文件名称：mais202：麦吉尔AI学会：机器学习加速入门-2020年冬季
文件大小：22.69MB
文件格式：ZIP
更新时间：2024-03-05 02:06:27
Python
石材分类器 为McGill AI协会创建的最终项目：机器学习加速入门（2020年冬季）。 通过网络抓取专门为此项目创建的培训和测试数据集，这些数据集来自Smithsonian NMNH地质学数据门户网站[ ]（仅供教育使用）。 项目描述 石头分类器项目是一个Web应用程序，可将石头图像分为四个类别（岩石，化石，宝石，矿物）。 该数据集是通过使用BeautifulSoup抓取并解析NMNH地质学数据门户创建的。 图像预处理包括删除重复项，调整大小，高斯模糊以减少噪声。 我使用卷积神经网络（CNN）在Google Colab上使用Keras / Tensorflow构建了模型。 stone-classifier-webapp后端基于Flask模块。 最终模型的测试数据准确性为93.8％和0.148。 部署Webapp 该webapp从终端或命令行本地运行。 要使用webapp，请将
【文件预览】：
mais202-master
----deliverables()
--------3 - Progress & Preliminary Results.pdf(77KB)
--------4 - App Screenshot & Bio.pdf(156KB)
--------1 - Data Selection Proposal.pdf(74KB)
--------2 - Final Training Results & Demonstration Proposal.pdf(68KB)
----model()
--------mais_final_project.py(5KB)
----webscraping()
--------.gitignore(2KB)
--------requirements.txt(596B)
--------DataCollection()
----README.md(2KB)
----stone-classifier-webapp()
--------Dockerfile(155B)
--------templates()
--------requirements.txt(724B)
--------models()
--------LICENSE(34KB)
--------Pipfile.lock(32KB)
--------static()
--------util.py(656B)
--------Pipfile(243B)
--------app.py(2KB)