文字图像匹配度检测软件（基于CLIP、Transformers等实现） 使用CLIP（对比图文预训练方法）提供的图文匹配度检测接口，使用huggingface基于Transformers的机器模型实现离线翻译，因此输入中英文均可检测。前端图形化界面使用PYQT开发,并使用了qdarkstyle进行优化 左边一栏是候选文字语句，右边一栏是对应每条文字语句的匹配度 支持中英文

（1）、掌握一种深度学习框架； （2）、能设计一种神经网络对图像进行分类。 （3）、图像分类的数据集为CIFAR-10，CIFAR-10共60000张彩色图像，图像大小为3通道的32*32，分为10类，每类6000张。其中50000张用于训练，10000张用于测试。数据集获取地址为： http://ai-atest.bj.bcebos.com/cifar-10-python.tar.gz

yolov5.pt（包含四个类）

乳腺癌超声图像数据集-Breast Ultrasound Images Dataset，所有图像均分为正常、良性和恶性，每个图像都有标记，可用于乳腺癌图像分类，分割等研究，该资源国外网站可下载，但是国内速度较慢，特此上传。

End-to-End Object Detection with Transformers论文阅读笔记

PredictABoat @SerpentAI的Game Agent开发工具包的24/7深度学习流中使用的NodeJS Twitch机器人 方法 在发生预测的AI运行之前，预测系统将激活并允许观众预测即将开始的AI运行的各个方面，直到开始为止。 一旦开始AI运行，系统将等待直到运行完成，并使用连接到游戏的路由器中的事件收集所有数据。 然后它将进行预测并选择奔跑的赢家。 积分将在获奖者之间分配并保存在数据库中。 在深度学习周结束时，获奖者将被宣布并获得奖品。 概念 框架NodeJS 游戏套接字AutobahnJS / Crossbar.io 数据存储MongoDB / mongoose 常问问题 可以做出什么预测？ 观众可以做出无数的预测。 这完全取决于游戏提供给我们的数据。 目前， total score和# of matches类的预测很可能会在“我必须建造一条船”游戏中进行预测。

深度学习方向绘图模板，包含超过100多页的PPT，非常适合各类网络的绘图！大家可以在上面可以直接使用画出你要的机器学习深度学习模型图，比如想画一个基于Transformer的模型的图，可以直接在上面修改，非常方便。推荐收藏！

python keras tensorflow 实现，长短时记忆网络，AI项目，有数据集和代码，jupyter notebook 代码编写，有出图，包括模型保存

这是 ShowMeAI 持续分享的速查表系列！很多同学都是看吴恩达 Andrew Ng 的视频学习机器学习和深度学习的，当然学习就要做笔记。 Tess Ferrandez 分享了一套自己的课程笔记，很好地总结了学习内容，共28张精辟的手绘图。这应该是传播最广的笔记速查表之一，内容非常丰富！

本系列讲解循环神经网络RNN和LSTM的所有知识点，学完本系列课程将对RNN和LSTM的理论知识有清晰的认识，同时能够将理论结合实践应用到工作中。