ydsjeff2020's starred repositories
Machine-Learning
:zap:机器学习实战(Python3):kNN、决策树、贝叶斯、逻辑回归、SVM、线性回归、树回归
MachineLearning_Python
机器学习算法python实现
MachineLearning
Basic Machine Learning and Deep Learning
awesome-machine-learning-cn
机器学习资源大全中文版,包括机器学习领域的框架、库以及软件
ImageProcessing-Python
该资源为作者在CSDN的撰写Python图像处理文章的支撑,主要是Python实现图像处理、图像识别、图像分类等算法代码实现,希望该资源对您有所帮助,一起加油。
torchquantum
A PyTorch-based framework for Quantum Classical Simulation, Quantum Machine Learning, Quantum Neural Networks, Parameterized Quantum Circuits with support for easy deployments on real quantum computers.
gan-compression
[CVPR 2020] GAN Compression: Efficient Architectures for Interactive Conditional GANs
anycost-gan
[CVPR 2021] Anycost GANs for Interactive Image Synthesis and Editing
tinyengine
[NeurIPS 2020] MCUNet: Tiny Deep Learning on IoT Devices; [NeurIPS 2021] MCUNetV2: Memory-Efficient Patch-based Inference for Tiny Deep Learning; [NeurIPS 2022] MCUNetV3: On-Device Training Under 256KB Memory
lite-transformer
[ICLR 2020] Lite Transformer with Long-Short Range Attention
tiny-training
On-Device Training Under 256KB Memory [NeurIPS'22]
OBS-Studio-Python-Scripting-Cheatsheet-obspython-Examples-of-API
:black_circle: OBS Studio API with Python
Image-Process
冈萨雷斯《数字图像处理》Python实现(第三版)
Python-zero2one
该资源是作者《Python从零到壹》系列文章的对应代码,该系列包括200篇原创博客,涉及基础语法、网络爬取、大数据分析、机器学习、图像处理、人工智能、文本挖掘、图像识别等领域。希望打造一个高质量的Python Family系列,帮助更多初学者,感谢您的点赞~
HWCloudImageRecognition
该资源是作者在华为云撰写《从零到壹Python图像处理及识别》电子书和源代码,全书648页48章,涵盖图像处理、图像识别和图像增强,基础入门书籍希望对大家有所帮助,且看且珍惜~
Opencv-Computer-Vision-Practice-Python-
Opencv 计算机视觉实战
opencv_tools
一键预览 OpenCV 60 种图像效果,图像预处理 pipeline 工具
Digital_Image_Processing
数字图像处理课程作业
Some-Attention-codes
注意力机制在计算机视觉领域的应用主要使用于捕捉图像上的respective field,而在自然语言处理领域中的应用主要使用于定位关键的token。这个项目收集了几种代码简洁的注意力机制,调用起来十分方便,可以轻松移植到自己的网络中,提升性能。
Deep-Learning-For-Image-Process
本仓库是本人在研究生阶段学习深度学习之图像处理技术所学习和使用的代码,供大家参考使用,有任何问题可以添加QQ学习交流群:158929578
CNN_Ten_Classification
CNN图像分类完整代码,从图像裁剪处理到训练。
ImageResizer
python 批量处理图像尺寸
PyDmidecode
Python-Based Windows 10 tool designed to extract detailed information