文件包含一个数据集（csv文件）和一个可执行代码（py文件），是对红酒数据集的分类训练与测试。可作为人工智能、机器学习初学者的学习资料。 模型训练基于逻辑回归算法，数据集和测试集按照8:2的比例进行划分。 数据集前11列为红酒的属性，最后一列是红酒的分类标签，此处红酒总共有六类（标签分别为3、4、5、6、7、8），每一行为一个红酒样本。通过对机器学习分类模型输入特征值，得出此红酒的种类。 需要Python版本3.8及以上；需要引入第三方库pandas和sklearn。

PyTorch Tabular旨在使利用Tabular数据进行的深度学习变得容易，并且现实世界中的案例和研究都可以访问。 库设计背后的核心原则是： 低电阻可用性 轻松定制 可扩展且易于部署 它建立在PyTorch （显然）和PyTorch Lightning等巨头的肩膀上。 目录 安装 尽管安装中包括PyTorch，但最好的推荐方法是从首先安装PyTorch，为您的计算机选择正确的CUDA版本。 一次，您已经安装了Pytorch，只需使用： pip install pytorch_tabular[all] 安装带有额外依赖项的完整库。 和 ： pip install pytorch_tabular 裸露的必需品。 pytorch_tabular的源代码可以从Github repo仓库_下载。 您可以克隆公共存储库： git clone git://github.com/ma

一个轻量化模型，在经典openpose上做出了相应改进 可用于多人的、实时的姿态估计并记录每个人的id进行跟踪 深度学习--网络模型简单化 很方便的集成到python C++环境中 适合对计算机视觉研究者深入探索

简化使用Keras构建和训练深度学习模型的项目模板

边缘智能 边缘设备协同推理的按需深度学习模型1

Fairlearn Fairlearn是一个Python软件包，可让人工智能（AI）系统开发人员评估其系统的公平性并减轻任何观察到的不公平问题。 Fairlearn包含缓解算法以及用于模型评估的Jupyter小部件。 除了源代码之外，该存储库还包含Jupyter笔记本，其中包含Fairlearn用法示例。 网站： ： 当前的版本 当前的稳定版本可从。 我们当前的版本与0.2或更早的版本有很大的不同。 这些旧版本的用户应访问我们的。 我们所说的公平 人工智能系统可能出于多种原因而表现不公平。 在Fairlearn中，我们定义了AI系统在对人的影响（即危害）方面是否表现出不公平的行为。 我们关注两种危害： 分配危害。 当AI系统扩展或保留机会，资源或信息时，可能会发生这些危害。 一些关键的应用程序是在招聘，入学和贷款方面。 服务质量危害。 服务质量是指即使没有扩展或保留任何机会，资源或信息，系统对于一个人的工作是否也与另一个人的工作是否一样好。 我们遵循被称为“群体公平”的方法，该方法问：哪些群体的个人有遭受伤害的风险？ 相关的组需要由数据科学家指定，并且是特定于应用程序的。

Credit_Card_Fraud_Detection 深度学习模型，用于检测信用卡欺诈交易。 数据集 数据集包含2013年9月欧洲持卡人通过信用卡进行的交易。 该数据集显示了两天内发生的交易，在284,807笔交易中，我们有492起欺诈。 数据集高度不平衡，阳性类别（欺诈）占所有交易的0.172％。 数据集链接：-https:

深度学习模型2——图像处理

其中预训练模型包含(注意由于文件巨大被分为了三部分） AlexNet（part1） Darknet_19（part1） Darknet_53 （part1） DenseNet_201（part1） EfficientNet_b0 Inception_ResNet_v2 Inception_v3 LeNet LeNet_Places365 mobileNet_v2 NasNet_large NasNet_mobile ResNet_18 ResNet_50 ResNet_101 shuffleNet VGG_16 VGG_19 Xception 其中：所有模型变量储存在其对应名字的mat文件夹中，加载后模型变量皆为：net，matlab版本越高所支持其中的模型越多，在matlab deep learning toolbox中深度网络编辑器中从工作区导入可以根据自己的需求进一步进行改进。 模型详细内容解释参考：https://blog.csdn.net/m0_47787372/article/details/125774554?spm=1001.2014.3001.5501

该部分预训练模型包含(注意由于文件巨大被分为了三部分） EfficientNet_b0（part2） Inception_ResNet_v2(part2) Inception_v3(part2) LeNet(part2) LeNet_Places365（part2） mobileNet_v2(part2) NasNet_large(part2) NasNet_mobile(part2) ResNet_18(part2) 其中：所有模型变量储存在其对应名字的mat文件夹中，加载后模型变量皆为：net，matlab版本越高所支持其中的模型越多，在matlab deep learning toolbox中深度网络编辑器中从工作区导入可以根据自己的需求进一步进行改进。 模型详细内容解释参考：https://blog.csdn.net/m0_47787372/article/details/125774554?spm=1001.2014.3001.5501