KBQA_zh 基于bert的KBQA，包含joint和pipeline两种模式 Introduction 本项目是一个基于知识三元组的简单的问答系统，分为joint和pipeline两种模式。joint模式为基于bert做意图识别和命名体识别的联合学习训练得到的模型，pipeline模式为单独训练命名实体识别和QA相似度模型。 Environment tensorflow 1.15 python 3.6 pymysql 0.10.1 grpcio 1.32.0 grpcio-tools 1.32.0 How to run 首先需要下载bert的中文预训练模型放在chinese_L-12_H-768_A-12文件夹下， 然后，以pipeline模式为例，执行如下命令，训练命名实体识别模型和问答模型： 1. cd qa_pipeline 2. sh run_ner.sh 3. sh run_

构建机器学习Pipeline，Architecting a Machine Learning Pipeline 。

d3-ldvm-pipeline LDVM管道的D3.js可视化。 用法 只是包括文件与d3.js到您的网站放在一起，你应该是好去。 检查或以了解如何使用它。 该库应与AMD / Common.js软件包格式兼容。 请记住始终包含d3.js，因为它不是库的一部分。 发展 为了进行开发，只需克隆此存储库，然后运行： npm install npm run dev-server 该可视化文件应该可以在localhost:9090上访问。 您可以在文件中更改可视化的参数。 您可以使用以下方法构建库： npm run build 资料格式 管道应以以下格式表示： { "components":[ { "id":5439064, "uri":"http://payola.viz/#component5439064",

介绍 该存储库提供了有关摘要，技巧和窍门以及脚本示例的主页。 布局 该存储库目前分为四个目录： pipeline-examples-用于常规管道示例。 global-library-examples-有关如何在Jenkins主数据库上编写和使用全局库的示例。 jenkinsfile-examples-有关使用检入存储库的Jenkinsfile的示例。 docs-用于文档，指南和其他非代码内容。 请把您的脚本放到上面相应目录下的自己的目录中，并附带一个README.md文件，解释您的脚本的作用或显示的内容。 确保您的脚本已注释，以便其他人可以了解其工作原理，工作原理等。 执照 就像詹金斯本人一样，所有贡献均受MIT许可。 拉取要求 我们想要他们！ 外部资源

在maxplus上实现了一个5级流水线的mips cpu，含cache

gltf-pipeline对gltf文件进行压缩，压缩后的文件加载时需要专门的接压缩算法，这里面的js就是！包括： draco_decoder.js draco_decoder.wasm draco_encoder.js draco_wasm_wrapper.js

高通QCOM camera Pipeline可视化工具 1.4版本

主要天然气管道计算 该软件包用于主要天然气管道的计算

feature-extraction-pipeline:用于从图像中以python计算形态和纹理特征的管道

5段流水线CPU 这是华中科技大学“计算机组织原理”课程的课程设计。做一个5段流水线cpu；根据老师的指示。 ##这里是说明：