anime-faces数据集，GAN-动漫二次元数据集

动漫素描着色器 使用参考图像自动进行草图着色 先决条件 pytorch torchvision numpy openCV2 matplotlib 数据集 Taebum Kim，“动漫素描着色对”， //www.kaggle.com/ktaebum/anime-sketch-colorization-pair 培养 请参考train.ipynb 测试 请参考test.ipynb 您可以在 ）上下载经过培训的检查点。 培训细节 参数 值 学习率 2e-4 批量大小 2 时代 25 优化器 亚当 （beta1，beta2） （0.5，0.999） （lambda1，lambd

动漫推荐系统（ARecSys） 配置并启动项目 要求： Postgres == 9.6 创建环境conda create -n ARecSys python=3.6 安装要求pip install -r requirements.txt 创建ARecSys/local_settings.py基于ARecSys/local_settings.py.sample 设置Postgres [数据库]（＃Setting-up数据库） ./manage.py makemigrations && ./manage.py migrate ./manage.py runserver 导航到http://localhost:8000 设置数据库 启动postgres sudo -su postgres 启动PSQL psql CREATE USER anime WITH PASSWORD '

动漫推荐系统| Python，惊喜，Jupyter 该项目的目标是开发基于协作的动漫推荐器系统，该系统能够基于数据库信息（包括总用户历史记录和评级ID用户反馈）生成个性化的独特和相关动漫推荐列表，数据来源来自Kaggle。 com 。 有两个关联的数据集，评级数据集和动漫数据集。 评分数据集包含来自7,516个用户的7,813,737个评分（评分等级：1-10），涉及12294种动漫，密度为0.92％； 动漫数据集包含有关每个动漫的信息，共有7列（anime_id，名称，类型，类型，剧集，评分和成员）。 我将python和SUPRISE软件包一起使用，并利用定制的内置数据清理和模型评估程序，研究了各种协作过滤（CF）算法，包括基于项目的KNNWithMeans，SVD，共聚和SVDpp。 SVD在基于nDCG（排名准确性指标）为用户推荐相关动漫的排名列表方面表现最好，而又不牺牲太多速

主持人： 安装： 克隆回购： git clone https://github.com/gabhm/rule34-scraper.git && cd rule34-scraper 安装dep： pip3 install -r requirements.txt 如何使用： 注意：刮板将下载所有图像并将其移动到：/ images / 语法： python3 scraper.py -t <anime> 示例： python3 scraper.py -t "one_piece"

https://github.com/hysts/anime-face-detector

https://github.com/hysts/anime-face-detector

https://github.com/hysts/anime-face-detector

https://github.com/hysts/anime-face-detector

anime-faces-data卡通头像数据集