百度飞桨学习python机器学习、深度学习资料 【机器学习】GRU：实践-情感分类的另一种方法 【机器学习】LSTM：实践-谣言检测 【机器学习】python复杂操作：实践-爬虫与数据分析 【机器学习】ResNet-50原理：实践-CIFAR10数据集分类 【机器学习】VGGNet原理：实践-中草药分类 【机器学习】Word2Vec实现：实践-基于CBOW和Skip-gram实现Word2Vec 【机器学习】飞桨高层API的实践 【计算机视觉】1.实践：飞浆与python入门操作 【计算机视觉】2.实践：python复杂操作 【计算机视觉】3.理论：计算机视觉概述 【计算机视觉】4.实践：基于深度神经网络的宝石分类 【计算机视觉】5.实践：基于卷积神经网络的美食识别 【计算机视觉】6.实践：基于VGG-16 的中草药识别 等等

数据量在四位数左右，可供于机器学习使用，深度学习可能不太够。 不同开源数据库的数据标签格式不统一，可能要手动处理或者做一个多模态。 同时也包括一部分嘴唇的图象数据 仅供交流学习使用 侵删 本人也在做相关实验，欢迎各位在评论区交流经验和算法知识

飞桨复现mldanet&monodepth + deephints项目代码

使用OpenVINO实现飞桨版PGNet推理程序

系统简介参考：https://blog.csdn.net/qalangtao/article/details/125607286 情感倾向分析（Sentiment Classification，简称Senta）针对带有主观描述的中文文本，可自动判断该文本的情感极性类别并给出相应的置信度，能够帮助企业理解用户消费习惯、分析热点话题和危机舆情监控，为企业提供有利的决策支持。该模型基于一个双向LSTM结构，情感类型分为积极、消极。该PaddleHub Module支持预测和Fine-tune。 系统简介参考：https://blog.csdn.net/qalangtao/article/details/125607286

资料包里包含了使用文档、可执行文件、Qt源码。 资料包下载后如果不想编译源码也可直接双击可执行文件运行项目实现功能，不需要自己训练模型，可以直接添加人脸进行对比，识别度达到95%以上。 软件采用QT设计，在window下、Linux下都可以直接运行。 使用的场景：当做实验室 的门禁系统，当人脸识别成功会自动提示开锁，如果没有录入人脸，可以根据界面引导提示添加人脸，录入身份信息。

python人像抠图利器，paddlepaddle 1.8.5 GPU版 whl格式：众人周知的外网环境，需要垫脚否则下载巨慢，这里帮各位搬一下砖，pip install XXX安装即可,望笑纳；）

百度飞桨AI训练营任务：吃鸡排名预测挑战赛过基线分数9２+代码和最终提交文件

百度飞桨AI训练营任务：吃鸡排名预测挑战赛过基线分数9２+代码和最终提交文件

数据准备和特征工程的详细代码实现+注释（百度飞桨）