标签归档：chatbot

github

Stanford-tensorflow-tutorials-此存储库包含斯坦福课程的代码示例


斯坦福-TensorFlow-教程

此存储库包含课程CS 20：深度学习研究的TensorFlow的代码示例。
它将随着课程的进展而更新。
详细的教学大纲和课堂讲稿可以在这里找到。here
对于本课程，我使用python3.6和TensorFlow 1.4.1

前一年课程的代码和备注请参见文件夹2017和网站https://web.stanford.edu/class/cs20si/2017

有关安装说明和依赖项列表，请参阅此存储库的安装文件夹

github

Tensorlayer-面向科学家和工程师的深度学习和强化学习库🔥

TensorLayer是一个为研究人员和工程师设计的基于TensorFlow的深度学习和强化学习库。它提供了大量的可定制的神经层来快速构建高级的AI模型，在此基础上，社区开源的MASStutorials和applicationsTensorLayer荣获2017年度最佳开源软件奖ACM Multimedia Society该项目也可以在iHub和Gitee

新闻

🔥3.0.0将支持多个后端，如TensorFlow、MindSporte、PaddlePaddle等，允许用户在NVIDIA-GPU和华为-Ascend等不同硬件上运行代码。我们需要更多的人加入开发团队，如果你感兴趣，请发电子邮件hao.dong@pku.edu.cn

🔥强化学习动物园：Low-level APIs对于专业用途，High-level APIs对于简单的用法，以及相应的Springer textbook

🔥Sipeed Maxi-EMC：在上运行TensorLayer模型一种低成本的AI芯片(例如K210)(Alpha版本)

设计特点

TensorLayer是一个全新的深度学习库，其设计考虑到了简单性、灵活性和高性能

  • 简单性：TensorLayer具有易于学习的高级层/模型抽象。您可以在几分钟内了解深度学习如何为您的人工智能任务带来好处，通过海量的examples
  • 灵活性：TensorLayer API是透明和灵活的，灵感来自新兴的PyTorch库。与KERAS抽象相比，TensorLayer使构建和训练复杂的AI模型变得容易得多
  • 零成本抽象：虽然使用起来很简单，但TensorLayer并不要求您在TensorFlow的性能上做出任何妥协(有关更多详细信息，请查看以下基准测试部分)

TensorLayer位于TensorFlow包装器中的一个独特位置。其他包装器，如Kera和TFLearn，隐藏了TensorFlow的许多强大功能，并且对编写自定义AI模型几乎没有提供支持。受到PyTorch的启发，TensorLayer API简单、灵活、Pythonic，让学习变得轻松，同时足够灵活地应对复杂的AI任务。TensorLayer拥有一个快速增长的社区。它已经被世界各地的研究人员和工程师使用，包括来自北京大学、伦敦帝国理工学院、加州大学伯克利分校、卡内基梅隆大学、斯坦福大学的研究人员和工程师，以及谷歌、微软、阿里巴巴、腾讯、小米和彭博社等公司的研究人员和工程师

多语种文档

TensorLayer为初学者和专业人士提供了大量文档。该文档有英文和中文两种版本。



如果您想在主分支上尝试实验功能，可以找到最新的文档here

大量的例子

中可以找到大量使用TensorLayer的示例here以及以下空格：

快速入门

TensorLayer2.0依赖于TensorFlow、Numpy等。要使用GPU，需要CUDA和cuDNN

安装TensorFlow：

pip3 install tensorflow-gpu==2.0.0-rc1 # TensorFlow GPU (version 2.0 RC1)
pip3 install tensorflow # CPU version

安装稳定版本的TensorLayer：

pip3 install tensorlayer

安装TensorLayer的不稳定开发版本：

pip3 install git+https://github.com/tensorlayer/tensorlayer.git

如果要安装其他依赖项，还可以运行

pip3 install --upgrade tensorlayer[all]              # all additional dependencies
pip3 install --upgrade tensorlayer[extra]            # only the `extra` dependencies
pip3 install --upgrade tensorlayer[contrib_loggers]  # only the `contrib_loggers` dependencies

如果您是TensorFlow 1.X用户，则可以使用TensorLayer 1.11.0：

# For last stable version of TensorLayer 1.X
pip3 install --upgrade tensorlayer==1.11.0

性能基准

下表显示了以下各项的训练速度VGG16在Titan XP上使用TensorLayer和原生TensorFlow

模式 Lib 数据格式 最大GPU内存使用量(MB) 最大CPU内存使用量(MB) 平均CPU内存使用率(MB) 运行时间(秒)
亲笔签名 TensorFlow 2.0 最后一个频道 11833 2161 2136 74
TensorLayer 2.0 最后一个频道 11833 2187 2169 76
图表 凯拉斯 最后一个频道 8677 2580 2576 101
渴望 TensorFlow 2.0 最后一个频道 8723 2052年 2024年 97
TensorLayer 2.0 最后一个频道 8723 2010年 2007年 95

参与其中

请阅读Contributor Guideline在提交您的请购单之前

我们建议用户使用Github问题报告错误。用户还可以讨论如何在以下空闲通道中使用TensorLayer

引用TensorLayer

如果您觉得TensorLayer对您的项目有用，请引用以下论文：

@article{tensorlayer2017,
    author  = {Dong, Hao and Supratak, Akara and Mai, Luo and Liu, Fangde and Oehmichen, Axel and Yu, Simiao and Guo, Yike},
    journal = {ACM Multimedia},
    title   = {{TensorLayer: A Versatile Library for Efficient Deep Learning Development}},
    url     = {http://tensorlayer.org},
    year    = {2017}
}

@inproceedings{tensorlayer2021,
  title={Tensorlayer 3.0: A Deep Learning Library Compatible With Multiple Backends},
  author={Lai, Cheng and Han, Jiarong and Dong, Hao},
  booktitle={2021 IEEE International Conference on Multimedia \& Expo Workshops (ICMEW)},
  pages={1--3},
  year={2021},
  organization={IEEE}
}
github

Leon-🧠leon是您的开源个人助理

👋引言

里昂是一种开源个人助理谁能活下来在您的服务器上

他做一些事情当你向他索要

你可以的跟他谈谈而且他可以跟你谈谈您还可以给他发短信他还可以给你发短信如果你愿意，里昂可以通过离线保护您的隐私

为什么？

  1. 如果您是(或不是)开发人员，您可能想要构建许多对您的日常生活有帮助的东西。Leon可以帮助您构建他的包/模块(技能)结构，而不是为每个想法构建专门的项目
  2. 使用这种通用结构，每个人都可以创建自己的模块并与其他人共享。因此，只有一个核心(统治所有的核心)
  3. 里昂使用人工智能概念，这很酷
  4. 隐私问题，您可以将Leon配置为与他离线通话。你已经可以在没有任何第三方服务的情况下和他发短信了
  5. 开源是很棒的

这个存储库是用来做什么的？

此资料库包含Leon的以下节点：

  • 服务器
  • 包/模块
  • Web应用程序
  • HotWord节点

里昂能做什么？

今天，最有趣的部分是关于他的核心和他可以扩大规模的方式。他相当年轻，但可以很容易地扩展以拥有新功能(包/模块)。您可以通过浏览packages list

听起来不错吧？那我们开始吧！

☁️单击即可尝试

Gitpod将自动设置环境并为您运行实例

🚀快速入门

必备条件

要安装这些必备组件，可以按照How To section文档的

安装

# Clone the repository (stable branch)
git clone -b master https://github.com/leon-ai/leon.git leon
# OR download the latest release at: https://github.com/leon-ai/leon/releases/latest

# Go to the project root
cd leon

# Install
npm install

用法

# Check the setup went well
npm run check

# Build
npm run build

# Run
npm start

# Go to http://localhost:1337
# Hooray! Leon is running

Docker安装

# Build
npm run docker:build

# Run
npm run docker:run

# Go to http://localhost:1337
# Hooray! Leon is running

📚文档

有关完整文档，请访问docs.getleon.ai

🧭路线图

要了解正在发生的情况，请关注roadmap.getleon.ai

❤️贡献

如果你有改进里昂的主意，请不要犹豫。

里昂需要开源才能生存，他的模块越多，他就变得越熟练

📖里昂背后的故事

你会发现关于这件事的评论blog post

🔔敬请关注

👨作者

路易斯·格勒纳德(@louistiti_fr)

👍赞助商

您也可以通过以下方式进行贡献sponsoring Leon

请注意，我把大部分空闲时间都花在了里昂身上。

通过赞助项目，您可以使项目具有可持续性，并且开发功能的速度更快

关注的焦点不仅限于你在GitHub上看到的活动，还包括对项目方向的很多思考。这与整体设计、架构、视觉、学习过程等自然相关

📝许可证

MIT License

版权所有(C)2019年-目前，路易斯·格勒纳德louis.grenard@gmail.com

干杯!

github

Python-telegram-bot 电报机器人API

我们给你做了一个你不能拒绝的…

目录

引言

此库为以下对象提供纯Python接口Telegram Bot API它与Python版本3.6.8+兼容。PTB也可能在PyPy，尽管以前有很多问题。因此，PyPy不受官方支持

除了纯API实现之外，该库还提供了许多高级类，使bot的开发变得简单明了。这些类包含在telegram.ext子模块

纯API实现没有telegram.ext以独立软件包的形式提供python-telegram-bot-rawSee here for details.

注意事项

同时安装两者python-telegram-bot和python-telegram-bot-raw联合使用会导致不良副作用，所以只需安装一两者中的

电报API支持

所有类型和方法的Telegram Bot API5.3均受支持

正在安装

您可以使用以下命令安装或升级python-Telegram-bot：

$ pip install python-telegram-bot --upgrade

或者，您可以使用以下命令从源安装：

$ git clone https://github.com/python-telegram-bot/python-telegram-bot --recursive
$ cd python-telegram-bot
$ python setup.py install

如果您之前已经克隆了本地存储库，则应该在使用以下命令安装之前初始化添加的urllib3子模块：

$ git submodule update --init --recursive

可选依赖项

PTB可以与可选依赖项一起安装：

  • pip install python-telegram-bot[passport]安装cryptography图书馆。如果您要使用电报护照相关功能，请使用此功能
  • pip install python-telegram-bot[ujson]安装ujson图书馆。然后，它将被用于JSON去编码，与标准相比，这可以带来更快的速度json图书馆
  • pip install python-telegram-bot[socks]安装PySocks图书馆。如果要在Socks5服务器后面工作，请使用此选项

快速入门

我们的维基包含许多资源，可供您开始使用python-telegram-bot：

其他参考文献：

以身作则学习

我们认为学习这个套餐最好的方法就是身体力行。这里有一些例子供您复习。即使这不是你的学习方法，也请看看echobot.py，它是大多数机器人的事实上的基地。最棒的是，这些示例的代码都发布到了公共领域，因此您可以从获取代码并在其上构建开始

参观this page要了解官方示例或查看wiki查看社区构建的其他机器人

日志记录

此库使用logging模块。要将日志记录设置为标准输出，请放入：

import logging
logging.basicConfig(level=logging.DEBUG,
                    format='%(asctime)s - %(name)s - %(levelname)s - %(message)s')

在脚本的开头

还可以在应用程序中使用日志，方法是调用logging.getLogger()并设置所需的日志级别：

logger = logging.getLogger()
logger.setLevel(logging.INFO)

如果您需要调试日志，请执行以下操作：

logger.setLevel(logging.DEBUG)

文档

python-telegram-bot的文档存放在readthedocs.io

获取帮助

您可以通过以下几种方式获得帮助：

  1. 我们有一个充满活力的开发人员社区，他们在我们的Telegram group加入我们吧！
  2. 通过以下方式报告错误、请求新功能或提出问题creating an issue或a discussion
  3. 我们的Wiki pages提供越来越多的资源
  4. 您甚至可以使用python-telegram-bot tag

贡献

欢迎各种规模的投稿。请查看我们的contribution guidelines开始吧。您还可以通过以下方式提供帮助reporting bugs

捐赠

偶尔会有人问我们是否接受捐款来支持这项发展。虽然我们很欣赏这个想法，但维护肺结核是我们的爱好，我们几乎没有运行成本。因此，我们没有任何接受捐款的设置。如果您仍想捐款，我们恳请您转而向您选择的另一个开源项目/倡议捐款。

许可证

您可以复制、分发和修改本软件，前提是修改的说明和许可是免费的，请参阅LGPL-3衍生品作品(包括修改或任何静态链接到库的内容)只能在LGPL-3下重新分发，但使用库的应用程序不必