CS231n用于视觉识别的卷积神经网络2020 “我对斯坦福CS231n作业的解决方案，2017年” 地位 k最近邻分类器 训练支持向量机 实施Softmax分类器 两层神经网络 高级表示：图像功能 全连接神经网络 批量归一化 辍学 卷积网络 CIFAR-10上的PyTorch / TensorFlow

复制 该存储库用于共享预训练的模型并从给定的文本生成图像。 所有模型均由 + 进行训练，并具有不同的训练代码和BPE模型。 如果您想训练DALLE，请转到并支持他们重现更好的DALLE模型 :airplane: 笔记本包括 文字到图像的生成 预先训练的CLIP重新排名 根据给定的裁剪图像生成其余图像 用法 安装要求 $ pip install -r requirements 安装DeepSpeed 请按照的说明安装DeepSpeed 楷模 在下面下载模型并将其保存在预先训练的文件夹中 查看型号细节 数据集 下载 密码 细节 古巴200 v9ge 古巴200 47w1

Halpe人体关键点和HOI-Det数据集 什么是Halpe？ Halpe是和的联合项目。它旨在将人类的理解推向极致。我们提供了人类关键点的详细注释，以及来自HICO-DET的人对物体交互trplet。对于每个人，我们总共注释了136个关键点，包括头，脸，身体，手和脚。下面我们提供Halpe数据集的一些样本。 下载 火车注解[| ] Val注释[| ] 从训练图像 来自Val图像 实时演示与跟踪 训练有素的模型在可用！查看其 关键点格式 我们总共注释了136个关键点： //26 body keypoints {0, "Nose"}, {1, "LEye"}, {2, "REye"}, {3, "LEar"}, {4, "REar"}, {5, "LShoulder"}, {6, "RShoulder"},

过山车 过山车项目的主要目标是根据几个属性（例如长度，高度，速度和倒置）对300个过山车进行排名。 首先清除数据，然后创建散点图以比较不同的属性。 在适当的时候，将回归添加到图表中。 使用此信息，对属性进行加权以创建排名。 排名前十的过山车如下：1）钢铁复仇2）狂怒325 3）埃尔托罗4）避雷针5）千年力量6）扭曲的巨像7）航程8）铁响尾蛇9）小牛10）利维坦

植物病害鉴定 注意：这是我在进行深度学习时开发的第一个项目，并且不再受监控或使用。 您可以自己使用它，但是由于该项目已完成，因此不会进行新的更改。 为了保持植物健康，鉴定植物的健康是一个漫长但必要的过程。 在耕地面积扩大和农作物生长的地区，这一问题尤为严重。 除了人工识别，神经网络还可以用于识别健康或患病的植物。 该存储库包含用于识别植物病害的神经网络的源代码。 安装 要安装此存储库，可以直接从命令行克隆它： git clone https://github.com/amogh7joshi/plant-health-detection.git 然后，输入存储库并安装系统要求。 # Enter the Repository cd plant-health-detection # Install System Requirements python3 -m pip install

4.机器学习项目 我已经使用sklearn库实现了一些机器学习项目。

EDA FIFA数据集的探索性数据分析

人工神经网络架构 使用keras（后端的Tensorflow）轻松构建ANN架构的脚本。

Python应用机器学习-密歇根大学--Coursera Coursera MOOC的课程材料：密歇根大学的Python应用机器学习，Python专业化应用数据科学课程3

糖尿病逻辑回归 使用Logistic回归预测一个人是否患有糖尿病。