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. stantargets:具有目标和cmdstanr的可重现贝叶斯数据分析管道-源码

  2. stantargets stantargets R软件包是对Bayesian数据分析的和的扩展。 stantargets使得设置有用的可扩展Stan管道变得非常容易，该管道可自动并行化计算并在结果已为最新时跳过昂贵的步骤。需要最少的自定义代码，并且不需要手动配置分支，因此使用比单独使用容易得多。 stantargets可以访问的所有主要算法（MCMC，变分贝叶斯算法和优化），并且支持单拟合工作流和多重复仿真研究。 先决条件 的。 基本了解 ：观看6至40分钟，然后阅读。 熟悉贝叶斯统计和。事先

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：429kb
    • 提供者：weixin_42122881

  1. image-graphs:从三维图像数据构建图-源码

  2. 图像图 探索用于并行构造从类似图像的数据派生的图的算法。 请参阅我们的。 去做 C ++ 添加对d> 1的支持 为邻居计数创建严格的上限 在C ++中使用NRRD阅读器（也许吗？） 多线程 茱莉亚（Julia） 多线程 CUDA

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：128kb
    • 提供者：weixin_42099814

  1. IBM-AI0403-Team3:数据科学项目-源码

  2. IBM-AI0403-Team3 数据科学的顶峰项目 供团队在colab中试用jupyter笔记本使用。 项目背景与准则： 讲师应向学习者强调，数据科学方法论方法的8个阶段可以看作是两个较大的分组： 第一组包括：业务理解，数据探索，转换和可视化 第二组包括：训练，验证，部署模型和反馈环境。 第二组处理预测性和说明性分析，而第一组处理描述性分析等。 注意：方法的范围将取决于数据类型，业务目标等。由于也会增加复杂性，因此所需的角色将在第二组中具有更多的数据科学家和数据工程师角色。 项目简介

  3. 所属分类：其它

  1. magnus:数据流转系统-源码

  2. 编码机器人变得疯狂 版本1 想法有很多，第一个版本，想做到的就是可用，支持常用的生产者和消费者，简单的负载均衡策略和并发控制，梳理整体的模块逻辑架构，逐步升级优化再逐步完善。 关于数据流 这里定义的流就是业务上的一条数据流，例如业务模块需要收集的独立的日志流。一条数据流可能有多个生产者和消费者，其中生产者负责生产数据，消费者负责消费数据，典型的生产者消费者模型。每个条形码流通过一个toml配置文件来描述，magnus启动时会检测conf下所有的配置文件，初始化并启动所有的流。 流负责将生产者生

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：662kb
    • 提供者：weixin_42135073

  1. Data_Science_Portfolio:在学术界和自我学习中均已完成的数据科学组合-源码

  2. 数据科学组合 该产品组合包含以学术界和自学方式完成的数据科学领域的各种项目。 组织 1.机器学习 ：数据分析和机器学习解决了电信客户流失。 ：线性回归教程，从零开始实施numpy / pandas与scikit-learn进行比较，以预测客户可以出售其房屋的最佳价格。 ：预测签名是由希格斯玻色子（信号）还是其他过程（背景）产生的。 仅使用Numpy从头开始实现所有ML模型。 ：使用传统的机器学习技术对tweet进行正/负情感分析。 2.深度学习 ：使用协作采样方案可提高深度生成对抗网络中

  3. 所属分类：其它

  1. demo-mt:rav1e by-gop处理数据流演示-源码

  2. rav1e by-gop处理数据流演示 它将取代当前的channel-api内部，并在gop级别提供并行性。

  3. 所属分类：其它

  1. warp-ctc：快速并行CTC-源码

  2. 经编 在CPU和GPU上快速并行实现CTC。 介绍 主义者的是一种损失函数，可用于对序列数据进行监督学习，而无需在输入数据和标签之间进行对齐。 例如，CTC可用于训练用于，这就是我们在百度的硅谷AI实验室中一直使用的方式。 上图显示了CTC计算输出序列“ THE CAT”的概率，作为可能映射到“ THE CAT”的输入序列的所有可能比对的总和，同时考虑到标签可能会重复，因为它们可能会延伸多个输入数据的时间步长（由图像底部的频谱图表示）。 由于所涉及的组合运算法则，显式地计算所有这些概率的和将是

  3. 所属分类：其它

    • 发布日期：2021-02-28
    • 文件大小：269kb
    • 提供者：weixin_42175516

  1. RaftLib：RaftLib C ++库，通过类似于C ++ iostream的运算符进行流数据流并发-源码

  2. 是一个C ++库，用于启用流/数据流并行计算。 使用简单的右移运算符（就像用于字符串操作的C ++流一样），可以将并行计算内核链接在一起。 使用RaftLib，我们无需显式使用pthreads，std :: thread，OpenMP或任何其他并行“线程”库。 这些经常被滥用，从而产生不确定的行为。 RaftLib的模型允许对连接每个计算内核的通信通道进行无锁的FIFO式访问。 完整的系统具有许多自动并行化，优化和便利功能，可实现相对简单的高性能应用程序创作。 随时尝试一下，如果您有任何问题，请

  3. 所属分类：其它

    • 发布日期：2021-02-27
    • 文件大小：428kb
    • 提供者：weixin_42168750

  1. 异步和并行编程-源码

  2. TPL用于构建多线程应用程序。 如果我们拥有大量数据，并且每个数据都可以作为子模块进行单独处理，那么TPL是最好的选择。 我们可以使用来自TPL的任务在不同的上下文中运行代码，但不能有效地使用cpu中的所有内核或所有可用线程，异步编程不同于并行编程。 异步编程将返回连续性，而并行编程将并行计算问题。 我们可以在.net中使用线程或tpl实现相同的目的。 线程类提供了对线程的低级控制。 但是，有了更多的控制权，责任就更大了。 我们需要使用线程类自己编写很多代码，但是使用tpl，我们可以轻松

  3. 所属分类：其它

  1. 软演员关键和扩展：软演员关键和优先体验重播（PER）的PyTorch实施+强调最新经验（ERE）+蒙克豪森RL + D2RL和并行环境-源码

  2. 软演员关键和扩展 PyTorch实施了具有扩展性PER + ERE + Munchausen RL的Soft-Actor-Critic ，并提供了用于并行数据收集和更快训练的多环境选项。 该存储库包括最新的Soft-Actor-Critic版本（ ）以及SAC的扩展： P rioritizedËxperienceřeplay（ ） Èmphasizing最近几个Ë没有忘记过去（xperience ） Munchausen强化学习 D2RL：强化学习深密度架构 N步自举 平行环境 在

  3. 所属分类：其它

  1. tensorflow-face-detection：基于mobilenet SSD的面部检测器，由tensorflow对象检测api驱动，由WIDERFACE数据集训练-源码

  2. Tensorflow人脸检测器 提供基于Mobilenet SSD（单发多盒检测器）的人脸检测器并提供预训练模型，由tensorflow，由训练。 产品特点 速度，在nvidia GTX1080 GPU上运行60fps。 内存，单次推理所需的GPU内存少于364Mb。 健壮，适应不同的姿势，此功能归功于，我手动清理了数据集以平衡精度和召回权衡。 并行，多进程视频处理可以同时推断多个输入，我测试了同时在单个GPU卡上处理4个视频，速度仍然具有竞争力，并且仍有容纳更多进程的空间。 依存关系 T

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：20mb
    • 提供者：weixin_42098104

  1. disk.frame：用于大于RAM数据的基于磁盘的快速并行数据处理框架-源码

  2. 磁盘框架 介绍 如何处理不适合随机存取存储器（RAM）的表格数据？ 使用{disk.frame} ！ 简而言之， {disk.frame}利用了两个简单的想法 将大于RAM的数据集分成多个块，并将每个块存储在文件夹内的单独文件中，然后 提供方便的API来操纵这些块 {disk.frame}的作用类似于分布式系统（例如Apache Spark，Python的Dask和Julia的JuliaDB.jl）用于中等数据，这些数据对于RAM而言太大，但不足以容纳大数据。 安装 您可以使用以下方法从安装

  3. 所属分类：其它

  1. twitter-watch：:bird:高度可配置的Twitter数据收集框架-源码

  2. Twitter观看 Twitter数据收集的框架。 包含用于数据收集的代码 包含UI的代码，它可以自动部署到gh-pages。 如果您通过将访问URL更改为自己的核心集来部署自己的核心集合，那么也可以使用。 有关完整说明，请查看Twitter Watch的初步版本。 建筑 当前版本合并了核心和api容器，但是您可以通过使用docker-compose-2.yml文件并在文件中注释第二行来使用原始架构中的版本（ nohup python api/main.py > logs_flask.

  3. 所属分类：其它

  1. deep-learning-training-gui：通过GUI（网络应用）在经过预先训练的深度学习模型上进行训练和预测模型。 没有更多的参数，没有更多的数据预处理-源码

  2. 描述 我的目标是在不编写额外代码的情况下，通过GUI（或您可以调用Web应用程序）简化经过预训练的深度学习模型的安装和培训。 设置数据集并立即开始训练，并使用TensorBoard或DLTGUI工具对其进行监视。 没有更多的参数，没有更多的数据预处理。 在开发此应用程序时，我受到NVIDIA开发的DIGITS系统的启发。 训练图像分类算法不会有任何问题。 训练图像分类模型，保存模型并根据保存的模型进行预测很容易。 几个参数！ 您将能够在预训练的模型上训练。 它在1.0中不存在，但是，

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：300mb
    • 提供者：weixin_42166626

  1. python-GomoryHu：Python中的简单Gomory-Hu树数据结构实现-源码

  2. Python中的Gomory-Hu树数据结构实现 描述 该存储库包含的简单实现，该允许通过预先计算树来有效计算网络中的最小切入量。 它通过对原始网络进行最小限度的切割来构造一棵树，并将其逐渐拆分为多个组件。 最后，在构造树时，可以通过在Gomory-Hu树上遍历树并将最小成本从s保持为t来查询最小割。 实作 这是数据结构及其构造算法的非常简单的实现。 Ford-Fulkerson算法用于计算最大流量/最小切割。 也有更快的流动算法（例如Edmonds-Karp，Dinic）。 该算法也可以并行

  3. 所属分类：其它

  1. 携带：Python ETL（Extract-Transform-Load）工具数据迁移工具-源码

  2. 携带 Carry是基于SQLAlchemy和Pandas的数据迁移工具。 产品特点 易于使用 ETL 支持常见关系数据库和CSV文件之间的数据迁移，包括Firebird，Microsoft SQL Server，MySQL，Oracle，PostgreSQL，SQLite，Sybase 支持迁移使用SQL语句查询的数据，并基于SQL语句自动创建视图以供以后参考 支持提取数据的复杂转换，例如：添加/删除/更改字段，添加/删除/更改行，分割行，合并等。 性能 实现了生产者-消费者模式以加快表的

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：92kb
    • 提供者：weixin_42116650

  1. imposm3：Imposm将OpenStreetMap数据导入PostGIS-源码

  2. 暂时的 Imposm是OpenStreetMap数据的导入器。 它读取PBF文件并将数据导入PostgreSQL / PostGIS。 它还可以使用OSM中的最新更改自动更新数据库。 它旨在创建针对渲染而优化的数据库（即生成图块或针对WMS服务）。 Imposm> = 3是用Go编写的，它是对以前的Python实现的完整重写。 配置/映射和缓存文件与Imposm 2不兼容，但是它们共享相似的体系结构。 Imposm的发展是由赞助 。 产品特点 高性能的 差异支持 自定义数据库架构 广

  3. 所属分类：其它

  1. nfstream：NFStream：灵活的网络数据分析框架-源码

  2. 是一个Python框架，提供快速，灵活和富于表现力的数据结构，旨在使使用在线或离线网络数据既简单又直观。 它旨在成为使用Python进行实际，现实世界中的网络数据分析的基本高级构建块。 此外，其更广泛的目标是成为研究人员的通用网络数据分析框架，以提供跨实验的数据可再现性。 现场笔记本 项目网站 讨论频道 最新发布的 支持的版本 项目许可证 建立状态 代码质量 代码覆盖率 主要特点 性能： NFStream的设计速度很快：Linux上的AF_PACKETV3 / FANOUT，并

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：35mb
    • 提供者：weixin_42176827

  1. HieraParser：基于BTG的自上而下的预排序（SMT）的快速并行实现-源码

  2. HieraParser v2.0-基于自上而下基于BTG的预购器的并行实现 HieraParser是基于自顶向下括号转换语法（BTG）的预排序的快速并行实现，已扩展为支持多线程，并行训练和并行解析。 有关基于自上而下基于BTG的解析器的在线培训算法，请参阅以下论文，中排序的， 与Nakagawa的实现方式不同，在Nakagawa的实现方式中，使用在线被动攻击（PA）算法来训练预排序器，我们采用了几种并行技术来并行化PA算法并并行地训练预排序器。 在对自动对齐的数据集进行训练时，此应用程序更

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：133kb
    • 提供者：weixin_42134054

  1. FoldsCUDA.jl：使用Transducers.jl和for循环（FLoops.jl）在CUDA上进行数据并行处理-源码

  2. FoldsCUDA.jl：使用Transducers.jl和for循环（FLoops.jl）在CUDA上进行数据并行处理

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：24kb
    • 提供者：weixin_42125192
« 12 3 4 5 6 7 8 9 10 ... 32 »