在Android上的Deit变压器。 分类实例 跑 为Android准备模型 将模型放入资产文件夹 生成并运行应用 参考 DEIT变形金刚回购 Pytorch移动示例 教程火车mnist vit变压器 VIT变压器仓库

audio_features_popularity_classifiers

该数据集也称为PanNuke，包含半自动生成的核实例分割和分类图像，包含19种不同组织类型的详尽核标签。 Cancer Instance Segmentation and Classification 1_datasets.txt Cancer Instance Segmentation and Classification 1_datasets.zip

使用CNN和Word2vec进行文本分类 本文是参考gaussic大牛的“ text-classification-cnn-rnn”后，基于同样的数据集，嵌入词级别操作的CNN文本分类实验结果，gaussic大牛是基于字符级的；进行了第二版的更新：1。加入不同的卷积核； 2。加入正则化； 3。词唯一的中文或英文，删除掉文本中数字，符号等类型的词； 4。删除长度为1的词训练结果较第一版有所提升，验证集准确率从96.5％达到97.1％，测试准确率从96.7％达到97.2％。 本实验的主要目是为了探索基于Word2vec训练的词向量嵌入CNN后，对模型的影响，实验结果得到的模型在验证集达到97.1％

用机器学习TensorFlow生成自己的图像模型，快速实现Android图像识别应用，

otto-group-product-classification-challenge数据

CLASSIFICATION OF IMBALANCED DATA : A REVIEW

PanClassif：用于癌癌分类的机器学习分类器管道 这是一个完整的机器学习管道软件包，可用于TCGA癌症RNA-seq基因计数数据。 数据预购 使用TCGA2STAT下载TCGA癌症和正常样本 使用knn-smoothing对上述收集的数据进行平滑处理（ ） 功能 featSelect（homepath，cancerpath，normalpath，k） 参量 homepath：（str）您要保存所有生成的文件和文件夹的路径。 癌变路径：（str） 所有癌症的癌症基因表达矩阵所处的路径。 normalpath：（str） 所有癌症的正常基因表达矩阵所处的路径。 k：（int）每个癌症要选择的最重要基因的数量。 （默认值：k = 5）您不能将k设置为小于5 dataProcess（homepath，names，cancerpath，smoothed_cancer，smoothed

情感分类 情感分类 情感分类是分析一段文本并预测某人是否不喜欢他们在说的事情的任务。 输入：一段文字 输出：情绪 数据集 我正在使用进行模型训练，它包含两列 前处理 代币化 令牌化是将文本，短语，句子，文档分成较小的“块”或“令牌”的过程 例如： “嘿，好久不见了” 令牌： “嘿”，“有”，“长”，“时间”，“否”，“看到” 通过定位单词边界来创建较小的单位或令牌，单词边界是单词的终点和下一个单词的开头。 排序和填充 排序用于将我们的文本用作神经网络中的输入层 “嘿，那里”，“嘿，那里儿” [['1 2']，['1'，'2'，'3']] 进行填充以使向量输入具有相同的大小 [[1,2] [1,2,3] 语料库将具有不同大小的句子，如上面的示例所示。 进行填充以使其大小相同 [[0 1 2] [1 2 3] 模型 该模型架构是使用tf.keras.utils.plot

《Delphi Classic编译器和ARC编译器的内存管理》的代码示例图书目录及源代码