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

其中预训练模型包含(注意由于文件巨大被分为了三部分） ResNet_50（part3） ResNet_101（part3） shuffleNet（part3） VGG_16（part3） 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

酒店评论的情感分析和方面分类 这是MonkeyLearn系列文章的源代码，这些文章与使用机器学习模型分析酒店评论中的情绪和方面有关。 此代码在python2.7中运行。 （2018年5月更新-自从编写了这些蜘蛛以来，TripAdvisor和Booking.com对其网站进行了很大的更改，因此它们不再起作用。博客文章和代码对于作为如何构建Scrapy蜘蛛的示例仍然非常有用，但可悲的是，示例本身已不再起作用。我们将来可能会修复蜘蛛程序，因为它可能足以更新所有选择器以使所有功能再次正常工作。） 代码组织 该项目本身是一个Scrapy项目，用于从TripAdvisor和Booking等不同站点收集培训和测试数据。 此外，还有一系列Python脚本和Jupyter笔记本实现了一些必要的脚本。 TripAdvisor（hotel_sentiment / spider / tripadvisor_sp

分布式机器学习：模型平均MA与弹性平均EASGD（PySpark）.doc