用于Apache Spark / Flink和Ray上的分布式TensorFlow,Keras和PyTorch的统一数据分析和AI平台 什么是Analytics Zoo? Analytics Zoo无缝地将TensorFlow,Keras和PyTorch扩展到分布式大数据(使用Spark,Flink和Ray)。 用于将AI模型(TensorFlow,PyTorch,OpenVINO等)应用于分布式大数据的端到端管道 使用Spark代码内联编写或以进行分布式训练和推理。 管道中的本机深度学习(TensorFlow / Keras / PyTorch / BigDL)支持。 通过RayOn
2021-10-12 16:22:57 43.62MB python scala apache-spark pytorch
1
SQLZoo 该存储库包含SQL Zoo网站上所有教程和测验的答案。
2021-09-25 09:49:33 4KB
1
典型相关分析matlab实现代码典型相关分析:cca-zoo CCA,GCCA,MCCA,DCCA,DGCCA,DVCCA,DCCAE,KCCA和常规变体 现在可以使用pip install cca-zoo进行安装 这是用于CCA的方法的汇编,包括线性(ALS / scikit-learn),rCCA(岭罚),sparseCCA(Witten / Parkhomenko),elasticCCA(waaijenborg),核方法(pyrcca),Deep CCA(Andrew),Deep Canonical关联的Autoencoders(),深度变体CCA()和深度变体CCA_private()。 感谢@ VahidooX,@ MichaelVll @Arminarj,在嘈杂的MNIST数据集上对所有模型进行了评估。 训练/验证/测试段是MNIST的原始段。 您可以从noisymnist_view1.gz和noisymnist_view2.gz下载它们 DCCAE只是具有来自潜在空间的重建网络和其他重建损失的DCCA。 因此,我在单个模型中同时实现了DCCA和DCCAE,并使用参数加权重
2021-09-19 17:04:01 188KB 系统开源
1
zookeeper连接工具两种,一种直接运行jar包进行配置连接,一种安装后配置连接。都是win64环境下
2021-08-09 17:09:18 35.03MB zookeeper connect
1
Analytics Zoo提供统一的分析+ AI平台,可将Spark,TensorFlow,Keras和BigDL程序无缝集成到一个集成的管道中; 然后,整个管道可以透明地扩展到大型Hadoop / Spark集群,以进行分布式训练或推理。 Apache Spark/Flink & Ray 上分布式 TensorFlow、Keras 和 PyTorch 的统一数据分析和人工智能平台 什么是 Analytics Zoo? Analytics Zoo 将 TensorFlow、Keras 和 PyTorch 无缝扩展到分布式大数据(使用 Spark、Flink 和 Ray)。 将 AI 模型(TensorFlow、PyTorch、OpenVINO 等)应用于分布式大数据的端到端管道 编写 TensorFlow 或 PyTorch 内联 Spark 代码,用于分布式训练和推理。 Spark ML Pipelines 中的原生深度学习(TensorFlow/Keras/PyTorch/BigDL)支持。 通过RayOnSpark直接在大数据集群上运行Ray程序。 用于(Ten
2021-08-08 11:42:45 46.82MB 机器学习
1
zoo sql movie.sql, 可以练习MySQL的各种操作;zoo sql movie.sql,
2021-08-04 14:11:47 3.5MB MySQL
1
内含MSCOCO数据集中的模型(除FastPose(DCN))的.pth文件,直接从GitHub上下载很慢且很多放在谷歌云无法下载,现上传方便大家下载学习,需要其他数据集模型的见其他资源,文件太大不能一起上传
2021-07-24 14:08:24 868.34MB 深度学习 AlphaPose 训练集
1
内含Halpe数据集中的模型和FastPose(DCN)的.pth文件,直接从GitHub上下载很慢且很多放在谷歌云无法下载,现上传方便大家下载学习,需要其他数据集模型的见其他资源,文件太大不能一起上传
2021-07-24 14:08:24 440.18MB 深度学习 AlphaPose 数据集
1
UNET-ZOO 包括unet,unet ++,attribute-unet,r2unet,cenet,segnet,f​​cn。 环境 window10(Ubuntu可以)+ pycharm + python3.6 + pytorch1.3.1 如何运行: 您唯一要做的就是输入dataset.py并更正数据集的路径。 然后运行〜示例: python main.py --action train&test --arch UNet --epoch 21 --batch_size 21 结果 经过训练和测试后,将创建3个文件夹,分别是“结果”,“ saved_model”,“ saved_predict”。 saved_model文件夹: 训练后,保存的模型在此文件夹中。 结果文件夹: 在结果文件夹中,有指标的日志和折线图,例如: saved_predict文件夹: 在此文件夹中,
2021-05-28 22:22:55 239KB 附件源码 文章源码
1
外研版七年级英语上册 Module 6 A trip to the zoo 一课一练(基础)(含答案).doc
2021-04-20 19:04:43 23KB 中学教育