1.项目利用TF-IDF（Term Frequency-Inverse Document Frequency 词频-逆文档频率）检索模型和CNN（卷积神经网络）精排模型构建了一个聊天机器人，旨在实现一个能够进行日常对话和情感陪伴的聊天机器人。 2.项目运行环境：Python环境、TensorFlow 环境和Python包jieba、tqdm、nltk、pyqt5等。 3.项目包括4个模块：数据预处理、模型创建与编译、模型训练及保存、模型生成。数据来源于GitHub开源语料集，下 载地址为: https://github.com/codemayq。在TF-IDF模型中定义的架构为：计算TF-IDF向量，通过倒排表的方式找到与当前输入类似的问题描述，针对候选问题进行余弦相似度计算。模型生成一是通过中控模块调用召回和精排模型；二是通过训练好的召回和精排模型进行语义分类，并且获取输出。 4.准确率评估：测试准确率在90%左右。 5.项目博客：https://blog.csdn.net/qq_31136513/article/details/131540115

python yolov5 训练数据集 无人机航拍数据集合 人工智能 深度学习 目标检测 目标识别

ChatGPT技术的使用教程、使用方法、使用技巧、使用注意事项、使用中常见问题

咖啡豆识别训练数据集图片

python yolov5 训练数据集 无人机航拍数据集合 人工智能 深度学习 目标检测 目标识别

卡车数据集，yolov5 训练数据集

使用OpenCV的svm做的图像分类数据，分类效果很好，在98%以上

密集人群人头检测训练数据集 人流统计数据集 已经转换成yolo txt格式标注文件 4374张图片 4374个yolo标注格式txt文件

使用Bert进行文本二分类实验用的训练数据文件，仅限学习使用。

数据集介绍：https://seungjunnah.github.io/Datasets/reds.html 用于训练去模糊算法的数据集，包含清晰和模糊图片各24000张，包含240个场景，24000对模糊和清晰的图片。