使用CK JSON API统一预测分析 所有CK组件都可以在和！ 该项目由托管。 这是一个存储库，其中包含CK模块和操作，以使用我们的标准CK JSON API统一对不同预测性分析框架（scipy，R，DNN）的访问。 社区使用它来研究工作流程/管道，以实现协作，可重用和可再现的实验。 见我们最近的文章中了解更多详情： ， 。 更多信息： 作者 贡献者 查看贡献者列表 带操作的共享CK模块 建议 实验 实验原始 实验视图 图形 图点 笔记本 数学条件 数学前沿 数学变化 模型 模型图像分类 模型 模型 模型种类 模型 报告 桌子 安装 首先按照此处所述安装CK框架。 然后按如下所示安装此CK存储库： $ ck pull repo:ck-analytics $ ck list ck-analytics:module:* 依存关系 Python： matplot

所有CK组件都可以在和！ 该项目由托管。 这是一个稳定的集体知识存储库，可在志愿者（例如移动设备/ IoT，数据中心和超级计算机）提供的各种基于Linux，Windows，MacOS和Android的平台上进行可自定义的实验众包。 我们有几种公共实验场景，包括通用，可定制，多维，多目标和。 在查看不断汇总的公共结果结果和意外行为！ 另外，请查看我们相关的Android应用程序，让您使用备用的Android手机，桌子和其他设备参与我们的实验众包： 可以在 ，开放研究挑战Wiki和ACM / IEEE会议上由CK驱动的可重现AI / SW / HW合作设计竞赛中获得更多详细信息。 描述 该存储库基于基于CK机器学习的自动调整。 它在许多机器上众包实验（使用通过CK公​​开的优化旋钮，如OpenCL，编译器标志，CUDA等），同时构建了一个现实的，大型的和有代表性的训练集。 这是格

OpenCV3.3深度神经网络DNN模块学习用到的例程（GoogleNet-Caffe模型、SSD模型、SSD-MobileNet模型、FCN模型、CNN模型和GOTURN模型）全套源码、模型文件、图片视频素材等 具体实现效果见CSDN博客“贾志刚OpenCV3.3深度神经网络DNN模块应用学习笔记”查看效果

Windows10系统、VS2017、CUDA10.1、cuDNN7.6.5编译时需要下载的缓存文件（放入opencv-sources目录下）

Context-Dependent Pre-trained Deep Neural Networks for Large Vocabulary Speech Recognition

Iris-鸢尾花数据集，常用于入门学习深度学习分类任务。里面含有两个csv文件，分别是训练集和测试集文件。

yolov4-opencv-dnn-master.zip

graph_opt—CV之DNN：基于OpenPose的OpenCV利用DNN算法实现对单人体姿态(美女跳舞)实时估计检测.rar

深度学习识别插件DNN

包含bvlc_googlenet.caffemodel、bvlc_googlenet.prototxt、synset_words.txt文件 和GoogleNet-Caffe模型实现图像分类源码、图片素材。 具体实现效果见CSDN博客“DNN系列2_GoogleNet-Caffe模型实现图像分类”