歌曲推荐系统 此项目中使用的歌曲数据集可从

NeRF：神经辐射场 ||| Tensorflow实现，优化单个场景的神经表示并渲染新视图。 * 1 ， * 1 ， * 1 ， 2 ， 3 ， 1 1加州大学伯克利分校， 2 Google研究中心， 3加州大学圣地亚哥分校*表示相等的贡献ECCV 2020（口头演示，最佳论文荣誉奖） TL; DR快速入门 要设置conda环境，请下载示例训练数据，开始训练过程，然后启动Tensorboard： conda env create -f environment.yml conda activate nerf bash download_example_data.sh python run_nerf.py --config config_fern.txt tensorboard --logdir=logs/summaries --port=6006 如果一切正常，您现在可以在

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