注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. Deploying-a-Sentiment-Analysis-Model-源码

  2. 部署情绪分析模型 我使用亚马逊的SageMaker服务构建并部署了情绪分析模型。结果是部署的RNN对电影评论执行情感分析，并带有可公开访问的API和与部署的模型进行交互的简单网页。

  3. 所属分类：其它

    • 发布日期：2021-03-22
    • 文件大小：29696
    • 提供者：weixin_42129113

  1. TextSentimentAnalysis-源码

  2. 文本情感分析 这个仓库是情绪分析。此仓库由一个py和ipynb文件组成，这是一个部署文件。模型的重量和架构

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：49283072
    • 提供者：weixin_42151373

  1. Movie_Reviews_Classification:使用情感分析将电影评论分为正面还是负面-源码

  2. 电影评论分类 使用python中的情感分析库将IMDb电影评论分为正面或负面 情绪分析 情感分析是指使用自然语言处理（NLP），文本分析和计算来系统地提取，识别信息并将其分类为特定类别。 该项目使用python sklearn库中的高斯朴素贝叶斯和多项式朴素贝叶斯模型 朴素贝叶斯分类器 朴素贝叶斯分类器是python scikit学习库下的一组监督ML算法。 他们使用特征矩阵（所有因变量的向量）来预测类变量（特征矩阵中每一行的输出）。 这些算法的前提是所有特征彼此独立并且具有同等重要性。 在

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：624640
    • 提供者：weixin_42131414

  1. Movie-review-classification:使用python中的情感分析库将IMDb电影评论分为正面或负面-源码

  2. 电影评论分类 使用python中的情感分析库将IMDb电影评论分为正面或负面 情绪分析 情感分析是指使用自然语言处理（NLP），文本分析和计算来系统地提取，识别信息并将其分类为特定类别。 该项目使用python sklearn库中的高斯朴素贝叶斯和多项式朴素贝叶斯模型 朴素贝叶斯分类器 朴素贝叶斯分类器是python scikit学习库下的一组监督ML算法。 他们使用特征矩阵（所有因变量的向量）来预测类变量（特征矩阵中每一行的输出）。 这些算法的前提是所有特征彼此独立并且具有同等重要性。 在

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：7168
    • 提供者：weixin_42101641

  1. iykra-sentiment-analysis-源码

  2. IYKRA情绪分析 Flask包装的一个简单的情感分析模块。 此存储库用作IYKRA （ ）上的模型部署共享的资源。 准备好 吉特 您将使用Git（和GitHub）访问此代码库，并在以后提交作业。 创建一个GitHub帐户（ ） 安装Git： : 了解有关Git的一些信息： : 。 （可选）如果您想更深入地学习： : 。 分叉此仓库，请按照此处的说明进行操作： : ） 通过在终端中运行以下命令来克隆分叉的仓库： git clone https://github

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：24117248
    • 提供者：weixin_42165583

  1. 部署情绪分析模型-源码

  2. SageMaker部署项目 在这个项目中，我将构建一个递归神经网络，以使用IMDB数据集确定电影评论的情感。 我将使用Amazon的SageMaker服务创建此模型。 另外，我将部署模型并构建一个简单的Web应用程序，该应用程序将与部署的模型进行交互。

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：35840
    • 提供者：weixin_42120541

  1. 多模式情感识别：用于文本，声音和视频输入的实时多模式情感识别Web应用-源码

  2. 实时多模式情绪识别 不要犹豫 :white_medium_star: 如果您喜欢我们的工作，请回购！ 简而言之 我们与法国职业介绍所合作开发了一种多模式情感识别平台，用于分析求职者的情感。 我们主要使用基于深度学习的方法来分析面部，声音和文字情感。 我们使用Flask部署了一个Web应用程序： 通过安装需求并启动main.py ，可以从WebApp存储库访问该工具。 我们还写了一篇关于我们工作的论文： : 表中的内容 ： 在这个项目中，我们正在探索多模式情感分析中的最新模型。 我

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：854589440
    • 提供者：weixin_42133969

  1. sagemaker部署：在Amazon Sagemaker中部署Pytorch模型并通过开放式端点Amazon Lambda函数访问它-源码

  2. Amazon Sagemaker部署-Udacity Nanodegree项目 在Amazon Sagemaker中部署Pytorch模型并通过开放式端点Amazon Lambda函数访问它 创建情感分析Web应用 使用PyTorch和SageMaker 深度学习纳米学位课程| 部署方式 现在，我们对SageMaker的工作原理有了基本的了解，我们将尝试使用它来构建一个端到端的完整项目。 我们的目标是拥有一个简单的网页，用户可以用来输入电影评论。 然后，网页会将评论发送到我们的部署模型，该模型

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：137216
    • 提供者：weixin_42125826

  1. AWS_Deployed_Sentiment_Analysis_Model：一个简单的Web应用程序，可与已部署的循环神经网络交互，对电影评论进行情感分析。 在AWS云上进行培训和部署-源码

  2. Deployed_Sentiment_Analysis_Model 在这个项目中，我使用SageMaker从头到尾构建了一个完整的项目。 该项目的目标是制作一个简单的Web应用程序，该应用程序与部署的递归神经网络进行交互，对电影评论进行情感分析。 然后，网页会将评论发送到我的部署模型，该模型将预测输入的评论的情绪。 在AWS云上进行培训和部署。 使用BeautifulSoup删除了可能出现的所有HTML格式。 使用NLTK来阻止单词。 使用AWS Lambda函数进行标记化和将评论转换

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：600064
    • 提供者：weixin_42162978

  1. 使用FastAPI部署用于情感分析的BERT：使用FastAPI，通过拥抱Face和PyTorch的Transformers将BERT用于情感分析的REST API部署-源码

  2. 使用FastAPI部署用于情绪分析的BERT 使用FastAPI将预训练的BERT模型作为REST API进行情感分析 演示版 该模型经过训练，可以根据Google Play上的应用评论对自定义数据集上的情绪（消极，中立和积极）进行分类。 这是对API的示例请求： http POST http://127.0.0.1:8000/predict text= " Good basic lists, i would like to create more lists, but the annual

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：20480
    • 提供者：weixin_42134117