bert-serving 模型及源代码
提供百度网盘下载。
bert-serving 模型及源代码
提供百度网盘下载。
本文是 如何基于Paddle训练一个98%准确率的抑郁文本预测模型 的源代码及模型下载地址。
大小:741M, 模型和数据下载,感谢支持创作:
Eiten 源代码。
提供百度网盘下载。
本文是:《Python 超简单实现人类面部情绪的识别》文章的代码模型下载地址:
实测这个模型的表现优于市面上其他所有开源的模型。
在某些文字转换的场景中,它的表现甚至优于腾讯云、阿里云。
模型大小:2.9G, 模型下载:
网格交易策略,源代码,打包程序,支持股票,ETF,可转债,实盘模拟盘一体化,支持自己设定网格,程序自动设定网格等,支持多标的组合。
基于Easytrader开发。
机器学习本质上涉及大量的反复试验。您要让程序尝试数百万种不同的设置,以采用一种可以执行您想要执行的算法的算法。除非您具有加快此过程所需的硬件,否则此过程确实非常缓慢。
该过程执行的计算类型非常适合于图形卡,而不是常规处理器。非常需要您在支持台式机或服务器的GPU上运行训练过程。在CPU上运行此代码意味着需要花费数周的时间来训练模型,而在GPU上要花费几个小时。
您至少需要以下之一:
在当前的迭代中,尽管可以使用gui,但是该项目在很大程度上依赖于命令行的使用。如果您不熟悉命令行工具,则可能难以设置环境,并且也许不应该尝试执行本指南中描述的任何步骤。本指南假定您具有命令行的中级知识。
对于您可能对自己的计算机造成的任何损害,开发人员也不承担任何责任。
Windows和Linux现在都有安装程序,可以为您安装所有内容并创建桌面快捷方式以直接启动到GUI。您可以从https://github.com/deepfakes/faceswap/releases下载安装程序。
如果您对安装程序有疑问,请继续阅读有关在Windows上安装FacesWap的更多手动安装方法。
设置faceswap似乎对新用户来说有点吓人,但这并不复杂,尽管很耗时。建议尽可能使用Linux,因为Windows会占用大约20%的GPU内存,使Faceswap运行速度稍慢,但是使用Windows完全可以,并且100%支持Windows。
从https://www.anaconda.com/cn/download/下载并安装最新的Python 3 Anaconda 。除非您知道自己在做什么,否则可以将所有选项保留为默认值。
下载并安装Windows版Git:https : //git-scm.com/download/win。除非您知道自己在做什么,否则可以将所有选项保留为默认值。
重新启动您的PC,以便您刚安装的所有内容都被注册。您可以使用Anaconda创建一个虚拟环境来运行Faceswap:Python 数据分析与挖掘好帮手—Anaconda
cd faceswap
python setup.py
并按照提示进行操作:如果以上“简易安装”成功完成,请不要执行这些步骤。如果您使用的是Nvidia卡,请确保已为所需版本的Tensorflow安装了正确的Cuda / cuDNN版本
conda install tk
pip install -r requirements_nvidia.txt
pip install -r requirements_amd.txt
pip install -r requirements_cpu.txt
cd faceswap
python faceswap.py -h
或输入python faceswap.py gui
以启动GUI可以添加桌面快捷方式,以轻松直接启动到faceswap GUI中:
%USERPROFILE%\Anaconda3\envs\faceswap\python.exe %USERPROFILE%/faceswap/faceswap.py gui
随着新功能的添加和错误的修复,使faceswap保持最新是很好的。为此:
cd faceswap
git pull --all
python update_deps.py