动态访问机器学习模型的框架
该框架提供了基于Web的GUI访问动态预训练的机器学习模型的功能，用于对用户上传的数据进行基于云的预测，并进行了实时分析。
该框架的目的是创建一个环境，使用户可以轻松地利用机器学习模型的功能，只需加载并执行预先训练的模型，而无需进行预处理，训练和将其拟合到数据上的不便之处。
它允许基于Web的模型访问，用户可以简单地选择自己喜欢的模型，然后继续上传图像或CSV文件以获取模型的要求。
重点是通过即插即用系统访问模型，并附带良好的GUI。
功能性：
可以通过网络/服务器轻松访问经过预先训练的序列化深度学习模型，例如自动编码器，MLP和ML模型，例如随机森林，K最近邻居，神经网络和支持向量机。
目前，已经针对多类分类问题在医学数据集上对模型进行了训练，并将这些模型序列化并存储在.model文件中。
构建框架的目的是使GUI及其功能独立于基础的机器学习模型，并
2021-08-16 23:37:07
24.75MB
1
行业分类-作业装置-一种融合机器学习模型的中长期风力发电预测方法及系统.zip
2021-08-11 17:10:20
342KB
tensorflow-reinforce, 在Tensorflow中，强化学习模型的实现 tensorflow增强一种基于 Tensorflow的强化学习模型的实现。 在 OpenAI体育馆环境中评价模型。 任何贡献/反馈都是受欢迎的。 声明：这些实现仅用于教育目的。 没有保证精确的模型会在没有更改的任何特定的hellowo
2021-08-11 16:34:12
22KB
1
本课程讲解了英伟达TensoRT在加速深度学习模型中的应用，在本课程中，不仅授之以“渔”，而且授之以鱼，在讲解使用方法的基础上，最终完成一个统一的推理引擎和一个统一模型转换工具，可以把tf, caffe和onnx模型通过配置文件转换为TensorRT模型，并使用推理引擎进行加速。同时在Int8量化中给大家讲解了如和进行Int8量化，并赠送了我自己开发的一个手工读取和修改量化表的工具。在课程中给大家讲解了性能优化和如何避免各种坑。使得开发后的工具可以直接在工程部署中应用。
2021-08-08 14:31:11
369KB
1
展示了常见机器学习模型的可视化展示效果，使用的平台为Dataiku以及Netron工具
XGBoost 变量重要性可视化
决策树 图形可视化
逻辑回归 回归系数可视化
神经网络 网络结构
随机森林 图形可视化
梯度提升树 图形可视化
2021-08-03 22:08:42
1006KB