支持srt和ass格式，支持微调字幕，支持修改字幕文字大小，颜色，位置

图像滤镜艺术---人脸编辑(五官微调+瘦脸美型)-附件资源

半监督序列学习 此回购记录了重现论文给出的结果的实验​​。 简而言之，我们在未标记的文本数据上对序列自动编码器或语言模型进行预训练，然后使用标记的文本数据对使用预训练权重初始化的基于RNN的序列分类器进行微调，与随机初始化的权重相比，分类精度更高。 资料准备 IMDB数据集 我们为此实验使用。 下载并解压缩，导航至目录aclImdb/train ，该目录aclImdb/train中包含带aclImdb/train/pos的正（ aclImdb/train/pos ）和带标签的负性（ aclImdb/train/neg ）以及未标签的评论（ aclImdb/train/unsup ）。 然后cd进入每个子目录并运行 for f in *.txt; do (cat "${f}"; echo) >> pos.txt; done for f in *.txt; do (cat "${f}"; ec

基于NIH ChestX-ray14的肺部疾病诊断 该项目是一种高性能的胸部X射线图像多标签分类算法，有可能帮助放射科医生更好地诊断肺部疾病。 该算法的基准是 ，我从本文中学到了很多东西，可以帮助我很好地训练DenseNet121。 所有在NIH ChestX-ray14数据集上训练的模型，您都可以在下载数据 快速开始 下载ChestX-ray14数据集，将所有14 xxx.tar.gz文件解压缩到单个tar -xvzf *ZIPFILENAME*在终端中运行tar -xvzf *ZIPFILENAME* ，ZIPFILENAME是您要解压缩的.tar.gz文件。 修改shell / write_all.sh中的映像路径，该映像路径由--dataset_dir标记匹配。 将您的工作目录更改为ChestRayXNet。 运行shell / write_all.sh将所有112,120幅

参考资料：《python深度学习》第五章。keras官方中文文档。 使用数据集：数据集来自kaggle  https://www.kaggle.com/tongpython/cat-and-dog。 VGG16模型下载自GitHub：https://github.com/fchollet/deep-learning-models/releases。里面包括各种模型，如果你的keras模型导入过慢，你可以将模型下载下来再进行导入。 序言 当我们的数据集较小，只有几百几千张图片的时候，我们很难在一个新的网络结构上训练出具有很高准确率的模型，为此我们需要借助预训练网络模型（即已经训练好的网络模型，如

用PyTorch微调预训练卷积神经网络

最简单的游戏变速器，适用于大部分的单机游戏，小部分的网络游戏，速度过快会卡顿，一般只会实现攻击速度与移动速度的加速

本文重点介绍连续精整生产线中关键设备下切式液压剪的主要结构及设计计算。下切式液压剪能够在线快速剪切料头料尾，且带钢便于通过。

本文重点介绍连续精整生产线中关键设备下切式液压剪的主要结构及设计计算。下切式液压剪能够在线快速剪切料头料尾，且带钢便于通过。

BERT和知识提炼的问题解答 该存储库包含必要的代码，以便微调SQuAD 2.0数据集上的BERT。 此外，的技术是通过微调施加使用BERT作为教师模型小队2.0数据集。 使用Google Colab的1个Tesla V100 GPU获得了所有结果。 1.什么是SQuAD？ 斯坦福问答数据集（SQuAD）是一种阅读理解数据集，由人群工作人员在一组Wikipedia文章上提出的问题组成，其中每个问题的答案是对应阅读段落或问题的一段文本或跨度可能无法回答。 SQuAD 2.0将SQuAD 1.1中的100,000个问题与超过50,000个由对抗性工作者对抗性编写的问题相结合，看起来类似于可回答的问题。 为了在SQuAD 2.0上取得出色的成绩，系统不仅必须在可能的情况下回答问题，而且还必须确定该段落何时不支持任何答案并放弃回答。 有关SQuAD数据集和当前排行榜的更多信息，您可以访问以下。