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. ptb-源码

  2. Create React App入门 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

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：200kb
    • 提供者：weixin_42180863

  1. PRPN-Analysis:此回购包含分析结果，该论文报告见“使用神经语言模型进行语法归纳”-源码

  2. PRPN分析 此仓库包含输出文件和分析结果，该报告在论文 [1]中进行了报告，我们在其中对解析阅读预测网络[2]进行了深入分析。 解析的文件可以在下载解析的文件以以下方式命名： parsed_ {parsed-dataset} {model-type} {train-data} _ {earlystop-criterion} .jsonl 示例：parsed_WSJ_PRPNUP_WSJFull_ESUP.jsonl 我们还共享提供最佳F-1分数的预训练模型（PRPN-LM在AllNLI上使用

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：441kb
    • 提供者：weixin_42099814

  1. BrainZ-2.0:https的延续和完善-源码

  2. 脑Z-2.0 延续和改进 新功能 增加自我复制添加了自托管功能（现在您不需要2个程序即可运行恶意软件） 支持不同的客户（Canary和PTB） 更好。

  3. 所属分类：其它

  1. Discord-Token-Grabber:一个用C ++编写的不和谐令牌采集器-源码

  2. 不和谐令牌的掠夺者 一个用C ++编写的不和谐令牌捕获器。 免责声明：此程序仅应用于教育目的。 关于 使用C ++ 17（在此项目中使用文件系统）。 它在Discord，Discord PTB，Discord Canary，Chrome，Opera，Brave和Yandex目录中搜索令牌。 一旦找到令牌，它会将其发送到您的Discord Webhook。 特征 比Python令牌捕获器（编译为.exe）更快，更好的性能。 文件较小 用法 确保您已安装C ++的Visual Studio 20

  3. 所属分类：其它

  1. DiscordGrabber：捕获不和谐令牌的Java应用程序-源码

  2. Discord Grabber v2 Discord Grabber v2是Discord令牌记录器的第二个版本，对以前的版本进行了改进： 检查令牌是否有效 提供有关帐户的信息 具有最小的持久性（即，将自身移至％APPDATA％并将其放置在注册表的Run目录中 特征 当前功能包括： 通过Discord Webhook发送信息（嵌入） 检查Discord（Canary，PTB）令牌，Google Chrome，Brave浏览器，Yandex浏览器和Opera浏览器 在发送令牌之前检查令牌是

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：67kb
    • 提供者：weixin_42138376

  1. 不和谐令牌记录器-源码

  2. 不和谐令牌记录器 。 特征 没有本地缓存 通过Discord Webhook进行转移 在多个目录（Discord，Discord PTB，Discord Canary，Google chrome，Opera，Brave和Yandex）中搜索授权令牌 无需外部Python模块 [ todo ]跨平台支持 如何使用 在Discord服务器上创建一个Webhook。 我建议创建一个新服务器。 在“WEBHOOK_URL”变量值更改为您不和谐网络挂接网址 （混淆代码或将其安装为其他脚本中的后门。）

  3. 所属分类：其它

  1. admmdarts-源码

  2. 差异化架构搜索 本文随附的代码 刘汉晓，卡伦·西蒙扬，杨一鸣。 arXiv：1806.09055 该算法基于建筑空间中的连续松弛和梯度下降。 它能够有效地设计用于图像分类的高性能卷积体系结构（在CIFAR-10和ImageNet上），以及用于语言建模的循环体系结构（在Penn Treebank和WikiText-2上）。 只需要一个GPU。 要求 Python >= 3.5.5, PyTorch == 0.3.1, torchvision == 0.2.0 注意：目前不支持PyTor

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：44kb
    • 提供者：weixin_42108054

  1. pytorch语言模型-源码

  2. PyTorch语言模型 有关当前建议的API，请参见main.py 去做： [] CharacterLanguageModelingDataset [] datasets.py [] ptb []维基文字 [] enwik8

  3. 所属分类：其它

  1. LinuxED：LinuxED是专为Linux和MacOS设计的EnhancedDiscord安装程序-源码

  2. LinuxED LinuxED是可在Linux上运行的EnhancedDiscord的替代安装程序。 该项目不以任何方式与Discord或EnhancedDiscord无关。 我在学习Python时就做到了这一点，而且我知道此脚本的外观看起来混乱，不一致和编码不佳。 支持的操作系统 LinuxED支持Linux，MacOS甚至Windows的大多数主要发行版。 它还支持所有版本的Discord（PTB，Stable，Canary等） MacOS支持 如果您想在MacOS上使用它，则首先需要通过

  3. 所属分类：其它

  1. PackageTrackerBot：电报包跟踪器Bot-源码

  2. PackageTracker机器人 快速开始 docker run -e BOT_ID=YOUR_ID -v /data/ptb:/usr/app/db indexyz/packagetrackerbot

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：16kb
    • 提供者：weixin_42134038

  1. Hitsuki：在python3上使用sqlalchemy数据库运行的模块化Telegram Python机器人-源码

  2. 日月-电报机器人 对于任何来这里克隆此机器人的人，将不提供任何支持。 如果您在电报上给我PM，将被忽略。 Hitsuki是使用sql3开发的带有sqalchemy数据库的bot，Hitsuki使用PTB（python-telegram-bot），pyrogram和telethon，Hitsuki在特定模块中使用Telethon和Pyrogram，但最初仅使用PTB设计。 最初是叉子，经过一些改进。 目前，Hitsuki专注于提高Android小组和动漫小组的效率，对于小组管理而言足够完善。

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：231kb
    • 提供者：weixin_42112658

  1. ptb-reader-rust：合并的Penn Treebank格式的简单解析-源码

  2. ptb-reader-rust：合并的Penn Treebank格式的简单解析

  3. 所属分类：其它

  1. lstm-char-cnn-tensorflow：进行中-源码

  2. 角色感知神经语言模型 Tensorflow实现。 作者的原始代码可以在找到。 该实现包含： 词级和字符级卷积神经网络 公路网 递归神经网络语言模型 当前的实现存在性能问题。 参见 。 先决条件 Python 2.7或Python 3.3+ 用法 要使用ptb数据集训练模型： $ python main.py --dataset ptb 要测试现有模型： $ python main.py --dataset ptb --forward_only True 要查看所有培训选项，请运行： $

  3. 所属分类：其它

  1. MemN2N-tensorflow：Tensorflow中的“端到端内存网络”-源码

  2. Tensorflow中的端到端内存网络 Tensorflow实现用于语言建模（请参阅第5节）。 来自Facebook的原始割炬代码可在找到。 先决条件 此代码需要 。 data目录中有一组样本Penn Tree Bank（PTB）语料库，这是衡量这些模型质量的流行基准。 但是您可以使用自己的文本数据集，其格式应如下。 当您使用docker image tensorflw / tensorflow：latest-gpu时，您需要将来的python包。 $ pip install future

  3. 所属分类：其它

  1. keras-tcn：Keras时间卷积网络-源码

  2. Keras TCN 与所有主要/最新的Tensorflow版本（从1.14到2.4.0+）兼容。 pip install keras-tcn Keras时间卷积网络。 [] 为什么选择时间卷积网络？ 与具有相同容量的循环体系结构相比，TCN具有更长的内存。 在各种任务（序列MNIST，添加问题，复制内存，字级PTB ...）上，其性能始终优于LSTM / GRU体系结构。 平行度，灵活的接收场大小，稳定的梯度，训练所需的低内存，可变长度的输入... 放大的因果卷积层堆栈的可视化（Wa

  3. 所属分类：其它