Uyy danych z GUSu dla Polski z lat 2000-2020。 Przy doborzeatrybutówmodelu wykorzystanometodę套索orazregresjęgrzbietową。

使用pytorch生成文本：使用pytorch GRU构建文本生成模型

活动形状模型 用于面部关键点检测的主动形状​​模型 对象的形状由一组点表示（由形状模型控制）。 ASM算法旨在将模型与新图像匹配。 它使用主成分分析来减少要检查的点数，或者可以说是定义形状中的点之间的关系。 在这里，我们仅考虑由n个维度中的有限数量的k个点组成的对象。 通常，这些点是在复杂物体（例如人骨）的连续表面上选择的，在这种情况下，它们被称为界标点。 运行：运行文件名Shape_to_image.py，它带有两个参数，如下所示 python Shape_to_image.py [调整形状] [寻找形状的图像]

relaynet_pytorch ReLayNet的PyTorch实施。 代码中仍然存在一些错误和问题，我们正在努力修复它们。 由Abhijit Guha Roy和Shayan Siddiqui（ ）编码 如果您出于任何学术目的使用此代码，请引用： A. Guha Roy，S。Conjeti，SPKKarri，D.Sheet，A.Katouzian，C.Wachinger和N.Navab，“ ReLayNet：使用完全卷积网络的黄斑光学相干层析成像的视网膜层和流体分割”，Biomed。 选择。 Express 8，3627-3642（2017）链接： ://arxiv.org/abs/1704.02161 享受！！ :)

基本队列模拟 动态队列和服务的基本离散事件仿真模型 该模型表示一个队列，该队列包含n个客户并具有m个服务工作者，能够一次处理一个客户。 可以在设置中轻松更改队列和服务容量，以运行不同的模拟，并查看哪种容量可产生最佳结果。 该模型不能用作衡量任何类型的性能（失去客户的除外），因此可以用作模板或起点。 模型如何运作： 结果示例：

FastAPI部署的股票市场预测模型（使用Prophet） 若要使用，请使用与以下请求类似的请求查询API， $卷曲--header“内容类型：application / json” -请求POST --data'{“ ticker”：“ MSFT”}' 股票代号的价值是您要对其进行库存预测的公司。

T5自然问题 T5 for NQ是针对自然问题的文本到文本的问答。 它使用自然问题（NQ）数据集对T5模型进行微调，该数据集旨在使用实际用户问题和注释者从Wikipedia中找到的相应答案来训练和评估自动QA系统。 安装 克隆仓库，然后进入目录。 运行pip install -e . 。 数据集 要下载数据集，请首先 。 因此，创建目录data/natural-questions/并使用以下格式下载原始格式的完整数据集（而不是简化的训练集）： gsutil -m cp -R gs://natural_questions/v1.0 data/natural-questions 用法 为实验配置所有超参数，以编辑params.yaml 。 因此，请继续： python src/main.py -c params.yaml

C++对象模型源码下载

具有高斯混合分量的狄利克雷过程混合模型的变分推理。 基于以下论文： Blei, DM, 和 Jordan, MI (2006)。 Dirichlet 过程混合物的变分推断。 贝叶斯分析，1（1），121-143。

AutoFace 毕设，根据照片生成一个3D人脸模型。