基于Tensorflow 2.x实现的声纹识别预测模型和预训练模型，源码地址：https://github.com/yeyupiaoling/VoiceprintRecognition-Tensorflow

线都呈平行状态，表明两个因素变量不存在交互作用。 （7）输出残差分析图 Estimated Marginal Means of DELUSION BLOCK 4321 E st im at ed M a rg in al M e an s 11.0 10.5 10.0 9.5 9.0 8.5 8.0 COND 1 2 3 4

基于Keras实现的声纹识别预训练模型，源码地址：https://github.com/yeyupiaoling/VoiceprintRecognition-Keras

AI-LAB：此存储库包含一个docker映像，我可以用它以简单的方式开发自己的人工智能应用程序。 Python，TensorFlow，PyTorch，ONNX，Keras，OpenCV，TensorRT，Numpy，Jupyter笔记本...：whale2：

播放列表推荐者-预测音频文件的流派和风格 帮助音乐网站准确预测流派和情绪的辅助模型。 如今，一切都与个性化有关，这增加了使用音乐信息检索（MIR）中的深度学习领域进行的研究和完成的工作数量。 音乐的价位和流派在音乐推荐系统中起着重要的作用。 该项目旨在通过使用-CNN，RCNN，CNN-LSTM和CNN-GRU等模型来帮助音乐网站准确识别音频文件的类型和价。 数据与功能 通过从免费音乐档案（FMA）中提取30秒的音乐音频来创建数据集。 它包括“摇滚”，“流行”，“民间”，“乐器”和“电子”五种音乐流派。 使用librosa库提取每个音频剪辑的特征，例如梅尔频谱图和梅尔频率倒谱系数（MFCC）作为输入。 功能选择：使用梅尔频谱图和MFCC，因为频段在梅尔刻度上等距分布，这近似于人类听觉系统的响应 出于Keunwoo Choi的工作，我使用Yu等人Choi等人建立了基本模型 型号规格 训练了

Recommender-System A developing recommender system, implements in tensorflow 2. Dataset: MovieLens-100k, MovieLens-1m, MovieLens-20m, lastfm, Book-Crossing, and some satori knowledge graph. Algorithm: UserCF, ItemCF, LFM, SLIM, GMF, MLP, NeuMF, FM, DeepFM, MKR, RippleNet, KGCN and so on. Evaluation: ctr's auc f1 and topk's precision recall. Requirements Python 3.8 Tensorflow 2.3.2 Run Open parent

深度学习keras中的例程里常用的数据集mnist.npz, boston_housing.npz, reuters.npz下载，解压后放在.keras/dataset中即可跑通很多keras的example

适用于Windows的Plaidml-Keras GPU Author - > Stefanos Ginargyros 设置 如果您在这里，那么您已经知道Plaidml的安装确实非常棘手（尤其是在Windows中）。为了克服所有潜在的Windows错误，请仔细遵循。 安装Anaconda 从安装最新的Visual C ++ 重新开始！ 为plaidml创建一个conda虚拟环境 conda create -n plaidml 卸载任何冲突或较旧的版本 pip uninstall plaidml pip uninstall plaidml-keras pip uninstall plaidbench pip install plaidml==0.6.4 安装plaidml-keras pip install plaidml-keras plaidbench 设置plaidml（在1,2,

Face-Recognition：人脸识别算法在Keras当中的实现 目录 所需环境 tensorflow-gpu==1.13.1 keras==2.1.5 文件下载 进行预测所需的facenet_keras.h5可以在Release里面下载。 也可以去百度网盘下载 链接: 提取码: tkhg 使用方法 1、先将整个仓库download下来。 2、下载完之后解压，同时下载facenet_keras.h5文件。 3、将facenet_keras.h5放入model_data中。 4、将自己想要识别的人脸放入到face_dataset中。 5、运行face_recognize.py即可。 6、align.py可以查看人脸对齐的效果。 效果 face_recognize.py的运行结果： )

xception_weights_tf_dim_ordering_tf_kernels_notop xception_weights_tf_dim_ordering_tf_kernels Linux下是放在“~/.keras/models/”中 Win下则放在Python的“settings/.keras/models/” 官网很难下载的