mlxtend 包，由Sebastian Raschka开发的一个工具集，初衷也是写下一些在其他包中没有找到的特定算法，是一个机器学习扩展工具库，属于开源文件，仅作个人兴趣使用
2021-11-17 16:12:28
39.54MB
1
TextClassification-Keras
这个代码库实现了一个各种深学习模型使用Keras框架，其中包括文本分类：FastText，TextCNN，TextRNN，TextBiRNN，TextAttBiRNN，韩，RCNN，RCNNVariant等除了模型实现，简化应用程序包括在内。
指导
环境
Python 3.7
NumPy 1.17.2
Tensorflow 2.0.1
用法
所有代码都位于目录/model ，每种模型都有对应的目录，其中放置了模型和应用程序。
例如，FastText的模型和应用程序位于/model/FastText ，模型部分为fast_text.py ，应用程序部分为main.py
模型
1个FastText
FastText是在“提出的。
1.1论文描述
使用查找表，将ngram包转换为单词表示形式。
将单词表示形式平均为一个文本表示形式，它是一个隐藏变量。
文本表示又被馈送到线性分类器。
使用softmax函数可计算预定义类上的概率分布。
1.2在这里实现
FastText的网络结构：
2个TextCNN
在提出了TextCNN
2021-11-09 18:35:46
1.21MB
1
PyTorch图像分类
以下论文是使用PyTorch实现的。
ResNet（ ）
ResNet- （ ）
警告（ ）
DenseNet（ ， ）
金字塔网（ ）
ResNeXt（ ）
摇一摇（ ）
LARS（ ， ）
抠图（ ）
随机擦除（ ）
SENet（ ）
混合（ ）
双切口（ 1802.07426 ）
RICAP （ 1811.09030 ）
CutMix（ 1905.04899 ）
要求
Ubuntu（仅在Ubuntu上进行过测试，因此可能无法在Windows上运行。）
Python> = 3.7
PyTorch> = 1.4.0
火炬视觉
NVIDIA Apex
pip install -r requirements.txt
用法
python train.py --config configs/cifar/
2021-11-08 11:25:36
3.26MB
1
运行环境：win10 64位 py 3.6 pycharm 2018.1.1
导入对应的包和数据
import matplotlib.pyplot as plt
import numpy as np
from sklearn import datasets,linear_model,cross_validation,svm
def load_data_regression():
diabetes = datasets.load_diabetes()
return cross_validation.train_test_split(diabetes,diabetes.target,te
2021-11-06 20:03:12
313KB
1
商务智能原理与方法决策树模型的数据挖掘实现实验报告，通过决策树模型数据挖掘三国数据库，讲解了sql server2008 r2的使用步骤
2021-11-02 18:44:22
487KB
1
前言
本文介绍的分类方式可能比较繁琐，因为它是采用华为云比赛的提交模式进行的。简洁的分类版本点击这里：
1.图像分类的更多tricks（注意力机制 keras，TensorFlow和pytorch 版本等）：
2.大家如果对目标检测比赛比较感兴趣的话，可以看一下我这篇对目标检测比赛tricks的详细介绍：
3.目标检测比赛笔记：
增添内容
已修改成本地可以运行。
修改方法：
1.save_model.py|train.py|eval.py|run.py|中moxing.framework.file函数全部换成os.path和shutil.copy函数。因为python里面暂时没有moxing框架。
2.注释掉run.py文件里面的下面几行代码：
# FLAGS.tmp = os.path.join(FLAGS.local_data_root, 'tmp/')
# print(FLAGS.t
2021-10-30 22:32:37
136KB
1
主要给大家介绍了关于python实现感知机线性分类模型的相关资料，文中通过示例代码介绍的非常详细，对大家学习或者使用python具有一定的参考学习价值，需要的朋友们下面来一起学习学习吧
2021-10-24 17:56:19
142KB
1
GTSRB TensorFlow Lite
德国交通标志基准数据集的示例TensorFlow Lite分类模型。 创建该项目的目的是展示如何在之上构建卷积神经网络（通过Transfer Learning），并在TensorFlow Lite SDK的移动应用程序中使用卷积神经网络。 有关更多详细信息，请检查：
博客文章：
具有：数据集准备，模型训练和验证，转换为TensorFlow Lite。
数据集：
灵感：
2021-10-21 17:16:20
13.16MB
1