括pc端、移动端），供大家学习参考。

电脑客户端使用手机摄像头，包含手机端、电脑端两个文件，经测试Android 8和Win 10可用。可将手机连接在电脑上作摄像头用。

Pytorch实例车道分段 pytorch实现的“走向端到端的车道检测：实例分割方法”

飓风龙手工端+视频教程+后台+双端（IOS端已去锁）亲测可用