时空记忆网络的Trainig脚本 该代码库实现了具有训练代码。 要求 python包 火炬 python-opencv 枕头 yaml ga 雅克 进步 （可选） GPU支持 GPU内存> = 12GB CUDA> = 10.0 数据 有关准备好的数据集的数据组织的更多详细信息，请参见doc 。 释放 我们在代码库中提供了具有不同主干的预训练模型，结果在带有梯度校正的DAVIS17-val上得到了验证。 模型 骨干 数据后端 Ĵ F J＆F 关联 第一人称射击 STM循环 Resnet18 大理 65.3 70.8 68.1 14.8 STM循环 Resnet50 皮尔 70.5 76.3 73.4 9.3 正在运行 将根文件夹附加到python解释器的搜索路径 export PYTHONPATH= ${PYTHONPATH} :./ 要训​​练STM网

基于强化学习的自动炒股交易，内含数据拉取脚本以及强化学习训练脚本

c++实现的前向往神经网络内含训练脚本和预测脚本

c++复现贝叶斯算法内含数据集训练脚本和预测脚本

一个自制的tesseract训练脚本，可以批量生成box文件，批量修改box文件，批量训练tesseract.适合批量训练tesseract

CwsPosNerEntityRecognition 中英文Cws Pos Ner实体识别工具，使用CNN双向lstm和crf模型，并带有char嵌入。基于字向量的CNN池化双向BiLSTM与CRF模型的网络，可能一体化的完成中文和英文分词，词性标注，实体识别。主要包括原始文本数据，数据转换，训练脚本，预训练模型，可用于序列标注研究。注意：唯一需要实现的逻辑是将用户数据转化为序列模型。分词准确率约为93％，词性标注准确率约为90％，实体标注（在本样本上）约为85％。 提示 中文分词，词性标注，实体识别，在使用上述模型时，本质是就是标注问题！！！如果您第一次使用相关的模型，只需加上self.c

caffe-ssd训练自己的数据集时需要修改create_list/data.sh文件，并且需要生成trainval等txt文件存放样本的文件名，以及最后训练脚本的修改，附件为以上操作所需要的文件

本资源包含一个Mnist手写体的训练脚本，可在环境配置好的情况下直接训练学习模型，然后可以根据模型输入任意照片，预测结果，直接可用，适合入门者。