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. 程序员基本功+学习工作必不可少的资料网站集合

  2. 程序员基本功+学习工作必不可少的资料网站集合

  3. 所属分类：专业指导

    • 发布日期：2011-09-15
    • 文件大小：214016
    • 提供者：qq443068902

  1. C# ASP.NET JS 学习工作代码积累

  2. C# ASP.NET JS 学习工作代码积累 工作和学习中的积累 很有用 很方便

  3. 所属分类：C#

    • 发布日期：2008-09-23
    • 文件大小：164864
    • 提供者：xiaohaishan

  1. Python-PLynx是一个框架可以轻松地构建构建和部署复杂的机器学习工作流

  2. PLynx是一个框架，可以轻松地构建，构建和部署复杂的机器学习工作流

  3. 所属分类：其它

    • 发布日期：2019-08-10
    • 文件大小：14680064
    • 提供者：weixin_39841848

  1. ml-workspace:机器学习工作区Docker映像-源码

  2. ML-工作区 概述 这是一个机器学习工作区，配置为作为自定义容器部署在GCP AI Notebooks上。 它包括机器学习的标准映像中未包括的许多其他软件包，包括可视化软件包（季节性，绘图），ml软件包（tslearn），访问云存储所需的软件包（boto3，google-cloud-storage等）以及实用程序包（pytest）。 列出了其他软件包的完整列表。 要添加或删除自定义软件包，只需更新Dockerfile。 此外，通过更新基础映像，您可以将容器配置为与任何GCP 容器一起运行 注

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：11264
    • 提供者：weixin_42097967

  1. ml-workflows:一个项目，提供了一种简单的方法来开始使用Prefect和Dask为AWS中的机器学习工作流构建分布式环境-源码

  2. ml-werkflows 一个项目，提供了一种简单的方法来开始使用Prefect和Dask为AWS中的机器学习工作流构建分布式环境。 我想使用pythonic方法来构建引导资源，以使任何人都能快速开始使用Dask和Prefect进行云环境中的分布式数据处理和ML资源操作。 我已经在一个AWS环境中为我工作过的一家独立公司创建了一个流程，但是我想按照类似的方法为一家独立公司创建另一个项目。 为了能够采用这种出色的技术堆栈，我决定着手进行一个项目，该项目将使其他人可以轻松地采用类似的方法，并允许

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：14336
    • 提供者：weixin_42142062

  1. ml-werkflows:一个项目，提供了一种简单的方法来开始使用Prefect和Dask为AWS中的机器学习工作流构建分布式环境-源码

  2. ml-werkflows 一个项目，提供了一种简单的方法来开始使用Prefect和Dask为AWS中的机器学习工作流构建分布式环境。

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：2048
    • 提供者：weixin_42102358

  1. AMLBio_2021:高度模块化的机器学习工作流程，用于生物系统的优化和预测-源码

  2. AMLBio_2021 高度模块化的机器学习工作流程，用于生物系统的优化和预测 可以在Google Colab Online上获得完整的性能 为了优化： 转到AMLBio_2021_Optimization_Notebook_vDev.ipynb 预测： 转到AMLBio_2021_Prediction_Notebook_vDev.ipynb 然后点击“在Colab中打开” 文献资料 所有功能都具有DocString形式的帮助（即，Help（功能名称）） 支持 随时联系： 引用方式：

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：5242880
    • 提供者：weixin_42110038

  1. note：记录学习工作中遇到的有趣的东西-源码

  2. note：记录学习工作中遇到的有趣的东西

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：19456
    • 提供者：weixin_42099815

  1. 学习工作区-源码

  2. 学习工作区

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：3145728
    • 提供者：weixin_42173218

  1. Python：我的Python自我学习工作-源码

  2. Python自学 我的python自我学习工作

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：13312
    • 提供者：weixin_42134117

  1. st_doc：将自己在平时学习工作中获取到的知识心得形成文档并分类展现-源码

  2. 项目简介 将自己在平时学习工作中得到到的知识心得形成文档并分类展现

  3. 所属分类：其它

    • 发布日期：2021-02-19
    • 文件大小：2097152
    • 提供者：weixin_42176827

  1. 机器学习：机器学习工作-源码

  2. 机器学习：机器学习工作

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：4096
    • 提供者：weixin_42142062

  1. dltesting：测试深度学习工作流程的版本-源码

  2. 测试 测试深度学习工作流程的版本

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：5120
    • 提供者：weixin_42116794

  1. LiFT：LinkedIn Fairness Toolkit（LiFT）是一个ScalaSpark库，可以在大规模机器学习工作流程中测量公平性-源码

  2. LiFT：LinkedIn Fairness Toolkit（LiFT）是一个ScalaSpark库，可以在大规模机器学习工作流程中测量公平性

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：124928
    • 提供者：weixin_42123456

  1. TransmogrifAI：TransmogrifAI（发音为trăns-mŏgˈrə-fī）是一个AutoML库，用于在Apache Spark上构建模块化的，可重用的，强类型的机器学习工作流，而无需进行手动调整-源码

  2. TransmogrifAI TransmogrifAI（发音为trăns-mŏgˈrə-fī）是用Scala编写的AutoML库，它在Apache Spark之上运行。 它的开发重点是通过机器学习自动化来提高机器学习开发人员的生产率，以及一个用于强制执行编译时类型安全，模块化和重用的API。 通过自动化，它实现了接近手动调整模型的精度，时间减少了近100倍。 如果您需要机器学习库来执行以下操作，请使用TransmogrifAI： 数小时而不是数月内即可构建生产就绪的机器学习应用程序 在没有

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：116391936
    • 提供者：weixin_42149145

  1. 深度学习工作簿：解决机器学习问题的通用工作流-源码

  2. 深度学习工作簿：解决机器学习问题的通用工作流

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：158720
    • 提供者：weixin_42151305

  1. KubeFATE：使用云原生技术管理联合学习工作负载-源码

  2. 注意：在开发过程中， master分支可能处于不稳定甚至损坏的状态。 请使用代替master分支，以获得稳定的二进制文件集。 总览 联合学习涉及多个方面来共同训练机器学习模型，因此它通常基于分布式系统。 KubeteFATE使用云原生技术（例如容器）管理联合学习工作负载。 KubeFATE使联合学习作业可以在公共，私有和混合云环境中运行。 （联邦人工智能技术使能器）是一个由Webank的AI部门发起的开源项目，旨在提供安全的计算框架来支持联邦AI生态系统。 它基于同态加密和多方计算（MPC）

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：10485760
    • 提供者：weixin_42134143

  1. terraform-aws-spotgpu：使用Terraform为深度学习工作负载全自动配置AWS EC2竞价型实例-源码

  2. terraform-aws-spotgpu：使用Terraform为深度学习工作负载全自动配置AWS EC2竞价型实例

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：1048576
    • 提供者：weixin_42155721

  1. aml-workspace：GitHub操作，可让您创建或连接到Azure机器学习工作区-源码

  2. 用于创建或连接到Azure机器学习工作区的GitHub操作 用法 aml-workspace操作将登录/连接到 。 立即开始使用！ 该存储库包含一个GitHub Action，用于连接到Azure机器学习工作区。 您以后可以使用此上下文远程训练模型，将模型部署到端点等。如果提供适当的参数，也可以使用此操作来创建新的工作空间。 利用GitHub Actions和Azure机器学习来训练和部署机器学习模型 此操作是可用于设置ML Ops流程的一系列操作中的一个。 我们建议您开始使用我们的模板存储

  3. 所属分类：其它

    • 发布日期：2021-01-28
    • 文件大小：17408
    • 提供者：weixin_42116585

  1. aml-run：GitHub操作，可让您将运行提交到Azure机器学习工作区-源码

  2. GitHub Action使用Azure训练机器学习模型 用法 Azure机器学习培训操作将帮助您使用GitHub Actions在上训练模型。 立即开始使用！ 该存储库包含一个GitHub Action，用于使用Azure机器学习以几种不同的方式来训练机器学习模型，每种方式具有不同的功能。 要提交训练运行，您必须定义应远程运行的python文件以及相对应的配置文件 对其他GitHub动作的依赖 将您的Git存储库内容签入GitHub Actions代理。 此操作要求存在Azure机器学习

  3. 所属分类：其它

    • 发布日期：2021-01-28
    • 文件大小：29696
    • 提供者：weixin_38706782
« 12 3 4 5 6 7 8 9 10 ... 50 »