这个包包含 AI Choreographer 的模型实现和训练基础设施，包括 FACT 模型实现。
拉取代码
git clone https://github.com/liruilong940607/mint --recursive注意这里 --recursive 很重要，因为它也会自动克隆子模块。
安装依赖
conda create -n mint python=3.7
conda activate mint
conda install protobuf numpy
pip install tensorflow absl-py tensorflow-datasets librosa
sudo apt-get install libopenexr-dev
pip install --upgrade OpenEXR
pip install tensorflow-graphics tensorflow-graphics-gpu
git clone https://github.com/arogozhnikov/einops /tmp/einops
cd /tmp/einops/ && pip install . -U
git clone https://github.com/google/aistplusplus_api /tmp/aistplusplus_api
cd /tmp/aistplusplus_api && pip install -r requirements.txt && pip install . -U注意如果遇到 numpy 的环境冲突，可以试试 pip install numpy==1.20
获取数据
数据在该网站。
运行代码
- 编译协议
protoc ./mint/protos/*.proto-
将数据集预处理为 tfrecord
python tools/preprocessing.py \
--anno_dir="/mnt/data/aist_plusplus_final/" \
--audio_dir="/mnt/data/AIST/music/" \
--split=train
python tools/preprocessing.py \
--anno_dir="/mnt/data/aist_plusplus_final/" \
--audio_dir="/mnt/data/AIST/music/" \
--split=testval-
训练
python trainer.py --config_path ./configs/fact_v5_deeper_t10_cm12.config --model_dir ./checkpoints-
运行测试和评估
# caching the generated motions (seed included) to `./outputs`
python evaluator.py --config_path ./configs/fact_v5_deeper_t10_cm12.config --model_dir ./checkpoints
# calculate FIDs
python tools/calculate_scores.py
-
我正在使用Spacy来训练我的NER模型和新实体，我正在使用模型作为我的基础模型，因为我还想检测基本实体（，，，等等）。我在未标记的句子上运行了model，并将它们的注释添加到我的训练集中。 完成之后，现在我想为新实体创建训练数据。例如，我想添加一个名为的新实体。我有一大堆句子（除了那些之前用注释的句子）要注释。例如： “詹姆斯喜欢吃苹果”。 我的问题是：我是否仍然需要将“James”注释为，以及
-
在之前的描述中，我们通常把机器学习模型和训练算法当作黑箱子来处理。如果你实践过前几章的一些示例，你惊奇的发现你可以优化回归系统，改进数字图像的分类器，你甚至可以零基础搭建一个垃圾邮件的分类器，但是你却对它们内部的工作流程一无所知。事实上，许多场合你都不需要知道这些黑箱子的内部有什么，干了什么。 然而，如果你对其内部的工作流程有一定了解的话，当面对一个机器学习任务时候，这些理论可以帮助你快速的找到恰
-
在之前的描述中，我们通常把机器学习模型和训练算法当作黑箱子来处理。如果你实践过前几章的一些示例，你惊奇的发现你可以优化回归系统，改进数字图像的分类器，你甚至可以零基础搭建一个垃圾邮件的分类器，但是你却对它们内部的工作流程一无所知。事实上，许多场合你都不需要知道这些黑箱子的内部有什么，干了什么。 然而，如果你对其内部的工作流程有一定了解的话，当面对一个机器学习任务时候，这些理论可以帮助你快速的找到恰
-
我的要求是像这样分析句子。“给我找一本饥饿的潮汐书。”或者“饥饿的潮水或破碎的镜子，哪一个更好。”饥饿的潮汐和破碎的镜子是书的名字，为此我需要创建一个自定义模型，在给定的令牌数组中找到书的标题。因此，稍后我可以根据给定的句子创建一个查询。请让我知道我如何做到这一点，或者如果有任何其他方法来分析这样的句子。
-
我可能需要为OpenNLP创建一个自定义训练集，这将需要我手动注释很多条目。 为了让事情变得更容易，GUI解决方案可能是最好的主意（手动编写注释标签并不酷），我刚刚发现了看起来像我需要的BRAT。 BRAT可以导出带注释的文件（. ann），但我在OpenNLP的手册中没有找到任何对该文件类型的引用，我不确定这是否可行。 我想做的是从BRAT导出这个带注释的文件并使用它来训练OpenNLP的模型，
-
我可以在AWS Sagemaker中通过评估模型来训练多个模型train.py脚本，以及如何从多个模型中获取多个指标？ 任何链接、文档或视频都很有用。
-
Polar Verity Sense 拥有三种训练模式：心率模式、记录模式和游泳模式。 请注意，在记录模式或游泳模式下使用传感器前，需要将传感器连接到您的 Polar Flow 账号。该操作已在设置期间完成。如果您没有按照设置 Verity Sense 中的说明完成设置，则只能在心率模式下使用传感器。 在心率模式下，您可以将传感器连接到兼容的设备或应用，在训练期间实时追踪您的心率。有关详细说明，请
-
这里从两方面来讲内存模型：一方面是基本结构，这与事务在内存中是怎样布局的有关；另一方面就是并发。对于并发基本结构很重要，特别是在低层原子操作。所以我将会从基本结构讲起。C++中它与所有的对象和内存位置有关。 5.1.1 对象和内存位置 在一个C++程序中的所有数据都是由对象(objects)构成。这不是说你可以创建一个int的衍生类，或者是基本类型中存在有成员函数，或是像在Smalltalk和Ru