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. sajmera9.github.io:用于部署CLT模型的网站-源码

  2. sajmera9.github.io 用于部署CLT模型的网站

  3. 所属分类：其它

  1. sklearn-flask-docker:使用Docker容器使用Flask部署sklearn模型的示例-源码

  2. sklearn-flask-docker 使用Docker容器使用Flask部署sklearn模型的示例。 本教程需要基本的Docker知识。 脚步： 1.训练模型 在此示例中，我们使用Iris训练数据集训练玩具模型。要训​​练新模型，请运行以下命令： python train.py 这将在名为model.pkl的文件中输出一个腌制模型。 2.构建包含烧瓶和模型的Docker映像 构建图像（ docker build ）称为chrisalbon / sklearn烧瓶-搬运工（ --tag

  3. 所属分类：其它

  1. PaddleRec:大规模推荐模型训练工具-源码

  2. （|简体中文| ） 什么是推荐系统？ 推荐系统是在互联网信息爆炸式增长的时代背景下，帮助用户高效获得关注信息的关键； 推荐系统也是帮助产品吸引吸引用户，留存用户，增加用户粘性，提高用户转化率的银弹。 有无数优秀的产品承受用户可感知的推荐系统建立了良好的口碑，也有无数的公司依靠直击用户痛点的推荐系统在行业中占领了一席之地。 可以说，谁能掌握和利用好推荐系统，谁就能在信息分发的激烈竞争中抢得先机。复杂的模型结构，低效的分布式训练环境，过渡的在离线一致性，苛刻的上线部署要求，以上种种，不胜枚举。 什

  3. 所属分类：其它

  1. dl-model:Dragalia丢失的模型查看器-源码

  2. 该项目是通过引导的。 可用脚本 在项目目录中，可以运行： npm start 在开发模式下运行应用程序。打开在浏览器中查看它。 如果您进行编辑，则页面将重新加载。您还将在控制台中看到任何棉绒错误。 npm test 在交互式监视模式下启动测试运行器。有关更多信息，请参见关于的部分。 npm run build 构建生产到应用程序build文件夹。它在生产模式下正确捆绑了React，并优化了构建以获得最佳性能。 生成被最小化，并且文件名包括哈希值。您的应用已准备好进行部署！ 有关更多信息，请参见关

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：876mb
    • 提供者：weixin_42134097

  1. ssh-key-distributor:一个基于Flask Admin和苗条的Ansible剧本的简单SSH密钥管理器和部署程序-源码

  2. SSH密钥分发者 目标 提供简单的服务以半自动确保一组系统（user host组合）上公共密钥的存在（或不存在）。 建筑学 前端 基于 基本上，CRUD接口（）基于数据模型托管（）（强大的实现） 数据库 具有三个表（ key ， profile ， system ）和两个关联表（ at_key_profile ， at_profile_system ）的简单数据模型 快速，可将示例数据添加到数据库 部署方式 半动态地创建一个文件 以及。 剩下要做的就是通过一个来部署所有密钥。 尚未实施 修改尚

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：107kb
    • 提供者：weixin_42097369

  1. Spam_Detector:在Heroku平台中部署的NLP模型Flask框架-源码

  2. Spam_Detector:在Heroku平台中部署的NLP模型Flask框架

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：311kb
    • 提供者：weixin_42136365

  1. model-deployment:此播放列表涵盖了YouTube中课程中一部分介绍的模型部署-https-源码

  2. 模型部署 此播放列表涵盖了YouTube课程中一部分介绍的模型部署-https: 如果您专门在Google Cloud Platform上寻找模型部署，则可以查看 -

  3. 所属分类：其它

  1. How-to-Deploy-a-Tensorflow-Model-in-Production:这是Siraj Raval在YouTube上发布的“如何在生产中部署Tensorflow模型”的代码-源码

  2. 如何在生产中部署Tensorflow模型 这是Siraj Raval在YouTube上发布的“如何在生产中部署Tensorflow模型”的代码 概述 这是Siraj Raval在YouTube上录制的视频的代码。 我们将使用库在生产中部署初始模型。 依存关系 所有这些都包含在iPython笔记本中。 您只需要 用法 通过在主目录的终端中运行jupyter notebook notebook来运行jupyter notebook 。 所有说明都在那儿。 随附的2个文件-一个是客户端，另一个是我们

  3. 所属分类：其它

  1. Googe_Cloud_AutoML_Vision-Model:项目目标是使用Google Cloud AutoML在医学影像数据集上构建四个具有四个不同变体的模型。 然后部署模型并观察数据的属性如何影响模型的结果-源码

  2. Googe_Cloud_AutoML_Vision-模型 项目目标是使用Google Cloud AutoML在医学影像数据集上构建四个具有四个不同变体的模型。 然后部署模型并观察数据属性如何影响模型的结果。

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：213kb
    • 提供者：weixin_42105169

  1. DS：数据科学项目模型的回购-源码

  2. 数据科学 项目1：足球运动员的评分（ ） 使用来自欧洲足球数据库的数据并建立了回归模型，以基于各种属性预测足球运动员的整体评分。 使用Flask构建了基本的API，并将其部署到GCP，Herolu和Pivotal云平台中。 项目2：预测一个人每年的收入是否超过5万（ ） 建立了几个分类模型，以预测一个人每年从经典成人数据集中赚取的收入是否超过5万。 建立了KNN，决策树，随机森林和XGBoost模型，并通过比较各自的AUC和准确性得分，比较了哪一种最适合数据集。 项目3：Zomato

  3. 所属分类：其它

  1. rails-mister-cocktail：3个模型rails应用-源码

  2. 自述文件 该自述文件通常会记录启动和运行应用程序所需的所有步骤。 您可能要讲的内容： Ruby版本 系统依赖 配置 数据库创建 数据库初始化 如何运行测试套件 服务（作业队列，缓存服务器，搜索引擎等） 部署说明 ...

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：168kb
    • 提供者：weixin_42099116

  1. container-prediction-model：使用docker和kubernetes部署预测-源码

  2. 运作机器学习模型 介绍 该项目部署了一个sklearn模型来预测房价。 首先，我们使用docker容器化应用程序。 最后，我们使用Kubernetes部署应用程序。 如何执行这个专案 所有步骤都将需要Bash和Make。 要测试应用程序，请运行make_prediction bash脚本 运行python应用程序 要运行python应用程序： 设置python环境： make setup 更新pip并安装要求： make install 运行python应用程序： python app

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：218kb
    • 提供者：weixin_42123456

  1. 模型艺术实验室-源码

  2. 模型艺术实验室 柔性发动机介绍 ModelArts是基于Flexible Engine的一站式AI平台。 灵活引擎（Orange Business Services的公共云平台）使您可以通过简单且符合人体工程学的技术控制台或API部署云资源（例如，弹性云服务器）。 它使您可以访问功能强大且可扩展的云基础架构，以用于IS应用程序或网站。 Flexible Engine包含50多种IaaS和PaaS功能，从安全性和大数据到容器，虚拟桌面和AI服务 欲获得更多信息： 有关ModelArts的更多

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：253kb
    • 提供者：weixin_42115003

  1. yolov4-darknet-notes：有关在Azure上培训和部署Darknet YOLO v4模型的说明-源码

  2. 在Azure上训练自定义YOLO v4暗网模型并在IoT Edge上与Azure Live Video Analytics一起运行 目录 训练定制的YOLO v4模型 先决条件 SSH客户端或命令行工具-对于Windows，请尝试 SCP客户端或命令行工具-对于Windows，请尝试 Azure订阅-适用于新客户的。 熟悉Unix命令-例如vim ， nano ， wget ， curl等。 视觉对象标记工具 在Azure中的Ubuntu（18.04）虚拟机上安装并运行测试 通过使用项目

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：11kb
    • 提供者：weixin_42179184

  1. PaddleOCR：基于PaddlePaddle的出色多语言OCR工具包（实用的超轻型OCR系统，提供数据注释和综合工具，支持在服务器，移动，嵌入式和IoT设备之间进行培训和部署）-源码

  2. English | 介绍 PaddleOCR旨在创建多语言，出色，领先和实用的OCR工具，以帮助用户训练更好的模型并将其应用于实践。 注意 PaddleOCR支持动态图和静态图编程范例 动态图：dygraph分支（默认），受桨2.0.0支持（） 静态图：开发分支 最近更新 2021.1.21更新了超过25种以上的多语言识别模型的，包括：英语，中文，德语，法语，日语，西班牙语，葡萄牙语，俄罗斯，阿拉伯语等。 更多语言的模型将继续更新 。 2020.12.15更新了数据合成工具，即 ，易于合成与

  3. 所属分类：其它

    • 发布日期：2021-02-07
    • 文件大小：51mb
    • 提供者：weixin_42099633

  1. 推荐器：TensorFlow Recommenders是一个使用TensorFlow构建推荐器系统模型的库-源码

  2. TensorFlow推荐人 TensorFlow Recommenders是一个使用构建推荐系统模型的库。 它有助于构建推荐系统的完整工作流程：数据准备，模型制定，培训，评估和部署。 它基于Keras构建，旨在使学习曲线平缓，同时仍使您可以灵活地构建复杂的模型。 安装 确保已安装TensorFlow 2.x，并从pip安装： pip install tensorflow-recommenders 文献资料 看看我们的和。 快速开始 为Movielens 100K数据集建立分解模型非常简单

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：240kb
    • 提供者：weixin_42128963

  1. ubiquity-pkpd：普遍存在的PKPD模型开发和部署工具-源码

  2. ubiquity-pkpd：普遍存在的PKPD模型开发和部署工具

  3. 所属分类：其它

  1. tfShell：可轻松扩展，构建，训练，测试和部署机器学习模型的类-源码

  2. TF壳 该项目提供python类以自动构建，训练和测试tensorflow机器学习模型。 结构如下： 为您要训练的模型架构创建一个类。 例子在图表/ 此类具有init方法，该方法定义权重，偏差等。 此类还具有一个call方法，该方法将一些数据作为输入，并返回模型的输出 创建一个扩展了Models / BaseModel的模型类 在此类的初始化中，创建（1.）中的体系结构类并将其存储为属性 该课程跟踪学习超参数，例如算法和学习率。 这也是张量数据占位符的存储位置，以及在训练和测试期间运行的

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：12kb
    • 提供者：weixin_42153615

  1. rafter-alpha ：（已存档）由Google Cloud支持的无服务器部署平台-源码

  2. 椽 :house_with_garden: 更新：Rafter正在转向托管模型。 此开源代码仍然是一个有趣的参考。 请享用！ Rafter是由提供支持的无服务器部署平台。 它利用Google Cloud Run（和许多其他工具）将您的Git存储库转换为在云中运行的完全可扩展的无服务器应用程序-零配置。 :money_bag: 不使用时可缩放至零，为您节省金钱-非常适合业余项目 :fire: 自动缩放以处理负载 :electric_plug: 自动为您的应用程序管理，连接和创建Cloud

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：716kb
    • 提供者：weixin_42113552

  1. plumberModel：使用最少的代码创建用于部署R模型的API-源码

  2. 水管工模型 有助于将经过训练的模型部署到生产的最小代码的软件包。 它使用带有几个有用端点的plumber包创建一个API。 library( tidyverse ) library( caret ) library( plumberModel ) model % select( - Species ), iris $ Species ) api <- PlumberModel $ new( model ) api $ run( port = 8000 ) 1.可用端点 GET / mo

  3. 所属分类：其它

« 12 3 4 5 6 7 8 9 10 ... 50 »