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. Medical-Named-Entity-Rec-Based-on-Dilated-CNN:基于膨胀卷积神经网络（Divolution Convolutions）训练好的医疗命名实体识别工具-源码

  2. 基于扩张神经网络（Divolved Convolutions）训练好的医疗领域的命名实体识别工具，这里主要引用模型源码，以及云部署方式供大家交流学习。 环境 阿里云服务器：Ubuntu 16.04 Python版本：3.6 Tensorflow：1.5 第一步：来一个Flask实例，并跑起来： 使用的是Pycharm创建自带的Flask项目，xxx.py from flask import Flask app = Flask(__name__) app.route('/') def hel

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：4194304
    • 提供者：weixin_42144199

  1. scheduler-library:调度程序库工具-源码

  2. 调度程序库（SL） 这是用于智能调度程序的初始开发，部署和测试的软件开发环境。 该代码提供了在调度程序库（SL）之上实现的 （FFT和Viterbi）内核（即Mini-ERA的C-子集）。 现在，将执行FFT或Viterbi（加速器功能）的调用转换为对SL的调用，以对任务（ FFT_TASK或VITERBI_TASK ）的request_execution ，然后SL将在可用的函数执行硬件（例如，在CPU上）中调度这些任务通过pthread或在实现了这些功能的硬件加速器上）。 要求 SL已使用

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：3145728
    • 提供者：weixin_42131861

  1. laekemariamdemessie：多年来可视化Laeke作品的网站-源码

  2. Laeke Mariam Demessie 链接到已部署的站点： : 合作者：塞巴斯蒂安·布利塞特和弗雷德里卡·布利塞特 概述：一个存放Laeke Mariam Demessie合着/撰写的大多数（如果不是全部）可用文章的资料库 后续步骤：添加多个抓取工具，以不断用在BBC和CNN等主要新闻网站上发布的最新文章填充网站。 测试：对于本地测试，请在bash中键入npm start来查看网站的外观-localhost 3000将打开一个新选项卡

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：193536
    • 提供者：weixin_42116604

  1. 部署CNN测试-源码

  2. 识别膳食– DLNN集团项目 抽象的 该项目的目的是根据101种给定的食物类别对食物图片进行分类。 该方法学方法基于卷积神经网络模型，该模型分析了被分为101类的美食菜肴图片的数据集。 使用初始模型以测试数据集的精度达到80％可获得最佳结果。 介绍 图像识别是一种在社交媒体中越来越流行的技术。 它可以用于识别图片中人物，产品，品牌和地点的误差幅度很小。 该项目旨在以较低的规模重新创建该技术。为该项目设计的方法论方法包括5个模块： 项目的第一步是准备数据以训练模型。 在此步骤中，将详细介绍数据集

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：6291456
    • 提供者：weixin_42116847

  1. cnn-facial-landmark：基于深度卷积神经网络的人脸标志检测训练代码-源码

  2. cnn-facial-landmark 基于卷积神经网络的人脸标志检测。 这是显示检测结果的示例gif。 该模型是使用TensorFlow构建的，并提供了训练代码，因此您可以使用自己的数据集训练自己的模型。 随附的教程也，其中包括背景，数据集，预处理，模型架构，培训和部署。 我尽力使它们对于初学者来说简单易懂。 遇到困难时可以随时提出问题，也可以分享一些好主意。 入门 这些说明将为您提供在本地计算机上运行并运行的项目的副本，以进行开发和测试。 先决条件 正在安装 只需git克隆此仓库，您就

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：629760
    • 提供者：weixin_42117224

  1. AKSDeploymentTutorial：有关如何在启用GPU的Kubernetes集群上部署深度学习模型的教程-源码

  2. 该存储库不再处于主动维护状态，请查看使用Azure Machine Learning提供的较新版本。 作者：Mathew Salvaris和Fidan Boylu Uz 使用GPU在Kubernetes集群上部署深度学习CNN 总览 在此存储库中，Jupyter笔记本中有许多教程，其中包含有关如何在启用GPU的Kubernetes集群上部署预训练的深度学习模型的逐步说明。 这些教程涵盖了如何从以下深度学习框架中部署模型： 对于每个框架，我们都要执行以下步骤： 在模型开发中，我们加载预训练的模

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：4194304
    • 提供者：weixin_42120405

  1. pytorch_classification：利用pytorch实现图像分类的一个完整的代码，训练，预测，TTA，模型融合，模型部署，cnn提取特征，svm或者随机森林等进行分类，模型蒸馏，一个完整的代码-源码

  2. pytorch_classification 利用pytorch实现图像分类，其中包含的密集网，resnext，mobilenet，efficiencynet，resnet等图像分类网络，可以根据需要再行利用torchvision扩展其他的分类算法 实现功能 基础功能利用pytorch实现图像分类 包含带有warmup的cosine学习率调整 warmup的step学习率优调整 多模型融合预测，修正与投票融合 利用flask实现模型云端api部署 使用tta测试时增强进行预测 添加label s

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：4194304
    • 提供者：weixin_42131352

  1. Adlik：Adlik：加速深度学习推理的工具包-源码

  2. 阿德利克 Adlik [ædlik]是深度学习模型的端到端优化框架。 Adlik的目标是在云和嵌入式环境上加速深度学习推理过程。 借助Adlik框架，可以以非常灵活和轻松的方式将不同的深度学习模型部署到具有高性能的不同平台。 在云环境中，应将已编译的模型和Adlik Inference Engine构建为docker映像，并部署为容器。 在边缘环境中，应将Adlik Inference Engine部署为容器。 应将编译后的模型转移到边缘环境，并且Adlik Inference Engi

  3. 所属分类：其它

    • 发布日期：2021-01-31
    • 文件大小：3145728
    • 提供者：weixin_42148975

  1. MODEL_DEPLOYMENT:ML模型部署的测试仓库-源码

  2. 带有Streamlit的Traffic_Sign_Classifier 应用程序： 链接： ： 应用输出 项目概况 该项目的目标是专注于自动驾驶汽车决策能力的第一个基本特征，即开发一种深度学习模型，该模型可以读取交通标志并使用卷积神经网络（CNN）对其进行正确分类。 交通标志分类器使用德语交通数据集。德国交通数据集包括用于训练数据集的34,799张32 * 32像素彩色图像，用于测试数据集的12,630张图像和用于验证数据集的4410张图像，其中每个图像都是属于的交通标志的照片交通标志类型4

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：25165824
    • 提供者：weixin_42115074