通过绘制机器学习模型店学习曲线，找出最合适的参数，实现对模型进行优化

PPT版本的深度学习模型绘制母版

机器学习模型，基于paddlepaddle训练的分类，120种狗狗分类，已经封装成web，支持一键部署，操作简单，只需按照paddlepaddle，和paddlex等Python用到的相关库，既可一键部署

使用Flask和Python在Heroku Server上进行深度学习模型部署 请参阅有关以下内容的教程- 查看正在运行的应用- 贡献者 Soumya Gupta 许可和版权 :copyright:Soumya Gupta，2019。

01.数据分析的基本概念.mp4 02.数据可视化.mp4 03.数据分析的常用模型.mp4 04.数据分析的常用工具.mp4 05.互联网金融简介和特点.mp4 06.互联网金融的主要模式.mp4 07.常见的个人信贷产品.mp4 等资源

越来越多的人工智能解决方案将深度学习作为其基本技术，然而构建深度学习模型并不是一件容易的事，为了获得满意的准确性和效率，通常需要数周的时间优化模型。 本下载源码为博客文章 https://blog.csdn.net/shichaog/article/details/125128321 配套资源，从网络结构本身和训练参数两个层级两个方面实例分析优化的过程和手段

AI科技大本营在线公开课《深度学习模型压缩加速与手机移动端部署》 共47页.pptx

空气质量预测 近年来，空气污染急剧增加，并且对所有生物造成的影响更糟。 世界上大多数国家都在与日益增加的空气污染水平作斗争。 因此，控制和预测空气质量指数已成为必要。 在此研究项目中，我们将实施数据挖掘和机器学习模型来预测AQI并将AQI归类。 对于AQI预测，我们已经实现了五个回归模型主成分，偏最小二乘法，留一维CV的主成分，留一维CV的偏最小二乘，多个印度城市的多元回归AQI数据。 根据AQI的值，AQI指数进一步分为6个不同的类别，即“好，满意，中，差，非常差和严重”。 为了预测AQI桶，我们使用重复CV分类算法开发了三种分类模型，分别是多项式Lo​​gistic回归和K最近邻和K最近邻。 来自印度不同城市的空气质量数据集，具有留一法交叉验证的PLS模型。

全国国赛美赛研究生华为杯数学建模竞赛练习使用 使用Python读取数据文件，进行预处理，然后建立模型，对模型进行优化调参，选择最佳的参数，使用Python筛选特征。对以上步骤分别进行可视化。使用多种评价指标评价分类模型。

Netron 是神经网络、深度学习和机器学习模型的查看器。Netron 支持 ONNX、Keras、TensorFlow Lite、Caffe、Darknet、Core ML、MNN、MXNet、ncnn、PaddlePaddle、Caffe2、梭子鱼、Tengine、TNN、RKNN、MindSpore Lite 和 UFF。Netron 为 TensorFlow、PyTorch、TorchScript、、ML.NET 提供实验性支持，scikit-learn，TensorFlow.js。有大量样本模型文件可供下载或使用浏览器版本打开。macOS、Windows、Linux、Python Server 和浏览器都支持它。 特征 ONNX：使用浏览器版本支持的squeezenet模型 CoreML：使用浏览器版本支持的 exermote 模型 Darknet：使用浏览器版本支持的yolo模型 Keras：使用浏览器版本支持的移动网络模型 MXNet：使用浏览器版本支持的 inception_v3 模型 TensorFlow：使用浏览器版本支持的国际象棋机器人模型