人脸识别喀拉拉邦 该存储库的过程包括face detection , affine transformation , extract face features , find a threshold to spilt faces 。 然后在数据集上评估结果。 要求: dlib(19.10.0) keras(2.1.6) tensorflow(1.7.0) opencv-python的(3.4.0.12) 待办事项清单 InceptionV3后端 MobileNet后端 VGG16后端 ResNet50后端 Xception后端 DenseNet后端 人脸检测和仿射变换 我将Dlib和opencv用于此预处理过程 。 Dlib进行快速人脸检测,而opencv进行裁剪和仿射变换。 深度学习功能提取 我使用几种基本的深度学习模型从预处理的图像中提取128个特征。 损失就是tr
2023-03-25 17:29:43 67KB face-recognition facenet triplet-loss Python
1
先决条件: nltk(TweetTokenizer) 凯拉斯张量流麻木科学的gensim(如果您使用的是word2vec) itertools 克隆存储库: git clone :AniSkywalker / SarcasmDetection.git cd SarcasmDetection / src / 您可以在以下链接中找到经过训练的模型文件 在/ resource / text_model / weights /中下载经过训练的模型 运行脚本: python sarcasm_detection_model_CNN_LSTM_DNN.py 如果要使用自己的数据训练模型,可以将“训练,开发
2023-03-20 21:21:46 3.17MB twitter keras cnn lstm
1
介绍文本向量化、tfidf、主题模型、word2vec,既会涉及理论,也会有详细的代码和案例进行讲解,希望在梳理自身知识体系的同时也能对想学习文本挖掘的朋友有一
2023-03-18 11:48:16 1.16MB 数据挖掘 sklearn keras word2vec
1
孪生LSTM网络(Siamese-LSTM) 本项目是基于孪生LSTM网络+注意力机制+曼哈顿距离(Manhattan distance)实现的句对相似度计算。 中文训练数据为蚂蚁金服句对数据,约4万组,正负样本比例1:3.6;英文训练数据来自Kaggle上的Quora句对数据,约40万组,正负样本比例1:1.7。新增一组翻译数据:使用Google Translator将Quora数据翻译成中文。 资料 参考文献 中国大陆可能无法访问《How to predict...Manhattan LSTM》一文,请直接查看本项目中附件之参考博客 其它数据 英文词向量: 英文词向量: 中文词向量: 工程参考 Original author's GitHub 一些网络设计思路 使用 训练 $ python3 train.py $ type cn for Chinese Data or en for
2023-03-17 22:42:46 40.91MB keras attention manhattan-distance siamese-lstm
1
《keras快速上手-基于python的深度学习实践》原书代码
2023-03-10 15:00:47 5.14MB keras python 深度学习 人工智能
1
Keras中文手册 Keras中文手册
2023-03-09 19:19:20 3.37MB keras 人工智能 深度学习 python
1
主要介绍了解决tensorflow/keras时出现数组维度不匹配问题,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
2023-03-04 14:43:38 39KB tensorflow keras 数组维度 不匹配
1
## 《深度学习 —— keras快速开发入门》原书代码,代码可测试,适合新手练练手,很容易理解,包含类似VGG的CNN,还有GAN keras book source code
2023-02-19 20:55:03 11.78MB keras vgg代码 GAN 深度学习keras
1
DeepBindToKeras Av在这里。 我编写了将DeepBind模型转换为Keras的代码。 这有点痛苦,但是我对结果感到满意。 一些不错的功能:与原始的DeepBind预测代码一样,如果该模型适用于DNA序列,那么我将自动取正向和反向互补序列的最大值。 我还处理了具有隐藏的完全连接层和平均池的模型的情况(某些RNA模型存在平均池)。 注意事项: Keras要求批次中的所有输入都具有相同的长度(批次之间的输入长度可以不同,但​​是在批次内,长度必须相同)。 因此,我的转换代码要求您指定输入长度。 当输入大小为<= int(conv_filter_length * 1.5)时,输出在数值精度上与DeepBind输出完全相同(我使用DeepBind附带的4个示例序列和4个模型进行了比较) 当输入大小> int(conv_filter_length * 1.5)时,输出是相
2023-02-17 11:51:22 10.75MB C
1
文本生成keras 使用CNN和GRU层的Keras文本生成实现
2023-02-16 18:21:26 96KB text keras text-generation gru
1