LS-SSDD-v1.0-船舶检测计算机视觉 这是论文《使用深度学习从合成Kong径雷达（SAR）图像中检测小型船只》的代码存储库。 考虑到正在考虑的众多模型和模块化数据下载过程，我们通过交互式Jupyter笔记本展示了我们的代码。 请注意，模型权重，模型输出和数据集不在此存储库中。 原始数据集可以在以下位置找到： : 概述 根目录中有两个笔记本，它们训练了我们的最佳模型并执行推理。 'final_model.ipynb'是我们训练改进模型的地方'final_evaluation.ipynb'是我们对改进模型进行推断的地方 班级文件 包含我们的论文，作为CS230深度学习的一部分。 文件 我们在该项目过程中使用的论文集 火车 我们所有的培训笔记本（包括基线，实验和本文中介绍的最终模型） 数据 用于预处理数据并转换为“ Detectron2”格式的笔记本 效用 使用Otsu的方法来生成

C-LIENet-一个多上下文低光图像增强网络 论文“ C-LIENet：多上下文低光照图像增强网络”的官方代码存储库，IEEE Access，第1卷。 9，pp。31053-31064，2021年

从零开始的变形金刚 Tensorflow 2.0中Transformer架构的实现

狗品种分类器 在该项目中，首先，我实施了卷积神经网络，使用转移学习对狗的品种进行分类。 在转移学习中，我们使用的是经过预训练的网络，例如VGG-16，Resnet，Inception，Xception等。 目标 对狗的品种进行分类 依存关系 麻木 大熊猫 凯拉斯 球状 matplotlib cv2 斯克莱恩 tqdm 皮尔 我用jupyter笔记本来实现 信用 Udacity深度学习纳米学位

IMU-PLOS_LSTM 使用LSTM网络通过PLOS训练IMU数据-这是自定义LSTM-RNN。 在这里，每个示例都应写入到csv中。 一个csv的训练示例包括[时间步数（窗口大小*（类数+功能昏暗））]

ECLAT关联规则挖掘 等价类转换关联规则挖掘算法的Python实现 我在无聊的时候写了这篇文章，并希望找到一个很好的算法来加快Cython的速度。 不幸的是，这个问题并不能轻易实现优化（而频繁模式挖掘的FP-tree方法要快得多）。 该算法在其擅长的各种数据集上（存储10个具有100万条记录的商品的商店）仍然非常快，但是在1000个具有1000条记录的商品的数据集上，它会显得很笨拙。 我的工作很乱。 也许我会回去整理一天。

机器学习项目 对亚马逊评论数据集的情感分析 .ipynb文件中包含的Python Scipts代码 项目代码文件夹中包含的数据集

Sentiment_Analysis_Deep_Learning：使用深度学习（CNN）进行情感分析

nlp 自然语言处理项目 1- Sentiment_analysis：该项目的目标是实现完整的情感分类器。 2-变形金刚：该项目的目的是对变形金刚有一个完整的了解，并在不同的任务（例如：问题与答案，总结，翻译）中实施其中的某些变形金刚（例如T5）。 我们还必须创建一些交叉注意的可视化效果，以使算法模式更加合理。

101个Python基础知识练习 基本原理 101练习作为一种自测工具存在，用于学习Python基础知识，包括数据类型，运算符和编写用户定义的功能。 还有一些练习，用于练习诸如列表，字典和集合之类的集合。 在线使用101个练习（由于托管，因此无需设置/安装） 转到 依次转到文件和“将副本保存到云端硬盘”，将您的工作保存到Google云端硬盘 在本地使用101个练习（运行速度更快，加载速度更快） 下载此存储库的.zip或执行git clone git@github.com:ryanorsinger/101-exercises.git 101-exercises.ipynb是交互式Jupyter笔记本。 如果您需要安装Jupyter的帮助，请访问 101-exercises.py是包含相同指令和断言的Python脚本（如果您更喜欢.py脚本）