CFU游乐场 需要更快的ML处理器？ 自己做！ 该项目提供了一个框架，一个工程师，实习生或学生可以用它来设计和评估改进的基于FPGA的“软”处理器，特别是增加的机器学习（ML）任务的性能。 目的是抽象出大多数基础结构细节，以便用户可以快速上手，并专注于添加新的处理器指令，在计算中利用它们并测量结果。 该项目可实现处理器改进方面的快速迭代-每天多次迭代。 这是最高级别的工作方式： 选择一个TensorFlow Lite模型; 提供量化的人员检测模型 在Arty FPGA板上执行推理以获取每

ML游乐场 机器学习项目列表。 我的一些小型项目在和上发布。 项目 描述 Twitter情绪分析 预测乘车需求 分析和解释批发分销商的客户群 酒店推荐系统 从巴西的Olist电子商务中识别消费者决策的模式 分析停车违规 可视化现代艺术博物馆的收藏和目录 零售数据集的探索性数据分析

学习期间的游乐场 基于ML的实现 模式识别和机器学习BISHOP 页码将被标记在笔记本内部 ML1包含来自柏林机器学习1的HW的自写答案。 ENV： 体育馆== 0.15.3 numpy == 1.17.2 的openv-python == 4.1.1.26 张量板== 2.0.1 火炬== 1.3.0 火炬视觉== 0.4.1 pytorch-ignite == 0.2.1 tensorboardX == 1.9 张量流== 2.0.0 matplotlib

毫升游乐场 这是Code.org的AI Lab的仓库。 像和仓库一样，它是一个独立的仓库，由发布和使用。 AI Lab是一个高度可配置的环境，可为学生提供以下操作的体验： 加载表格数据（从带有JSON元数据的预加载CSV或从用户上传的CSV） 选择要预测的列（标签） 选择用于预测的列（特征） 处理分类列和连续（数字）列 查看每列图形和元数据 查看自定义表以比较类别列 查看散点图以比较连续列 使用SVM或KNN分类或KNN回归来训练模型 选择要保留用于验证的数据子集 使用保留的数据来测

ML游乐场FE E2E ML Playground FE用のe2eテストを提供します。 使用技术 言语：Javascr ipt ブラウザ自动化：剧作家 テストフレームワーク： playwright / test