一般

hacktoberfest 教程 机器学习 数据科学 python mlops reproducibility-challenge + 116

任务

分类 愿景 图像分类 对象检测 情绪分析 语义分割 文本分类 + 488
weiji14 / h2oval

更新3天前

路径:

利用深度学习从卫星图像的椭圆形特征中寻找氢(H2)源。

模型计算机视觉pytorch对象检测git

0 0 0

路径:src /模型

雷竞技技官网下载开源数据科学(OSDS)单眼深度估计-把2d照片变成3d照片-向你的奶奶展示令人敬畏的结果。

数据集模型计算机视觉深度估计"gitmlflow谷歌云存储

20. 6 5
西蒙/ baby-yoda-segmentor

更新1个月前

路径:模型

《the Mandalorian》系列中Baby Yoda的分割模型展示了MLflow、DVC导入等的使用。它确实有效

模型计算机视觉语义分割"gitmlflow

3. 0 0
achamug645 / ML_Opt

更新1个月前

路径:README.md

该知识库主要讨论了机器学习和优化方法在决策过程中的应用

数据集模型nlp分类tensorflow"git

0 0 0

路径:

这是一个在DVC Get Started中使用的自动生成的存储库。这是一个逐步快速介绍基本DVC概念。

模型"git

0 0 0
院长/ RPPP

更新5个月前

路径:模型

一个有两个目标的项目:给出一个Reddit帖子,预测它会有多受欢迎(它的得分会是多少)。展示了一个使用DVC的远程工作文件系统

数据集模型nlp表格"git

2 0 0
kingabzpro / Urdu-ASR-SOTA

更新5个月前

路径:

基于Facebook wav2vec2-xls-r-300m模型和mozilla-foundation common_voice_8_0乌尔都数据集的自动语音识别

数据集模型音频pytorch转移学习

0 9 1
kingabzpro / New-Relic-Demo

更新5个月前

路径:

DagsHub <> New Relic集成的演示

数据集模型计算机视觉pytorch视觉跟踪

0 0 0

路径:

Flask API用于预测来自巴基斯坦伊斯兰堡的Solcast时间序列的每日辐射。

模型表格scikit-learn

0 6 0

路径:

胸部x线影像对肺炎的分类

数据集模型医学成像tensorflow图像分类

2 0 1
kingabzpro / SavtaDepth

更新6个月前

路径:

雷竞技技官网下载开源数据科学(OSDS)单眼深度估计-把2d照片变成3d照片-向你的奶奶展示令人敬畏的结果。

数据集模型计算机视觉pytorch图像生成"git

0 0 0

路径:输出

本教程介绍了DVC和DAGsHub的优点,使用交叉验证统计堆栈交换的问题分类作为示例问题

数据集模型"git

7 0 0
kingabzpro / TransformerTTS

更新7个月前

路径:

Transformer TTS:基于非自回归Transformer的文本到语音神经网络的实现。

模型音频语音增强

0 0 0

路径:

根据新闻文章(文本)对德国假新闻进行分类。训练数据来自Kaggle和一个经权威来源逐条批准的假新闻数据集(见README.md)。

数据集模型

0 0 0
院长/ BioBERT-DAGsHub

更新8个月前

路径:输出/ NCBI-disease

BioBERT的DagsHub实现:用于生物医学文本挖掘的预训练生物医学语言表示模型

数据集模型nlp命名实体识别"git

2 0 0

路径:

我已经试验了多种传统模型,包括Light GBM, Catboost和BiLSTM,但结果相当糟糕,与三重GRU层相比。使用简单的3双向GRU层线性激活。该模型非常简单,由xhlulu初始模型推导而来。

数据集模型表格tensorflow

0 0 0

路径:

利用DVC进行可复制机器学习,预测Kaggle Titanic数据集上的生存

模型分类表格scikit-learn

1 0 0
kingabzpro / DailoGPT-RickBot

更新11个月前

路径:

使用Kaggle的Rick and Morty数据和预训练模型创建机器人

数据集模型nlphuggingface变形金刚文本生成

0 0 0

路径:

我们将使用来自Kaggle的互联网新闻和消费者参与数据集来预测热门文章和流行度得分。

数据集模型分类表格

1 0 0

路径:

DVC和DAGsHub的完整指南

模型分类表格scikit-learn

2 2 0