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. Learn-flask:这是我的烧瓶学习-源码

  2. 烧瓶 Flask是一个轻量级的 Web应用程序框架。它旨在使快速入门变得容易，并具有扩展到复杂应用程序的能力。它最初是围绕和的简单包装，并已成为最受欢迎的Python Web应用程序框架之一。 Flask提供了建议，但不强制执行任何依赖关系或项目布局。由开发人员选择他们想要使用的工具和库。社区提供了许多扩展，使添加新功能变得容易。 正在安装 使用安装和更新： pip install -U Flask 一个简单的例子 from flask import Flask app = Flask (

  3. 所属分类：其它

    • 发布日期：2021-03-22
    • 文件大小：5242880
    • 提供者：weixin_42123191

  1. Learn-Flask-源码

  2. Learn-Flask

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：58368
    • 提供者：weixin_42116681

  1. jairajc-源码

  2. 嗨，我是 :waving_hand: 我在读大学计算机专业的三年级时拥有丰富的经验，曾使用过各种技术，包括Web开发，数据科学，机器学习和深度学习。 过去，我曾在NetWeb Technologies担任数据科学实习生。我还曾在印度政府电信与信息技术部下属的TCIL印度担任数据分析师实习生。 目前，我正在寻找数据科学，机器学习或相关领域的全职职位。 我擅长的事情： 语言：Python，SQL，Ruby，Java，C ++ 框架：Flask，Ruby on Rails，AngularJS，Boo

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：1024
    • 提供者：weixin_42101056

  1. miftakhulaziz03:github自述文件-源码

  2. 你好呀 :waving_hand: Miftakhul阿齐兹- miftakhulaziz03 数据科学家/机器学习/深度学习 TensorFlow | Keras | Pandas | Numpy | Scikit-Learn | Scipy Anaconda | Jupyter-Lab | OpenCV | Matplotlib | Seaborn | Plotly 程式设计 构架 Node Js | Django | Flask Stat的

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：1024
    • 提供者：weixin_42168745

  1. FlightFare_Prediciton-源码

  2. FlightFare_Prediciton 概述这是一个Flask网络应用，可预测机票价格。 ＃动机我开始学习机器学习模型以充分利用它。 我开始了解所有监督模型背后的数学。 最后，在应用程序（实际应用程序）上工作以真正有所作为很重要。 安装 该代码是用Python 3.6.10编写的。 如果您没有安装Python，则可以在这里找到。 如果您使用的是较低版本的Python，则可以使用pip软件包进行升级，以确保您具有最新版本的pip。 要安装必需的软件包和库，请在克隆存储库后在项目目录中运行以

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：18874368
    • 提供者：weixin_42118056

  1. Deploy-House-Price-源码

  2. Flask教程以部署机器学习模型 使用flask将机器学习模型投入生产。 1.预测房价 环境与工具 scikit学习 大熊猫 麻木 烧瓶 安装 pip install scikit-learn pandas numpy flask python model-houseprice.py python app.py 2.预测销售价格 从下载数据集。 环境与工具 scikit学习 大熊猫 麻木 烧瓶 码头工人 安装 docker-compose up --build curl -X POST -

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：1048576
    • 提供者：weixin_42140716

  1. salary-prediction:使用Flask Web框架部署线性回归模型-源码

  2. 薪水预测-烧瓶部署 这是一个演示项目，用于详细说明如何使用Flask API在生产环境中部署机器学习模型 先决条件 您必须安装Scikit Learn，Pandas（用于机器学习模型）和Flask（用于API）。 项目结构 该项目包括四个主要部分： model.py-这包含我们的机器学习模型的代码，以预测hiring.csv文件中训练型数据上缺少的员工薪水。 app.py-包含Flask API，这些API通过GUI接收员工详细信息，根据我们的模型计算推定值并返回。 模板-此文件夹包含HT

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：6144
    • 提供者：weixin_42160398

  1. disaster-response-pipeline-源码

  2. 灾难响应管道项目（Udacity-数据科学纳米学位） 描述 该项目是关于分析图八中的灾难数据，以建立用于对灾难消息进行分类的API的模型。 包含灾难事件期间发送的真实消息的数据集。 我们将创建一个机器学习管道来对这些事件进行分类，以便我们可以将消息发送给适当的救灾机构。 该项目的主要部分是： 建立可加载数据，清除数据并将其保存到SQLite数据库的ETL管道 建立机器学习管道，训练分类器以接受消息作为数据集中36个类别的输入和输出分类结果 运行一个Web应用程序，应急人员可以在该应用程序中

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：6291456
    • 提供者：weixin_42131541

  1. final-project-源码

  2. 内容： 基于其他参数的ML生存Tableau Graphics Github页面前端 职责： 米歇尔-做Tableau的东西，ppt。 Colin-前端/后端 要求： 找到值得解决，分析或可视化的问题。 在所学技术的背景下使用机器学习。 您必须使用：Scikit-Learn和/或另一个机器学习库。 您必须至少使用以下两项： Python熊猫 Python Matplotlib HTML / CSS /引导程序 精巧Javascr ipt Javascr ipt D3.js J

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：1048576
    • 提供者：weixin_42168830

  1. disaster_response_pipeline_project-源码

  2. 灾害响应管道项目 目录 描述 入门 依存关系 指示 作者 致谢 致谢 描述 这是一个使用图八提供的数据的项目。 该项目的目标是分析图八中的灾难数据，以建立一个对灾难消息进行分类的模型。 数据集包含在灾难事件期间发送的真实消息。 该项目具有用于对这些事件进行分类的机器学习管道，以便可以将新消息分类到适当的救灾机构。 还创建了一个Web应用程序，应急人员可以在其中输入新消息并获得多个类别的分类结果。 该Web应用程序还显示数据的可视化。 入门 依存关系 的Python 3 ML库：Numpy，P

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：4194304
    • 提供者：weixin_42105169

  1. mask_detection-源码

  2. 遮罩检测模型 该项目旨在利用openCV和scikit Learn创建一个简单的遮罩检测模型。 方案 在找到图片中的蒙版之前，该程序首先通过openCV级联分类器找到面部。 然后，将裁剪的图像转发到随机森林分类器中。 被标记为蒙版，未蒙版或错误蒙版后，将显示带有标记区域和文字注释的图片。 所有步骤都可以在workflow.ipynb文件中看到。 数据 因为我希望模型能够检测到第三类-错误的蒙版，所以我使用了数据集。 为了在不同的图像上显示结果，我使用了的图片。 有待完成 我计划使用Flask和

  3. 所属分类：其它

    • 发布日期：2021-02-27
    • 文件大小：104857600
    • 提供者：weixin_42103128

  1. spotify_recommender_system：一个Web应用程序，可根据用户的Spotify收听历史向他们推荐新歌曲-源码

  2. Spotify推荐系统 一个Web应用程序，可根据用户的Spotify收听历史向他们推荐新歌曲。 它还允许您创建推荐歌曲的播放列表并将其添加到您的Spotify帐户。 尝试 数据源 使用的工具 Python（Numpy，Pandas，Scikit-Learn） 烧瓶 码头工人 Heroku Github动作 致谢 Spotify授权流程： 带有jQuery和Flask的Ajax表单： 背景图像： 浏览器图标图像：

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：129024
    • 提供者：weixin_42131601

  1. 人工智能保健-源码

  2. 人工智能保健 表中的内容 演示版 家 在职的 概述 AI-Healthcare是一个Web应用程序，用于预测器官（如心脏，肾脏，肝脏）和疟疾，肺炎等疾病的发病率。此项目是借助机器学习，深度学习模型和Flask框架进行的。 最低要求 硬盘：500GB 内存：4GB 作业系统：Windows / Linux 先决条件 的Python 3.7 水蟒 VS代码 工具框架 熊猫：用于数据分析。 numpy：执行许多数学运算。 scikit-learn：用于构建机器学习模型。 Tensorfl

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：118489088
    • 提供者：weixin_42110070

  1. flask-framework2：Docker方法-源码

  2. 完成的项目： 使用您自己的API密钥修改app.py。 里程碑项目链接： Heroku的烧瓶 该项目旨在帮助您将为期12天的课程中的一些重要概念和技术结合在一起，包括Git，Flask，JSON，Pandas，Requests，Heroku和Bokeh进行可视化。 该存储库包含可在Heroku上运行的Flask配置的基本模板。 我们将使用docker创建一个容器，该容器使我们可以使用比裸heroku安装更多的软件包，并且可以绕过heroku的子弹限制（用于部署scikit-learn模型

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：6144
    • 提供者：weixin_42098104

  1. ML-Microservice-Kubernetes：使用Kubernetes操作机器学习微服务API-源码

  2. 项目概况 该项目旨在使用Kubernetes操作机器学习微服务API。 预测在数据集上训练的价格的scikit-learn模型用作ML Microservice应用程序。 它被配置为Python Flask应用程序。 使用Docker将应用程序容器化，然后将其推送到DockerHub。 然后，配置Kubernetes集群，并使用Kubernetes部署docker容器。 最后，可以通过正在运行的烧瓶应用程序进行预测。 描述 app.py文件使用scikit-learn预测房价，并且还包含flas

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：223232
    • 提供者：weixin_42133753

  1. C力-源码

  2. 先决条件 您必须安装Scikit Learn，Pandas（用于机器学习模型）和Flask（用于API）。 项目结构 model.py-包含用于我们的机器学习模型的代码，该代码可根据yahoo Finance等“ BTC-USD.csv”等文件中的过去训练数据执行库存预测，以快速进行原型制作。 app.py-包含Flask API，它们通过GUI或API调用接收员工详细信息，根据我们的模型计算推定值并返回。 模板-此文件夹包含HTML模板，允许用户输入员工详细信息并显示预计的员工薪水。 运行

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：80740352
    • 提供者：weixin_42125867

  1. 住房：我的纽约市租金预测应用程序的代码库-源码

  2. 纽约市房租估算器应用 我的纽约市房租估算器应用的代码库。 接受公寓的位置，大小和便利设施作为输入； 输出估计的标价和SHAP驱动的说明，以计算该标价。 使用Flask / Jinja，Pandas，Pymongo，Scikit-learn和其他社区软件包在Python中构建。 使用CircleCI和Docker进行部署。 CI / CD集思广益 这个版本需要什么？ 将基础架构视为代码 测试需要通过 合并时 在构建/部署时 Python依赖项在部署时，确保它们都在那里 数据依赖项：data.c

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：23068672
    • 提供者：weixin_42118160

  1. MakeDataModel-源码

  2. ML模型瓶部署 这是一个演示项目，用于详细说明如何使用Flask API在生产环境中部署机器学习模型 先决条件 您必须安装Scikit Learn，Pandas（用于机器学习模型）和Flask（用于API）。 项目结构 该项目包括四个主要部分： model.py-这包含我们的机器学习模型的代码，以预测hiring.csv文件中训练型数据所缺少的员工薪水。 app.py-包含Flask API，它们通过GUI或API调用接收员工详细信息，根据我们的模型计算推定值并返回。 request.py

  3. 所属分类：其它

    • 发布日期：2021-02-09
    • 文件大小：6144
    • 提供者：weixin_42172972

  1. maverick_mantha-源码

  2. ML模型瓶部署 这是一个演示项目，用于详细说明如何使用Flask API在生产环境中部署机器学习模型 先决条件 您必须安装Scikit Learn，Pandas（用于机器学习模型）和Flask（用于API）。 项目结构 该项目包括四个主要部分： model.py-这包含我们的机器学习模型的代码，以预测hiring.csv文件中训练型数据所缺少的员工薪水。 app.py-包含Flask API，它们通过GUI或API调用接收员工详细信息，根据我们的模型计算推定值并返回。 request.py

  3. 所属分类：其它

    • 发布日期：2021-02-09
    • 文件大小：601088
    • 提供者：weixin_42105169

  1. simple-spam-classifier：一个包含scikit-learn + nltk的NLP分类器的Flask应用-源码

  2. 简单垃圾邮件分类器 这是一个使用python的简单垃圾邮件分类器的系统（理论上可以用于任何二进制分类器，但只会返回SPAM / HAM标签）。 当前，此系统将SPAM定义为0，将HAM定义为1。分类器使用scikit-learn包。分类器使用scikit-learn包。 它有5个可用的分类器，每次对其进行训练时，它将搜索模型的最佳参数。 对于NGram，它同时使用unigram和bigram。 如有必要，您可以更改搜索参数。 具有〜10000个训练数据和测试数据的单个MultinomialNB分

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：37888
    • 提供者：weixin_42174098
« 12 »