Ascend CANN Parser(简称parser)配合TF_Adapter、 ATC工具、IR构图等使用,开发者通过以上工具,借助parser能方便地将第三方框架的算法表示转换成Ascend IR,充分利用昇腾AI处理器卓越的运算能力。
2022-12-19 16:28:03 510KB 人工智能 深度学习 机器学习
1
X2Paddle支持将其余深度学习框架训练得到的模型,转换至PaddlePaddle模型。X2Paddle是飞桨生态下的模型转换工具,致力于帮助其它深度学习框架用户快速迁移至飞桨框架。目前支持推理模型的框架转换与PyTorch训练代码迁移,我们还提供了详细的不同框架间API对比文档,降低开发者上手飞桨核心的学习成本。目前已经支持Caffe/TensorFlow/ONNX/PyTorch四大框架的预测模型的转换,PyTorch训练项目的转换,涵盖了目前市面主流深度学习框架。支持的模型丰富丰富,在主流的CV和NLP模型上均支持转换,涵盖了19+个Caffe预测模型转换、27+个TensorFlow预测模型转换、32+个ONNX预测模型转换、27+个PyTorch预测模型转换、2+个PyTorch训练项目转换
2022-12-19 16:28:02 744KB 人工智能 深度学习 机器学习 X2Paddle
1
OpenMLDB是一个开源机器学习数据库,面向机器学习应用提供正确、高效数据供给。OpenMLDB 致力于解决 AI 工程化落地的数据治理难题,并且已经在上百个企业级人工智能场景中得到落地。OpenMLDB 优先开源了特征数据治理能力,依托 SQL 的开发能力,为企业级机器学习应用提供线上线下计算一致、高性能低门槛的生产级特征平台
1
Coursera吴恩达机器学习课程整理
1
预训练语言模型(PLMs)是在大规模语料库上以自监督方式进行预训练的语言模型。在过去的几年中,这些PLM从根本上改变了自然语言处理社区。在本教程中,我们旨在从两个角度提供广泛而全面的介绍:为什么这些PLM有效,以及如何在NLP任务中使用它们。本教程的第一部分对PLM进行了一些有见地的分析,部分解释了PLM出色的下游性能。第二部分首先关注如何将对比学习应用于PLM,以改进由PLM提取的表示,然后说明如何在不同情况下将这些PLM应用于下游任务。这些情况包括在数据稀缺的情况下对PLM进行微调,以及使用具有参数效率的PLM。我们相信,不同背景的与会者会发现本教程内容丰富和有用。
2022-12-19 14:28:32 23.95MB 人工智能
1
TF Model building/training/evaluating for simple nlp task just by params configuration, training/evaluating monitor and params configure GUI with streamlit.
2022-12-19 14:28:29 493KB 人工智能 深度学习/机器学习
1
人工智能PPT,,,,哈工大 赵老师,,,,,智能搜索算法 人工智能PPT,,,,哈工大 赵老师,,,,,智能搜索算法 人工智能PPT,,,,哈工大 赵老师,,,,,智能搜索算法
2022-12-19 14:02:14 1.23MB 人工智能PPT
1
python本科毕业设计基于深度学习的人脸识别考勤系统。具备基础的人脸录入,人脸识别,考勤管理,课堂管理,班级管理,日志管理等功能。此Python项目是整体项目的人脸识别部分,基于深度学习的FaceNet算法,对人脸特征进行提取,判断是否输入。python本科毕业设计基于深度学习的人脸识别考勤系统。具备基础的人脸录入,人脸识别,考勤管理,课堂管理,班级管理,日志管理等功能。此Python项目是整体项目的人脸识别部分,基于深度学习的FaceNet算法,对人脸特征进行提取,判断是否输入。python本科毕业设计基于深度学习的人脸识别考勤系统。具备基础的人脸录入,人脸识别,考勤管理,课堂管理,班级管理,日志管理等功能。此Python项目是整体项目的人脸识别部分,基于深度学习的FaceNet算法,对人脸特征进行提取,判断是否输入。python本科毕业设计基于深度学习的人脸识别考勤系统。具备基础的人脸录入,人脸识别,考勤管理,课堂管理,班级管理,日志管理等功能。此Python项目是整体项目的人脸识别部分,基于深度学习的FaceNet算法,对人脸特征进行提取,判断是否输入。
基于Tensorflow车牌识别的完整项目全部源代码.zip 主要识别流程 车牌定位:使用 opencv 库函数进行形态学操作,初步定位车牌位置,得到预选区域 车牌筛选:通过训练好的卷积神经网络,对预选区域进行进一步筛选,得到较准确的车牌图片 字符分割:对车牌图片再次进行形态学操作,然后将车牌图片上的字符分割开 字符识别:最后再用卷积神经网络识别字符,输出结果 车牌筛选 和 字符识别 使用不同的卷积神经网络 基于Tensorflow车牌识别的完整项目全部源代码.zip 操作步骤 首先搭建 Python 3.6.13 的基础环境 然后通过 pip 导入 requirements.txt 中所需的 Python 包 运行 cnn_plate.py 和 cnn_char.py 进行模型的训练 调整 lpr_main.py 中模型的路径,最后运行,输出结果 基于Tensorflow车牌识别的完整项目全部源代码.zip基于Tensorflow车牌识别的完整项目全部源代码.zip基于Tensorflow车牌识别的完整项目全部源代码.zip
九宫格排列问题,使用全局择优算法解决该问题,编码方式为C#。
2022-12-18 14:41:14 54KB 人工智能 九宫格问题 C#程序 代码
1