NER-LSTM-CRF一个易于使用的命名实体识别（NER）工具包，在张量流中实现了LSTM+[CNN]+CRF模型。
该项目短期内不再维护，PyTorch版本：:1.型号Bi-LSTM/Bi-GRU+[CNN]+CRF，其中CNN层针对英文，捕获字符特征，通过参数use_char_feature控制self.nil_vars.add（self.feature_weight_dict[feature_name].name）。
2.用法2.1数据准备训练数据处理成下列形式，特征之间用制表符（或空格）替换，每行共n列，1至n-1列为特征，最后一列为labe
该项目短期内不再维护，PyTorch版本：:1.型号Bi-LSTM/Bi-GRU+[CNN]+CRF，其中CNN层针对英文，捕获字符特征，通过参数use_char_feature控制self.nil_vars.add（self.feature_weight_dict[feature_name].name）。
2.用法2.1数据准备训练数据处理成下列形式，特征之间用制表符（或空格）替换，每行共n列，1至n-1列为特征，最后一列为labe
2025/4/1 16:17:21
389KB
1
AI_Tower_Defense人工智能项目PSU2019AI塔防游戏AaronSquier，ColeCofer等Mac设定安装以下软件包：pygame作业库张量流matplotlibnumpy使用pip3的示例：pip3installpygame性能说明：如果使用最新的macOSXMojave，则必须安装最新版本的python，否则将无法渲染图形。
我目前正在使用3.7.3，效果很好。
运行游戏只需运行python3main.py地处AI_Tower_Defense/src/目录。
请参阅main.py更改游戏模式。
例如，设置GAME_MODE=MODE.manual手动玩游戏。
资产所有资产都是免版税的-大多数都从提供。
具体链接将在不久的将来发布。
执照该项目根据MIT许可条款获得许可。
我目前正在使用3.7.3，效果很好。
运行游戏只需运行python3main.py地处AI_Tower_Defense/src/目录。
请参阅main.py更改游戏模式。
例如，设置GAME_MODE=MODE.manual手动玩游戏。
资产所有资产都是免版税的-大多数都从提供。
具体链接将在不久的将来发布。
执照该项目根据MIT许可条款获得许可。
2025/1/16 4:19:57
11.54MB
1
该段Tensorflow代码可用于文本分类，和情感分类。
其主要特点是，在同一份代码中，同时实现两张张量图，一张用于训练，另一张用于测试。
并做交叉验证。
其主要特点是，在同一份代码中，同时实现两张张量图，一张用于训练，另一张用于测试。
并做交叉验证。
2025/1/3 16:24:19
11KB
1
磁梯度张量的基础介绍，提出了构建磁异常地图的改进方法。
Thegradienttensorofpotentialfieldanomalies:Someimplicationsondatacollectionanddataprocessingofmaps
Thegradienttensorofpotentialfieldanomalies:Someimplicationsondatacollectionanddataprocessingofmaps
2024/11/6 10:02:07
672KB
1
”数字地震学在地震预测中的应用培训班“讲义—震级矩张量震源时间函数辐射能量震源谱
2024/10/27 2:01:29
8.32MB
1
HypeLCNN概述该存储库包含论文“具有用于高光谱和激光雷达传感器数据的光谱和空间特征融合层的深度学习分类框架”的论文源代码（正在审查中）使用Tensorflow1.x开发（在1.10至1.15版上测试）。
该存储库包括一套完整的套件，用于基于神经网络的高光谱和激光雷达分类。
主要特点：支持超参数估计基于插件的神经网络实现（通过NNModel接口）基于插件的数据集集成（通过DataLoader接口）培训的数据有效实现（基于内存的有效/基于内存/记录的）能够在经典机器学习方法中使用数据集集成神经网络的培训，分类和指标集成胶囊网络和神经网络的示例实现基于CPU/GPU/TPU（进行中）的培训基于GAN的数据增强器集成交叉折叠验证支持源代码可用于在训练大数据集中应用张量流，集成指标，合并两个不同的神经网络以进行数据增强的最佳实践注意：数据集文件太
该存储库包括一套完整的套件，用于基于神经网络的高光谱和激光雷达分类。
主要特点：支持超参数估计基于插件的神经网络实现（通过NNModel接口）基于插件的数据集集成（通过DataLoader接口）培训的数据有效实现（基于内存的有效/基于内存/记录的）能够在经典机器学习方法中使用数据集集成神经网络的培训，分类和指标集成胶囊网络和神经网络的示例实现基于CPU/GPU/TPU（进行中）的培训基于GAN的数据增强器集成交叉折叠验证支持源代码可用于在训练大数据集中应用张量流，集成指标，合并两个不同的神经网络以进行数据增强的最佳实践注意：数据集文件太
2024/10/9 21:46:46
128KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB