您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 文本挖掘tmSVM开源项目包含Python和Java两种版本带参考文档

  2. 文本挖掘tmSVM开源项目集成libSVM和liblinear包含Python和Java两种版本带PDF源码参考文档 简介 文本挖掘无论在学术界还是在工业界都有很广泛的应用场景。而文本分类是文本挖掘中一个非常重要的手段与技术。现有的分类技术都已经非常成熟,SVM、KNN、Decision Tree、AN、NB在不同的应用中都展示出较好的效果,前人也在将这些分类算法应用于文本分类中做出许多出色的工作。但在实际的商业应用中,仍然有很多问题没有很好的解决,比如文本分类中的高维性和稀疏性、类别的不平衡
  3. 所属分类:Python

    • 发布日期:2014-02-23
    • 文件大小:3mb
    • 提供者:vcfriend
  1. MachineLearning-master-python.zip

  2. 属于网络下载资源,感谢原作者的贡献。 ##目录介绍 - **DeepLearning Tutorials** 这个文件夹下包含一些深度学习算法的实现代码,以及具体的应用实例,包含: Keras使用进阶。介绍了怎么保存训练好的CNN模型,怎么将CNN用作特征提取,怎么可视化卷积图。 [keras_usage]介绍了一个简单易用的深度学习框架keras,用经典的Mnist分类问题对该框架的使用进行说明,训练一个CNN,总共不超过30行代码。 将卷积神经网络CNN应用于人脸识别的一个demo,人脸数
  3. 所属分类:专业指导

    • 发布日期:2016-07-04
    • 文件大小:1mb
    • 提供者:qq_33042687
  1. VGG16模型已经训练好的notop文件

  2. 该文件虽然是在github上可以找到的, 把该文件下载后保存到/root/.keras/models目录下即可
  3. 所属分类:Python

    • 发布日期:2017-04-02
    • 文件大小:56mb
    • 提供者:qianjiadong
  1. 基于selective_search对手写数字串进行分割,并基于tensorflow在mnist训练好的模型进行识别

  2. 基于selective_search源码对手写数字串进行过滤分割,并基于tensorflow在mnist训练好的模型进行识别。 环境:Windows10 + tensorflow1.2 + python3.5 + cv2 程序: example/demo.py---对手写数字图片的分割,并将每个数字做成28*28的黑底白字图片,保存在本地image_data.npy example/mnist_model.py---对手写体mnist数据集进行训练,训练好后读取数据进行识别 example/c
  3. 所属分类:深度学习

    • 发布日期:2017-08-03
    • 文件大小:49kb
    • 提供者:flyyoung0709
  1. 用tensorflow在mnist数据集下训练、测试模型

  2. 用tensor flow框架 在mnist数据集上训练一个神经网络模型,调试通过,上传给大家学习使用。 1.解压后为共有三个.py文件、一个文件为前向传播过程、另两个文件为训练和测试用 2.mnist数据集在mnist文件夹内,另一个文件夹保存训练好的模型,方便以后直接使用
  3. 所属分类:深度学习

    • 发布日期:2018-03-01
    • 文件大小:25mb
    • 提供者:a3765421
  1. python tensorflow学习之识别单张图片的实现的示例

  2. 假设我们已经安装好了tensorflow。 一般在安装好tensorflow后,都会跑它的demo,而最常见的demo就是手写数字识别的demo,也就是mnist数据集。 然而我们仅仅是跑了它的demo而已,可能很多人会有和我一样的想法,如果拿来一张数字图片,如何应用我们训练的网络模型来识别出来,下面我们就以mnist的demo来实现它。 1.训练模型 首先我们要训练好模型,并且把模型model.ckpt保存到指定文件夹 saver = tf.train.Saver() saver.save(
  3. 所属分类:其它

    • 发布日期:2020-12-25
    • 文件大小:157kb
    • 提供者:weixin_38516863
  1. python使用tensorflow保存、加载和使用模型的方法

  2. 使用Tensorflow进行深度学习训练的时候,需要对训练好的网络模型和各种参数进行保存,以便在此基础上继续训练或者使用。介绍这方面的博客有很多,我发现写的最好的是这一篇官方英文介绍: http://cv-tricks.com/tensorflow-tutorial/save-restore-tensorflow-models-quick-complete-tutorial/ 我对这篇文章进行了整理和汇总。 首先是模型的保存。直接上代码: #!/usr/bin/env python #-
  3. 所属分类:其它

    • 发布日期:2020-12-25
    • 文件大小:62kb
    • 提供者:weixin_38517212
  1. 基于keras 模型、结构、权重保存的实现

  2. 如何将训练好的网络进行保存,我们可以用pickle或cPickle来保存Keras模型,同时我们可以用下面的方法: 一、保存整个模型 model.save(filepath)将Keras模型和权重保存在一个HDF5文件中,该文件将包含: 模型的结构 模型的权重 训练配置(损失函数,优化器,准确率等) 优化器的状态,以便于从上次训练中断的地方 前提是已经安装python的h5py包. from keras.models import load_model 当我们再一次使用时可以model.loa
  3. 所属分类:其它

    • 发布日期:2020-12-20
    • 文件大小:48kb
    • 提供者:weixin_38742409
  1. tensorflow 保存模型和取出中间权重例子

  2. 下面代码的功能是先训练一个简单的模型,然后保存模型,同时保存到一个pb文件当中,后续可以从pd文件里读取权重值。 import tensorflow as tf import numpy as np import os import h5py import pickle from tensorflow.python.framework import graph_util from tensorflow.python.platform import gfile #设置使用指定GPU os.env
  3. 所属分类:其它

    • 发布日期:2020-12-20
    • 文件大小:44kb
    • 提供者:weixin_38552239
  1. tensorflow模型文件(ckpt)转pb文件的方法(不知道输出节点名)

  2. 网上关于tensorflow模型文件ckpt格式转pb文件的帖子很多,本人几乎尝试了所有方法,最后终于成功了,现总结如下。方法无外乎下面两种: 使用tensorflow.python.tools.freeze_graph.freeze_graph 使用graph_util.convert_variables_to_constants 1、tensorflow模型的文件解读 使用tensorflow训练好的模型会自动保存为四个文件,如下 checkpoint:记录近几次训练好的模型结果(
  3. 所属分类:其它

    • 发布日期:2020-12-20
    • 文件大小:68kb
    • 提供者:weixin_38590541
  1. python训练好的模型保存与加载

  2. python训练好的模型保存与加载 当我们训练好一个模型model后,如果在其他程序中或者下次想继续使用这个model,我们就需要把这个model保存下来,下次使用时直接导入就好了,不需要重新训练。 方式一: 采用joblib模块来保存model,首先安装joblib: pip install joblib 核心两行代码如下 # 保存 model joblib.dump(regr, '../../model/regr.pkl') # 加载 model clf = joblib.load('..
  3. 所属分类:其它

    • 发布日期:2021-01-07
    • 文件大小:37kb
    • 提供者:weixin_38708223
  1. WebStockPredict:基于Web的股票预测系统-源码

  2. WebStock预测 此项目是基于django的Web应用程序。它能指定指定范围内公司(此处为10个)的历史股票数据与未来某段时间的预测数据以及该股票的一些评价指标。 的一种LSTM神经网络模型。 目录说明 display_img:保存演示图片 htmlcov:使用coverage.py集成测试,自动生成的文件夹 LSTMPredictStock:包含了有关模型的一切,包括训练数据及其获取代码,模型构造,训练的代码,训练好的模型以及关于该python包的配置文件config.json的信息 st
  3. 所属分类:其它

    • 发布日期:2021-03-11
    • 文件大小:24mb
    • 提供者:weixin_42168265
  1. Unet:具有城市景观和kitti数据集的Unet-源码

  2. UNet:使用PyTorch进行语义分割 使用Cityscapes和Kitti数据集 用法 注意:使用Python 3.6或更高版本 预言 训练好模型并将其保存到MODEL.pth后,您可以通过CLI轻松测试图像上的输出蒙版。 要预测单个图像并保存,请执行以下操作: python predict.py -i image.jpg -o output.jpg 要预测多幅图像并显示它们而不保存它们,请执行以下操作: python predict.py -i image1.jpg image2
  3. 所属分类:其它

    • 发布日期:2021-03-02
    • 文件大小:12mb
    • 提供者:weixin_42119989
  1. Pytorch-UNet:U-Net的PyTorch实施,用于高质量图像的图像语义分割-源码

  2. UNet:使用PyTorch进行语义分割 在PyTorch中针对高清晰度图像针对Kaggle的自定义实施 。 该模型是从头开始训练的,具有5000张图像(无数据增强),并且在超过100k张测试图像上获得了0.988423(735中的511)的。 可以通过更多的培训,数据增强,微调,使用CRF后处理以及在蒙版边缘上施加更多权重来提高此分数。 Carvana数据可在上。 用法 注意:使用Python 3.6或更高版本 预言 训练好模型并将其保存到MODEL.pth后,您可以通过CLI轻松测试图
  3. 所属分类:其它

    • 发布日期:2021-02-20
    • 文件大小:26kb
    • 提供者:weixin_42097189
  1. ML_Model_Serialization:使用pickle模块将机器学习模型序列化为字节流以实现可重用性-源码

  2. 使用泡菜和机器学习 为什么要序列化机器学习模型? 当您运行python脚本训练机器学习模型时,只有在脚本终止之前,完整的训练模型才会存在。 这意味着您将必须同时编写代码以在一个脚本中进行训练和预测。 这不是个主意,特别是如果您要创建一个集成了机器学习的Web应用程序。 一种很好的方法是在您与咸菜一起运行训练脚本之后,“保存”训练有素的机器学习模型。 Pickle允许您序列化字节流中的任何python对象,而这仅仅是计算机可以读取和理解的字节字符的有序序列。 在这种情况下,python对象可以
  3. 所属分类:其它

  1. python_autocomplete:用于python自动完成的简单神经网络-源码

  2. :white_medium_star: 我们在重写了一个更简单的版本,并打算保留一段时间。 我们开始研究玩具项目,以了解简单的LSTM模型可以很好地自动完成python代码。 通过在大多数文件中节省30%以上的击键,而在某些文件中节省近50%的击键,可以提供相当不错的结果。 我们通过做出一个(最佳)预测并用一个键选择它来计算保存的键击。 我们进行波束搜索以找到预测,最多可以预测10个字符。 到目前为止,如果您想了解编辑器集成,那就太低了。 我们在清除Python代码中的注释,字符串和空白
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:78mb
    • 提供者:weixin_42097668
  1. DeepWay:该项目对盲人有帮助。 迄今为止,盲人导航的方式尚无技术进步。 因此,我使用了深度学习(特别是卷积神经网络),以便它们可以在街道上导航-源码

  2. 深度之路 这个项目是对盲人的帮助。 迄今为止,盲人导航的方式尚无技术进步。 因此,我使用了深度学习(特别是卷积神经网络),以便它们可以在街道上导航。 观看 我的方法 收集培训数据 我的项目是CNN的实现,我们都知道它们需要大量的培训数据。 因此,我遇到的第一个障碍是带有正确标记的图像数据集。 所以我到了大学,录制了很多视频(各种类型的道路和越野),然后我写了一个基本的python脚本来保存视频中的图像(我每5帧保存了1幅图像,因为连续框架几乎相同)。 我为每个班级(即左,右和中)收集了近1000
  3. 所属分类:其它

  1. 使用keras和tensorflow保存为可部署的pb格式

  2. Keras保存为可部署的pb格式 加载已训练好的.h5格式的keras模型 传入如下定义好的export_savedmodel()方法内即可成功保存 import keras import os import tensorflow as tf from tensorflow.python.util import compat from keras import backend as K def export_savedmodel(model): ''' 传入keras model会自动保存
  3. 所属分类:其它

    • 发布日期:2021-01-21
    • 文件大小:67kb
    • 提供者:weixin_38518074
  1. python实现感知机线性分类模型示例代码

  2. 前言 感知器是分类的线性分类模型,其中输入为实例的特征向量,输出为实例的类别,取+1或-1的值作为正类或负类。感知器对应于输入空间中对输入特征进行分类的超平面,属于判别模型。 通过梯度下降使误分类的损失函数最小化,得到了感知器模型。 本节为大家介绍实现感知机实现的具体原理代码: 运 行结果如图所示: 总结 以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,谢谢大家对软件开发网的支持。 您可能感兴趣的文章:
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:145kb
    • 提供者:weixin_38577551
  1. Tensorflow2.x版本的模型保存(pd格式),opencv c++模型导入

  2. Tensorflow2.x版本的模型保存,和opencv c++模型导入 由于一个小项目的需求,需要使用C++的接口调用python环境下使用Tensorflow 2.x版本训练好的模型。我想了两种方式: 使用 Tensorflow 2. x 的 C++ API 。(我觉得可行,在源码编译的最后一部,由于误操作系统崩了…,后续会继续尝试) 使用opencv dnn 模块提供的 API接口。(我使用的这种方式) 使用Tensorflow 训练模型 我使用的是2.1版本,2.0应该也可以
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:355kb
    • 提供者:weixin_38606870
« 12 »