可以拿京东mck

该资源为官网下载来的完整初始版数据集，不是网上已经被个人更改过的数据集！ （由于超过1000M，分为三个部分来上传） CK+ 是表情识别领域最为常见的数据集之一！包括8种基本表情（包括中性的话）。 数据库包括123个subjects, 593 个 image sequence，每个image sequence的最后一张 Frame 都有action units 的label，而在这593个image sequence中，有327个sequence 有 emotion的 label。这个数据库是人脸表情识别中比较流行的一个数据库，很多文章都会用到这个数据做测试

第三方支付平台源码，商业支付源码，带支付 CK 参数获取器。前台带语音播报，带 demo，带 sdk。具体不会玩，整个是使用 iframe 框架的页面。 带有 CK 参数获取器软件，支持所有 COOKIE 支付。

CK+人脸表情数据集，包含3种，每一种都包含surprised、sadness、happy、fearful、disgusted、angry等几类数据，了用于深度学习训练模型

ATT&CK手册(修改版)本手册由多家安全公司及安全团队一线渗透人员制作编辑（排名不分前后）： DeadEye 安全实验室 破晓安全团队 即刻安全团队 奇虎360 奇安信 深信服蓝军 深信服安服 破晓团队 知道创宇 北京邮电大学 安全脉搏 启明星辰

内含已整理好的八种情绪（neutral、anger、contempt、disgust、fear、happy、sadness、surprise） Cohn-Kanade（CK+）扩 展 数 据是目前比较通用的人脸表情数据集，适合于人脸表情识别的研究。它是 2010 年在Cohn-Kanda 数据集的基础上扩展得来的，包含 123 名参与者、593 个图片序列。CK + 与CK 数据集的区别为 CK 数据集只有静态图片，CK + 数据集中还包括动态视频，两者都含有情绪标签，指出了参与者的表情。

所有CK组件都可以在和！ 使用具有通用JSON API的集体知识工作流框架来统一AI以进行协作实验和优化 请注意，Caffe2已移至 GitHub源代码树，因此此处的某些软件包可能无法正常工作。 介绍 在将大部分的“研究”时间都花在了AI创新上之后，而不是在处理众多且不断变化的AI引擎，它们的API以及整个软件和硬件堆栈之后，我们决定采用另一种方法。 我们开始添加现有的AI框架，包括 ， ， ， ， ， CNTK和MVNC 。 非侵入式开源集体知识工作流框架（CK） 。 CK允许使用JSON API将各种版本的AI框架以及库，编译器，工具，模型和数据集作为统一的和可重用的组件插入，从而在Linux，Windows，MacOS和Android上自动化和自定义其安装（而不是使用ad- hoc脚本），并提供简单的JSON API进行常见操作（例如预测和培训）（请参阅demo ）。

所有CK组件都可以在和！ 该项目由托管。 该集体知识资源库包含具有各种数学库，带有Js SON API和JSON元信息，可用于可移植，可定制和可再现的。 请随时提供额外的程序包，以！ 贡献者 （ （ ） 里奥·戈登（ Leo Gordon ） 弗拉维奥·维拉（ Flavio Vella） 意大利国家研究委员会Marco Cianfriglia Nikolay Chunosov ，异类软件 执照 BSD，三节 先决条件 集体知识框架 安装 $ ck pull repo:ck-math 用法 查看此存储库中的可用软件包： $ ck list ck-math:package: | sort 在主机（Linux，MacOS或Windows）上安装任何软件包，例如： $ ck install package:lib-openblas-0.3.3-universa

使用CK JSON API统一预测分析 所有CK组件都可以在和！ 该项目由托管。 这是一个存储库，其中包含CK模块和操作，以使用我们的标准CK JSON API统一对不同预测性分析框架（scipy，R，DNN）的访问。 社区使用它来研究工作流程/管道，以实现协作，可重用和可再现的实验。 见我们最近的文章中了解更多详情： ， 。 更多信息： 作者 贡献者 查看贡献者列表 带操作的共享CK模块 建议 实验 实验原始 实验视图 图形 图点 笔记本 数学条件 数学前沿 数学变化 模型 模型图像分类 模型 模型 模型种类 模型 报告 桌子 安装 首先按照此处所述安装CK框架。 然后按如下所示安装此CK存储库： $ ck pull repo:ck-analytics $ ck list ck-analytics:module:* 依存关系 Python： matplot

所有CK组件都可以在和！ 该项目由托管。 这是一个稳定的集体知识存储库，可在志愿者（例如移动设备/ IoT，数据中心和超级计算机）提供的各种基于Linux，Windows，MacOS和Android的平台上进行可自定义的实验众包。 我们有几种公共实验场景，包括通用，可定制，多维，多目标和。 在查看不断汇总的公共结果结果和意外行为！ 另外，请查看我们相关的Android应用程序，让您使用备用的Android手机，桌子和其他设备参与我们的实验众包： 可以在 ，开放研究挑战Wiki和ACM / IEEE会议上由CK驱动的可重现AI / SW / HW合作设计竞赛中获得更多详细信息。 描述 该存储库基于基于CK机器学习的自动调整。 它在许多机器上众包实验（使用通过CK公​​开的优化旋钮，如OpenCL，编译器标志，CUDA等），同时构建了一个现实的，大型的和有代表性的训练集。 这是格