移动网 移动U-NET语义分割。 使用process_video文件每帧运行约40毫秒

掌握离散世界模型的Atari 在TensorFlow 2中实现代理。包括所有55个游戏的训练曲线。 如果您认为此代码有用，请在您的论文中参考： @article{hafner2020dreamerv2, title={Mastering Atari with Discrete World Models}, author={Hafner, Danijar and Lillicrap, Timothy and Norouzi, Mohammad and Ba, Jimmy}, journal={arXiv preprint arXiv:2010.02193}, year={2020} } 方法 DreamerV2是第一个在Atari基准上达到人类水平性能的世界模型代理。使用相同的经验和计算量，DreamerV2的性能也优于顶级无模型代理Rainbow和IQN。此存储库中的实现

深度学习情感分析 多模态情感分析的深度学习

MaSIF-分子表面相互作用指纹：进行几何深度学习以破译蛋白质分子表面中的图案。 目录： Docker容器 执照 参考 描述 MaSIF是一种概念验证方法，可解密对于特定生物分子相互作用至关重要的蛋白质表面中的模式。 为此，MaSIF利用了几何深度学习领域的技术。 首先，MaSIF将表面分解为具有固定测地线半径的重叠径向小块，其中每个点都分配有一系列几何和化学特征。 然后，MaSIF为每个表面补丁计算一个描述符，该描述符是对补丁中存在的特征的描述进行编码的向量。 然后，可以在一组附加层中处理此描述符，在其中可以对不同的交互进行分类。 每个描述符和最终输出中编码的功能取决于特定于应用程序的训练数据和优化目标，这意味着可以将同一体系结构重新用于各种任务。 该存储库包含一个协议，用于将蛋白质结构文件准备为功能丰富的表面（具有几何和化学特征），将其分解为补丁，以及基于tensorflow的神经

深度光谱 深度学习光谱 通过深度学习分析频谱。 介绍 近年来，深度学习已在广泛的研究领域中引起越来越多的关注。 但是，据我们所知，在光谱学领域还没有深度学习的应用。 因此，我想举一个例子来说明如何使用深度学习对光谱数据进行定性和定量分析。 我们使用激光诱导击穿光谱法（LIBS）来说明整个过程。 光谱文件的组织方式为： 数据/ 1 /1 /2 /3 ... 数据/ 2 /1 /2 /3 ... 数据/ 3 /1 /2 /3 ... 数据/ 4 /1 /2 /3 ... 共有四类样本，分别与子文件夹1、2、3和4相对应。 用法 要求 软件 Tensorflow的要求（请参阅：Tensorflow） Python软件包：numpy，csv，matplotlib 仅在Ubuntu 16.04，带有TensorFlow 1.5.0的Python 2.

openpifpaf 经过Linux，MacOS和Windows的持续测试： ： OpenPifPaf：用于语义关键点检测和时空关联的复合字段（ ，（ ，（ ，2021年。 许多基于图像的感知任务可以公式化为检测，关联和跟踪语义关键点，例如人体姿势估计和跟踪。 在这项工作中，我们提出了一个通用框架，该框架可以在单个阶段中共同检测并形成时空关键点关联，这使其成为第一个实时姿势检测和跟踪算法。 我们提出了一种通用的神经网络体系结构，该体系结构使用Composite Fields来检测和构建时空姿势，该姿势是一个单独的连接图，其连接点是多个帧中的语义关键点（例如人的身体关节）。 对于时间关联，我们引入了时间复合关联字段（TCAF），它需要扩展的网络体系结构和训练方法，而不是以前的复合字段。 我们的实验显示出竞争准确性，同时在多个公开可用的数据集（例如COCO，CrowdPose以及

使用深度学习检测疟疾 :mosquito: :microbe: 参与者的Hack 2020是一项计划，可帮助学生利用OPEN SOURCE成长。 HakinCodes的这项倡议通过为各种各样的OPEN SOURCE项目做出贡献以及与导师和组织团队进行互动的机会，为您提供了一个最佳平台，以提高您的技能和能力。 :pushpin: 介绍 该机器学习Web应用程序利用两层卷积神经网络来处理细胞图像，并以近95％的准确度预测它们是否为疟疾。 用于处理深度学习算法的来自美国国家医学图书馆的官方NIH网站，该网站是来自疟疾筛查研究活动的稀薄血液涂片图像中分段细胞的存储库。 :bullseye: 项目目的 在疟疾不再流行的地方（例如在美国），医疗保健提供者可能对该疾病不熟悉。 看到疟疾患者的临床医生可能会忘记在潜在的诊断中考虑疟疾，而不订购所需的诊断测试。 实验室工作人员可能缺乏疟疾经验，并且在显微镜下检查血液涂片时无法发现寄生虫。 疟疾是一种急性发热性疾病。

darts是一个python库，可轻松操纵和预测时间序列。 它包含各种模型，从ARIMA等经典模型到神经网络。 所有模型都可以通过fit（）和predict（）函数以相同的方式使用，类似于scikit-learn。 该库还使对模型的回测变得容易，并结合了多个模型的预测和外部回归。 使用Python简化时间序列darts是一个python库，可轻松操纵和预测时间序列。 它包含各种模型，从ARIMA等经典模型到神经网络。 所有模型都可以通过fit（）和predict（）函数以相同的方式使用，类似于scikit-learn。 该库还使对模型的回测变得容易，并结合了多个模型的预测和外部回归。 安装我们建议您首先为y设置一个干净的python环境

轴向注意 在Pytorch中实施。 一种简单而强大的技术，可以有效处理多维数据。 它为我和许多其他研究人员创造了奇迹。 只需在数据中添加一些位置编码，然后将其传递到此方便的类中，即可指定要嵌入的尺寸以及要旋转的轴向尺寸。 所有的排列，整形，都将为您解决。 实际上，这篇论文由于过于简单而被拒绝了。 然而，自那以后，它已成功用于许多应用中，包括， 。 只是去展示。 安装 $ pip install axial_attention 用法 图像 import torch from axial_attention import AxialAttention img = torch . randn ( 1 , 3 , 256 , 256 ) attn = AxialAttention ( dim = 3 , # embedding dimension

Mastering Complex Control in MOBA Games with Deep Reinforcement Learning.pdf