Go To English Version 超过100万源码资源,1000万源码文件免费下载
  • mlkit:标准ML编译器和工具包 MLKit 是用于编程语言Standard ML的编译器。 MLKit涵盖了1997年版标准ML定义中定义的所有标准ML,并支持大多数标准ML基础库。 测试统计和基准 ... 标准ML定义所规定的所有标准ML,。 MLKit还支持大部分内容。 支持:MLKit编译 ... ML基础文件的支持使使用不同的Standard ML编译器轻松编译程序。 当前, 和MLKit都支持 ... 文件的概念。 MLKit与 (适用于标准ML库和程序的通用软件包管理器) ... 程序分析。 在这方面,MLKit编译器在ML实现中是唯一的。 参考跟踪垃圾 ...
  • gdax-orderbook-ml:将机器学习应用于Coinbase(GDAX)订单簿 gdax-orderbook-ml:将机器学习应用于Coinbase(GDAX)订单簿
  • tech.ml.dataset:Clojure高性能数据处理系统 tech.ml.dataset tech.ml.dataset是用于数据处理和机器学习的Clojure库。 数据集目前是 ...
  • ml-azuredatabricks:Azure Databricks的机器学习示例集合 ... 或分布式中的模型构建,带有MLflow的MLop,与AzureML,Synapse和其他Azure服务集成的端到端集成。 Delta Lake将为下游ML和AI用例奠定更高数据质量,可靠性和性能的数据基础 ML运行时优化 可靠且安全地分发开源ML框架 打包并优化最常见的ML框架 内置的分布式深度学习优化 内置的AutoML和实验跟踪 使用conda的自定义环境可重现 分布式机器学习 火花MLlib 只需几行 ...
  • Advanced-Databricks-for-ML-Build-2019:使用适用于ML的Azure Databricks(S... Advanced-Databricks-for-ML-Build-2019:使用适用于ML的Azure Databricks(Spark),这是带有作业示例,代码和笔记本的2019年版本存储库
  • awesome-ai-ml-dl:令人敬畏的人工智能,机器学习和深度学习。 学习笔记和此类主题的精选资源精选清单 很棒的AI-ML-DL 更好的自然语言处理: NLP Java: | NLP Clojure: | NLP Kotlin: | NLP Scala: | 使用DL4J的NLP(CUDA) Tribuo: | DeepNetts: | Dataiku DSS ... : | 齐柏林飞艇: 令人敬畏的人工智能,机器学习和深度学习。 学习笔记和精选的此类主题资源清单。 此仓库专用于对AI,ML,DL和相关科学感兴趣的工程师,开发人员,数据科学家和所有其他专业。 使学习变得有趣,并创建一个容易找到所有必要材料 ...
  • awesome-ml-demos-with-ios:iOS上推理机器学习模型的挑战项目 ... 很棒的机器学习演示 我们通过Core MLML Kit(TensorFlow Lite)解决了在 ... 其自己兼容的模型格式。 对于每个移动ML框架,我们需要采用TensorFlow中创建的模型 ... 。 一旦准备好兼容模型,就可以使用ML框架运行推理。 请注意,您必须 ... 需更多说明,请查看 。 使用创建ML时的模型流程 基准项目 完成 在Core ... 使用内置的设备上模型 使用Core MLML Kit的Vision自定义模型 使用Core ... 内置的云模型地标识别 对Core MLML Kit使用NLP的自定义模型 通过 ...
  • csinva.github.io:幻灯片,纸质笔记,课堂笔记,博客文章,以及关于ML:chart_decreasing:,统计:... 来源 ••••• 滑梯 文件夹包含演示文稿的源代码,包括来自伯克利的教学机器学习的-该源代码位于markdown中(),可轻松编辑/导出 研究概述 在文件夹中不同研究领域的最新论文的概述和摘要(例如ml的可, , , , ) 笔记 文件夹包含有关计算机科学,统计学和神经科学之间许多不同课程和领域的降价笔记和 码 链接到研究代码,例如以下存储库: 可解释的机器学习 可解释的深度学习 深度 ...
  • lambda-ml:用Lisp(Clojure)编写的小型机器学习库,旨在提供简单,简洁的机器学习技术和实用程序的实现 lambda-ml:用Lisp(Clojure)编写的小型机器学习库,旨在提供简单,简洁的机器学习技术和实用程序的实现
  • sml-compiler:标准ML的编译器 sml编译器 用于标准ML的修改方言(无模块系统)的编译器的教程实现。 我不对编译器的正确性做任何保证(尽管显然我更喜欢它是正确的),因为这主要是出于教育目的。 我们采用类似于MLton的方法,在该方法中,我们将执行整个程序的编译和同构化 路线图 解析器 语法检查 细化和类型重建 比赛汇编 单一化 SSA转换 优化通过 本机代码生成