Waifu2x-Extension-GUI 是一个使用机器学习的多媒体处理应用，借助深度卷积神经网络对图片 & GIF & 视频进行超分辨率放大(即放大与降噪)。
特性
-
自动化处理多种媒体: 支持处理 图片 的同时,实现了自动化处理 GIF 和 视频
-
全图像风格支持: 内置多种算法, 无论是二次元动漫还是您日常拍摄的照片&录像 ,都可以进行清晰化处理
-
强大的兼容性: 内置多个引擎, 几乎与所有现代 Windows PC 兼容
- 灵活的多线程设定: 在为每个引擎提供完备的设置项的同时,您也可以自由调整线程数量,充分利用PC的一切性能
- 多 GPU 支持: 内置的所有引擎均可支持多显卡,充分利用您的 PC 的所有性能
- 众多自定义设置: 您可以通过调整软件内的众多自定义设置实现自动化的工作流
- 智能设定: 本软件可根据您的PC硬件信息和您要处理文件的信息自动调整部分软件设定
- 易于使用的图形用户界面
- 持续的维护与更新
示例
before
after
更多详细示例链接
-
机器学习无疑是当前数据分析领域的一个热点内容。很多人在平时的工作中都或多或少会用到机器学习的算法。
-
机器学习原理
-
我目前正在开发一个机器学习应用程序。请在此代码中帮助我 - 当我上传大数据集时，我遇到了一个错误。 代码如下: 然后： 错误是： 带有关于错误的附加行和信息： /预处理/字典更新序列元素#0处的ValueError的长度为1；2是必需的请求方法:POST请求URL:http://127 . 0 . 0 . 1:8000/preprocessing/Django版本:2.2.4异常类型:ValueE
-
每次将一个类别作为正类，其余类别作为负类。此时共有（N个分类器）。在测试的时候若仅有一个分类器预测为正类，则对应的类别标记为最终的分类结果。 【例】当有4个类别的时候，每次把其中一个类别作为正类别，其余作为负类别，共有4种组合，对于这4中组合进行分类器的训练，我们可以得到4个分类器。对于测试样本，放进4个分类器进行预测，仅有一个分类器预测为正类，于是取这个分类器的结果作为预测结果，分类器2预测的结果是类别2，于是这个样本便属于类别
-
我正在建立一个机器学习模型，其中一些列是物理地址(我可以将其转换为X / Y坐标)，但我对ML算法如何处理这一点有点困惑。有没有一种特定的方法可以将地理位置转换成列，以便用于ML(分类和/或回归)中？ 提前感谢！
-
Python 有着海量的可用于数据分析、统计以及机器学习的库，这使得 Python 成为很多数据科学家所选择的语言。 下面我们列出了一些被广泛使用的机器学习及其他数据科学应用的 Python 包。 Scipy 技术栈 Scipy 技术栈由一大批在数据科学中被广泛使用的核心辅助包构成，可用于统计分析与数据可视化。由于其丰富的功能和简单易用的特性，这一技术栈已经被视作实现大多数数据科学应用的必备品了。