DeeperForensics-1.0：用于真实世界人脸伪造检测的大规模数据集 该存储库提供以下论文的数据集和代码： DeeperForensics-1.0：用于真实世界人脸伪造检测的大规模数据集，，，在CVPR 2020中。 | | 摘要：我们介绍了我们正在努力建立用于人脸伪造检测的大型基准。 该基准测试的第一个版本DeeperForensics-1.0代表了迄今为止最大的人脸伪造检测数据集，共有60,000个视频，共1760万帧，是现有同类数据集的10倍。 应用了广泛的现实世界扰动以获得更大规模和更高多样性的更具挑战性的基准。 我们会仔细收集DeeperForensics-1.0中的所有源视频，并通过新提议的端到端人脸交换框架来生成假视频。 经用户研究验证，生成的视频质量优于现有数据集中的视频。 该基准测试具有一个隐藏的测试集，其中包含在人类评估中获得较高欺骗性分数的操纵视频。

持续学习基准 使用流行的持续学习算法评估三种类型的任务转移。 该存储库使用PyTorch实现并模块化了以下算法： EWC： ，（克服神经网络中的灾难性遗忘） 在线EWC： ， SI： ，（通过突触智能持续学习） MAS： ，书面（“内存感知突触：学习（不）忘记的内容”） 创业板： ，（用于持续学习的梯度情景记忆） （更多即将到来） 将以上所有算法与具有相同静态内存开销的以下基准进行比较： 天真彩排： L2： ， 关键表： 如果此存储库对您的工作有所帮助，请引用： @inproceedings{Hsu18_EvalCL, title={Re-evaluating Continual Learning Scenarios: A Categorization and Case for Strong Baselines}, author={Yen-Chang Hsu a

亚信科技AISWare AIDB数据库基于5000仓库数不同并发压力情况下的TPC-C性能，以便快速了解数据库系统的联机交易处理（OLTP场景）能力。

Canonical Variate Analysis ,用于分析多组变量相关性，并能反应各变量重要程度

1 Billion Word Language Model Benchmark. The purpose of the project is to make available a standard training and test setup for language modeling experiments.

Python_Portfolio__VaR_Tool 基于Python的风险管理工具，可从Yahoo Finance中获取数据，并计算基于单个股票和投资组合的不同类型的风险价值（VaR）指标以及许多其他风险/回报特征，包括独立的和相对于选择基准（使用wxPython构造） 此wxPython Notebook笔记本应用/小部件允许通过Pandas Datareader从Yahoo Finance检索股票/指数数据，这些数据又与初始投资组合权重和选择的基准相结合，以计算以下风险/回报指标： 历史回报（年度和每日-分别基于股票，基准和投资组合） 收益率的历史标准差（年度和每日-分别基于股票，基准和投资组合） 年夏普比率（分别基于股票，基准和投资组合） Beta（分别基于股票，基准和投资组合） 事后跟踪错误与选择的基准 基于单个股票和投资组合的每日收益直方图 基于单个股票和投资组合建

该软件包包含在Cranfield多相流设施中收集的数据集，旨在用作统计过程监视的基准案例。 它包括对这些数据集的典型变量分析 (CVA) 的一些示例。

通常，我只将Vert.x用于与JVM上的React式编程相关的任何事情。 我想看看新的闪亮（好吧，不是真的）Spring Reactor与Vert.x的比较 这两个软件包都是用Groovy编写的。 这个想法是将9 hash get命令发送给redis。 这是通过以下方式完成的： 在vert.x示例中，使用Vertx-Redis-Client，并将9个哈希获取请求发送到Redis。 该库使用管道作为默认模式 在弹簧React堆样品中，使用生菜驱动器。 我在某处读到使用React式生菜时流水线是默认模式。 然后，Redis返回的9个值将被组装并序列化为JSON。 这是通过对URL localhost:8080/fake/value的HTTP GET请求完成的。 基准 基准测试是在Macbook Pro，2.2 GHz Intel Core i7、16 GB Ram，4核上完成的 Vert.

25 TEST FUNCTION 优化问题测试函数 的详细文档，不用错过哦，做优化问题的小盆友们

csp基准 这是对进行基准测试的。 Cellsnp-lite在C中实现，并执行每个细胞的基因分型，同时支持给定SNP的（模式1）和不（模式2）。 在后一种情况下，将自动检测杂合SNP。 Cellsnp-lite适用于基于液滴的（例如10x Genomics数据）和基于Kong的平台（例如SMART-seq2数据）。 有关这四个选项的摘要以及每种模式下的示例替代方法，请参见表1。 表格1 模式 单核苷酸多态性 Bam文件 平台 选择 模式1a 给定 汇集一 水滴 VarTrix 模式1b 给定 每个单元格 智能序列 BCFtools mpileup 模式2a 检测 汇集一 水滴 不适用 模式2b 检测 每个单元格 智能序列 Freebayes 如何使用 此仓库包含dir 六个，每个用于特定的基准测试任务。 提供了包装器脚本 ，使运行单个任务更加容易。 要使用存储库，请先将其