Project Icon

scikeras

Keras与Scikit-Learn的无缝集成工具

SciKeras是一个开源项目,旨在为Keras模型提供Scikit-Learn兼容的包装器。作为tf.keras.wrappers.scikit_learn的继任者,SciKeras保持API兼容性的同时,提供了更多功能。该项目支持TensorFlow,可通过pip轻松安装。SciKeras不仅提供详细文档,还有完整的迁移指南,方便用户从原有框架过渡。项目基于scikit-learn 1.4.1post1及以上版本和Keras 3.2.0及以上版本,为机器学习实践者提供了一个强大的集成工具。

Keras-GAN - 多种生成对抗网络(GAN)的Keras实现与教程
GithubKeras-GAN图像生成开源项目机器学习深度学习生成对抗网络
该项目包含多种Keras实现的生成对抗网络(GAN),如AC-GAN、CycleGAN、Pix2Pix等,基于研究论文,提供核心概念的实现与详细教程。欢迎社区贡献以扩展更多GAN变体。
deephyper - 自动化机器学习任务的开源优化框架
DeepHyperGithub开源项目机器学习自动化深度集成神经架构搜索超参数优化
DeepHyper是一个专注于自动化机器学习任务的Python开源框架。它提供了超参数优化、神经网络架构搜索和深度集成不确定性量化等功能。支持单机和分布式环境,适用于多种场景。DeepHyper简化了机器学习工作流程,为研究人员和开发者提供了强大的工具。项目包含详细文档、快速入门指南和活跃的社区支持,方便用户快速上手和深入使用。
keras_cv_attention_models - 深度学习模型和使用指南
GithubKeras_cv_attention_modelsPyTorchTensorFlow开源项目模型训练
该项目提供全面的深度学习模型和使用指南,支持Keras和PyTorch后端。涵盖基础操作、模型训练、推理优化等功能,并详细介绍识别、检测、分割和语言模型的使用。还支持ONNX导出和推理性能评估。
AlphaPy - 多功能机器学习框架 整合市场分析与体育预测
AlphaPyGithub开源项目数据科学机器学习金融分析预测模型
AlphaPy是一个基于Python的综合机器学习框架,集成了scikit-learn、Keras和XGBoost等多种先进模型。它不仅提供集成模型生成功能,还包含MarketFlow和SportFlow等专用工具,用于市场分析和体育赛事预测。此外,AlphaPy支持交易系统开发和投资组合分析,为数据科学家和金融分析师提供了全面的解决方案。
handson-ml - Python机器学习基础与实践指南
GithubJupyterMachine LearningPythonScikit-LearnTensorFlow开源项目
该项目通过Python教授机器学习基本原理,包含《Hands-on Machine Learning with Scikit-Learn and TensorFlow》书中的示例代码和习题解答。用户可以使用Colab、Binder和Deepnote在线体验这些notebooks,或通过Anaconda在本地安装项目进行学习。详细介绍了安装步骤和常见问题解决方法,帮助用户理解和应用机器学习技术。
mleap - 快速部署机器学习流水线与算法的实用工具包
GithubMLeapScikit-learnSpark开源项目性能机器学习数据管道
MLeap提供高性能、便携、易于集成的生产库,支持将Spark和Scikit-learn的机器学习流水线导出为便携格式并执行。通过其执行引擎和序列化格式,数据科学家和工程师可以无需依赖Spark或Scikit-learn环境,将数据流水线和算法轻松部署到生产环境中。MLeap支持多种序列化格式(如JSON、Protobuf),并与现有技术高度集成,提供用户灵活定制数据类型和转换器的能力。
sklearn-evaluation - 机器学习模型评估工具
GithubJupyter notebookPythonsklearn-evaluation开源项目机器学习模型评估
sklearn-evaluation是一款简便的机器学习模型评估工具,支持绘制混淆矩阵、特征重要性、精准率-召回率、ROC曲线、肘部曲线和轮廓图等多种图表,并生成HTML格式的评估报告。该工具还可使用本地SQLite数据库进行实验跟踪,分析Jupyter notebook输出,并通过SQL查询notebook数据。兼容Python 3.7及更高版本,适用于Linux、macOS和Windows平台,提供全面的模型评估功能。
mlforecast - 高性能可扩展的机器学习时间序列预测框架
GithubMLForecast分布式训练开源项目时间序列预测机器学习特征工程
mlforecast是一个基于机器学习模型的时间序列预测框架,具有高效的特征工程实现和良好的可扩展性。该框架支持pandas、polars、spark等多种数据格式,兼容sklearn API,能够处理海量数据。除了支持概率预测和外生变量,mlforecast还提供分布式训练功能,适用于大规模生产环境的时间序列预测任务。框架采用熟悉的fit和predict接口,便于快速上手和集成到现有项目中。
machine-learning-book - 深入使用PyTorch和Scikit-Learn的机器学习指南
GithubMachine LearningPackt PublishingPyTorchScikit-LearnSebastian Raschka开源项目
该书介绍了如何使用PyTorch和Scikit-Learn进行机器学习,内容包含从数据预处理到高级深度学习模型的实现。主要涵盖分类、回归、聚类、神经网络、自然语言处理、生成对抗网络及强化学习等主题,通过实用的代码示例和实际应用帮助读者掌握机器学习技术。无论是初学者还是有经验的开发者,都可以将其作为理解和应用机器学习的重要参考资料。
easy-tensorflow - TensorFlow教程与简化代码示例
Easy-TensorFlowGithubPythonTensorFlow开源项目教程深度学习
Easy-TensorFlow提供详尽的教程和简化的代码实现,旨在简化学习路径。项目涵盖从基础到高级的教程,每个步骤都有全面解释和源代码示例。它强调低层和高层网络训练接口、Tensorboard可视化工具、多GPU支持等特性。无论是新手还是有经验的开发者,都可以通过这些教程更加高效地掌握TensorFlow。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号