wav2vec2-finetune 尼泊尔文： ： 旁遮普语： ：

对象检测DETR

Deeplearning.AI_Tensorflow_Developer__Professional_Certificate 该存储库包含来自Coursera的Deeplearning.AI Tensorflow开发人员专业证书课程的完整作业和测验

图像相似度 使用Resnet50+KNN在数据集中查找相似图像以获取新图像。 为了解决curse of dimensionality使用PCA来降低特征的维数。 Resnet50（在imageNet上训练） 在没有toplayer的情况下从keras创建Resnet50，以获取卷积特征（2048维）作为输出，而不是图像分类概率。 为数据集的每个图像提取卷积特征（Feature_size：[number_images，2048]）。 KNN（不是分类问题） 将最近邻算法拟合到从数据集中提取的特征 提取测试图像（新）的卷积特征，并计算测试图像与数据集的每个图像之间的距离（image_Similarity）。 PCA 将PCA应用于提取的特征并减小尺寸。 使最近邻算法适合新功能

预测二氧化碳排放量 目录 关于 预测汽车的CO2排放对于在汽车模型中产生较少的CO2很有用，它将减少二氧化碳在环境中的有害影响。 在该项目中，对数据集进行feature engineering以选择影响车辆二氧化碳排放的特征。 splitting数据按scaling并将其splitting为训练和测试数据集后， splitting进行cross validation 。 在分析learning curve ，然后使用训练数据训练模型。 最后，该模型是对测试数据进行测试，并evaluated的基础上， mean squared error和r2 score 。 使用的技术 用作编程语言。 Numpy用于数学和数据处理。 Pandas用于分析和处理数据。 Matplotlib和Seaborn用于数据可视化，有助于数据分析。 Sciki-learn用于数据预处理，创建机器学习模型并

easytorch 使用Python的numpy实现的简易深度学习框架，API与pytorch基本相同，实现了自动求导、基础优化器、layer等。 1 文档目录 2 Quick Start from easytorch.layer import Linear, Tanh, Sequential from easytorch.optim import SGD import easytorch.functional as F # Create a model, optimizer, loss function model = Sequential( Linear(1, 5), Tanh(), Linear(5, 1) ) opt = SGD(model.parameters(), lr=3e-4) loss_fn = F.mse_loss # train the mod

自动化数据科学 这个django专案有多个应用程式： regml-回归问题 classml-分类问题 clustml-聚类问题 superml-深度学习问题 该Web应用程序的最终目标是能够分析提供的数据集并从最常用的模型中推荐最佳的ML模型。 这全都取决于您的机器学习问题。 该工具将执行所需的任何数据预处理-数据清理，特征提取，规范化等。它将可视化数据并查看特征之间的关系。 最终用户只需输入很少的内容，就可以分别处理数字，分类和日期时间功能。 这听起来不令人兴奋吗？ REGML-回归ML 该应用程序旨在帮助数据科学家分析回归数据集并推荐最佳ML模型。 数据应以csv / txt格式提供，并且列数或其格式没有限制。 它接受数字，类别或数据列类型。 Please note that the quality of the analysis is as good as the data

预测性设备故障

性别和年龄预测 描述 卷积神经网络被大量用于图像分类任务。 在这里，我们使用VGG-16进行性别分类。 依存关系： 我们正在创建一个virtualenv并加载必要的库文件。 Tensorflow == 2.3.0 opencv-python> = 4.2.0.34 opencv-contrib-python> = 4.2.0.34 numpy> = 1.18.3 h5py> = 2.10.0 matplotlib> = 3.2.1 数据集： 该数据集包含具有以下规格的真实世界图像 统计和信息照片总数：26,580主题总数：2,284年龄组/标签数：8（0-2、4-6、8-13、15-20、25-32、38-43、48- 53，60-）性别标签：是在野外：是主题标签：是 使用以下链接下载整个氛围数据集： 运行项目的步骤： 数据准备：Data_Generation_Adience

基于pyknow的基于规则的系统 先决条件 吉特 python 3.5+ jupyter笔记本 下面介绍一些python软件包 pyknow简介 描述 pyknow的主要功能之一是与python 3兼容并使用RETE算法。 pyknow还要用纯python实现。 该软件包的目的是在python中实现CLIPS替代。 目标还在于，这两个工具将尽可能地兼容，以便CLIPS程序员可以轻松地将所有知识转移到该平台。 安装及使用 要在shell pip install pyknow安装此python软件包simpy typ， pip install pyknow不是在您的代码类型中使用该软件包 回购里面有什么 如何设定 首先下载要在您的CLI中运行回购协议的文件 git clone https://github.com/konradbjk/Rule-Based-Engine-pyknow 否转到