基于区块链的毕业设计name ethnicity classification – 姓名种族分类

本文提供基于区块链的毕业设计国外最新区块链项目源码下载,包括solidity,eth,fabric等blockchain区块链,基于区块链的毕业设计name ethnicity classification – 姓名种族分类 是一篇很好的国外资料

name ethnicity classification

| installation:

  • repository installation:

    git clone https://github.com/hollowcodes/name-ethnicity-classification.git cd name-ethnicity-classification/ 
  • dependencies: python-3.7, pytorch, numpy, pandas, conda recommended

  • dependency installation using conda:

    conda create -n <env-name> python=3.7 conda activate <env-name>  conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch conda install numpy conda install pandas 

| usage:

  • read this first:

    Before you start classifying, check out the different model configurations inside the folder “model_configurations/”.

    There you will find different models which each classify a unique set of nationalities.

    The “README.md” in each model folder will inform you about which ethnicities it can classify, its performance and more information you should know about it.

    When using the console interface, you can specify which model you want to use.

  • classifying names in a given .csv file :

    example command:

    $ python predict_ethnicity.py -i "path/to/names.csv" -o "path/to/predictions.csv" -m "standard_model_22_nationalities" -d "gpu" -b 512 

    flags:

    -i, --input : path to .csv containing (first and last) names; must contain one column called "names" (name freely selectable)  -o, --output (required after -i): path to .csv in which the names along with the predictions will be stores (file will be created if it doesn't exist; name freely selectable)  -m, --model (optional): folder name of model configuration which can be chosen from "model_configurations/" (if this flag is not set the standard model will be "22_nationalities_and_else_model")  -d, --device (optional) : must be either "gpu" or "cpu" (if this flag is not set it be "gpu" if cuda support is detected)  -b, --batchsize (optional) : specifies how many names will be processed in parallel (if this flag is not set it will try to process all names in parallel; if it crashes choose a batch-size smaller than the amount of names in your .csv file; the bigger the batchsize the faster it will classify the names)  

    example files:

    “names.csv” has to have one column named “names” (upper-/ lower case doesn’t matter):

    1 names, 2 John Doe, 3 Max Mustermann, 

    After running the command, the “predictions.csv” will look like this:

    1 names,ethnicities 2 John Doe,american 3 Max Mustermann,german 

  • predicting a single name:

    example command:

    python3 predict_ethnicitiy.py -n "Gonzalo Rodriguez"  >> name: Gonzalo Rodriguez - predicted ethnicity: spanish 

    flags:

    -n, --name : first and last name (upper-/ lower case doesn't matter)  -m, --model (optional): folder name of model configuration which can be chosen from "model_configurations/" (specifies which ethnicities can be classified; if this flag is not set the standard model will be "22_nationalities_and_else_model") 

add new model


姓名种族分类

安装:

  • 存储库安装:git clonehttps://github.com/hollowcodes/name-ethnicity-classification.git cd名称种族分类/
  • 依赖项:python-3.7、pytorch、numpy、pandas、,conda建议使用conda:conda create-n&lt;安装依赖项;环境名称&gt;python=3.7康达激活&lt;环境名称&gt;conda install pytorch torchvision torchaudio cudatoolkit=10.2-c pytorch conda install numpy conda install pandas
  • 首先阅读以下内容:开始分类之前,请查看文件夹“model_configurations/”中的不同型号配置。在那里你会发现不同的模型,每一个模型都对一组独特的民族进行了分类。每个模型文件夹中的“README.md”将告诉您可以对哪些种族进行分类,它的性能以及您应该了解的更多信息。使用控制台界面时,可以指定要使用的型号

用法:

  • 对给定.csv文件中的名称进行分类:示例命令:$python predict_ocidentity.py-i“path/to/names.csv”-o“path/to/predictions.csv”-m“standard_model_22_nations”-d“gpu”-b512标志:-i,–输入:包含(名字和姓氏)名称的.csv路径;必须包含一列名为“名称”(名称可自由选择)-o,–output(在-i之后需要):指向.csv的路径,其中将存储名称和预测(如果不存在,将创建文件;名称可自由选择)-m,–model(可选):可从“model_configurations/”中选择的模型配置文件夹名称(如果未设置此标志,则标准型号将为“22u和u elseu型号”)-d,–设备(可选):必须为“gpu”或“cpu”(如果未设置此标志,则在检测到cuda支持时为“gpu”)-b,–batchsize(可选):指定并行处理的名称数量(如果未设置此标志,它将尝试并行处理所有名称;如果崩溃,请选择小于.csv文件中名称数量的批处理大小;批处理大小越大,分类名称的速度越快)示例文件:“names.csv”必须有一列名为“names”(大写/小写不重要):1姓名,2 John Doe,3 Max Mustermann,运行命令后,“predicts.csv”将如下所示:1姓名,种族2 John Doe,美国3 Max Mustermann,德语预测单个姓名:示例命令:python3 predict_ethnicity.py-n“Gonzalo Rodriguez”&gt;&gt;名称:Gonzalo Rodriguez-预计种族:西班牙国旗:-n,–名称:名字和姓氏(大写/小写不重要)-m,–型号(可选):型号配置的文件夹名称,可从“型号配置”中选择(指定可分类的种族;如果未设置此标志,则标准模型将为“22个民族”和“其他民族”模型)

在给定的.csv文件中对姓名进行分类:

示例命令:

标志:

示例文件:

预测单个名称:

示例命令:

标志:

  • 存储库安装:git clonehttps://github.com/hollowcodes/name-ethnicity-classification.git cd名称种族分类/
  • 依赖项:python-3.7、pytorch、numpy、pandas、,conda建议使用conda:conda create-n&lt;安装依赖项;环境名称&gt;python=3.7康达激活&lt;环境名称&gt;conda install pytorch torchvision torchaudio cudatoolkit=10.2-c pytorch conda install numpy conda install pandas
  • 首先阅读以下内容:开始分类之前,请查看文件夹“model_configurations/”中的不同型号配置。在那里你会发现不同的模型,每一个模型都对一组独特的民族进行了分类。每个模型文件夹中的“README.md”将告诉您可以对哪些种族进行分类,它的性能以及您应该了解的更多信息。使用控制台界面时,可以指定要使用的型号
  • 对给定.csv文件中的名称进行分类:示例命令:$python predict_ocidentity.py-i“path/to/names.csv”-o“path/to/predictions.csv”-m“standard_model_22_nations”-d“gpu”-b512标志:-i,–输入:包含(名字和姓氏)名称的.csv路径;必须包含一列名为“名称”(名称可自由选择)-o,–output(在-i之后需要):指向.csv的路径,其中将存储名称和预测(如果不存在,将创建文件;名称可自由选择)-m,–model(可选):可从“model_configurations/”中选择的模型配置文件夹名称(如果未设置此标志,则标准型号将为“22u和u elseu型号”)-d,–设备(可选):必须为“gpu”或“cpu”(如果未设置此标志,则在检测到cuda支持时为“gpu”)-b,–batchsize(可选):指定并行处理的名称数量(如果未设置此标志,它将尝试并行处理所有名称;如果崩溃,请选择小于.csv文件中名称数量的批处理大小;批处理大小越大,分类名称的速度越快)示例文件:“names.csv”必须有一列名为“names”(大写/小写不重要):1姓名,2 John Doe,3 Max Mustermann,运行命令后,“predicts.csv”将如下所示:1姓名,种族2 John Doe,美国3 Max Mustermann,德语预测单个姓名:示例命令:python3 predict_ethnicity.py-n“Gonzalo Rodriguez”&gt;&gt;名称:Gonzalo Rodriguez-预计种族:西班牙国旗:-n,–名称:名字和姓氏(大写/小写不重要)-m,–型号(可选):型号配置的文件夹名称,可从“型号配置”中选择(指定可分类的种族;如果未设置此标志,则标准模型将为“22个民族”和“其他民族”模型)
    • 在给定的.csv文件中对姓名进行分类:

      示例命令:

      $ python predict_ethnicity.py -i "path/to/names.csv" -o "path/to/predictions.csv" -m "standard_model_22_nationalities" -d "gpu" -b 512 

      示例文件:

      -i, --input : path to .csv containing (first and last) names; must contain one column called "names" (name freely selectable)  -o, --output (required after -i): path to .csv in which the names along with the predictions will be stores (file will be created if it doesn't exist; name freely selectable)  -m, --model (optional): folder name of model configuration which can be chosen from "model_configurations/" (if this flag is not set the standard model will be "22_nationalities_and_else_model")  -d, --device (optional) : must be either "gpu" or "cpu" (if this flag is not set it be "gpu" if cuda support is detected)  -b, --batchsize (optional) : specifies how many names will be processed in parallel (if this flag is not set it will try to process all names in parallel; if it crashes choose a batch-size smaller than the amount of names in your .csv file; the bigger the batchsize the faster it will classify the names)  

      预测单个名称:

      示例命令:

      标志:

    • 存储库安装:git clonehttps://github.com/hollowcodes/name-ethnicity-classification.git cd名称种族分类/
    • 依赖项:python-3.7、pytorch、numpy、pandas、,conda建议使用conda:conda create-n&lt;安装依赖项;环境名称&gt;python=3.7康达激活&lt;环境名称&gt;conda install pytorch torchvision torchaudio cudatoolkit=10.2-c pytorch conda install numpy conda install pandas
    • 首先阅读以下内容:开始分类之前,请查看文件夹“model_configurations/”中的不同型号配置。在那里你会发现不同的模型,每一个模型都对一组独特的民族进行了分类。每个模型文件夹中的“README.md”将告诉您可以对哪些种族进行分类,它的性能以及您应该了解的更多信息。使用控制台界面时,可以指定要使用的型号
    • 对给定.csv文件中的名称进行分类:示例命令:$python predict_ocidentity.py-i“path/to/names.csv”-o“path/to/predictions.csv”-m“standard_model_22_nations”-d“gpu”-b512标志:-i,–输入:包含(名字和姓氏)名称的.csv路径;必须包含一列名为“名称”(名称可自由选择)-o,–output(在-i之后需要):指向.csv的路径,其中将存储名称和预测(如果不存在,将创建文件;名称可自由选择)-m,–model(可选):可从“model_configurations/”中选择的模型配置文件夹名称(如果未设置此标志,则标准型号将为“22u和u elseu型号”)-d,–设备(可选):必须为“gpu”或“cpu”(如果未设置此标志,则在检测到cuda支持时为“gpu”)-b,–batchsize(可选):指定并行处理的名称数量(如果未设置此标志,它将尝试并行处理所有名称;如果崩溃,请选择小于.csv文件中名称数量的批处理大小;批处理大小越大,分类名称的速度越快)示例文件:“names.csv”必须有一列名为“names”(大写/小写不重要):1姓名,2 John Doe,3 Max Mustermann,运行命令后,“predicts.csv”将如下所示:1姓名,种族2 John Doe,美国3 Max Mustermann,德语预测单个姓名:示例命令:python3 predict_ethnicity.py-n“Gonzalo Rodriguez”&gt;&gt;名称:Gonzalo Rodriguez-预计种族:西班牙国旗:-n,–名称:名字和姓氏(大写/小写不重要)-m,–型号(可选):型号配置的文件夹名称,可从“型号配置”中选择(指定可分类的种族;如果未设置此标志,则标准模型将为“22个民族”和“其他民族”模型)
    • 运行命令后,“predictions.csv”将如下所示:

      1 names, 2 John Doe, 3 Max Mustermann, 
      1 names,ethnicities 2 John Doe,american 3 Max Mustermann,german 

    示例命令:

    • 标志:

    • 存储库安装:git clonehttps://github.com/hollowcodes/name-ethnicity-classification.git cd名称种族分类/
    • 依赖项:python-3.7、pytorch、numpy、pandas、,conda建议使用conda:conda create-n&lt;安装依赖项;环境名称&gt;python=3.7康达激活&lt;环境名称&gt;conda install pytorch torchvision torchaudio cudatoolkit=10.2-c pytorch conda install numpy conda install pandas
    • 首先阅读以下内容:开始分类之前,请查看文件夹“model_configurations/”中的不同型号配置。在那里你会发现不同的模型,每一个模型都对一组独特的民族进行了分类。每个模型文件夹中的“README.md”将告诉您可以对哪些种族进行分类,它的性能以及您应该了解的更多信息。使用控制台界面时,可以指定要使用的型号
    • 对给定.csv文件中的名称进行分类:示例命令:$python predict_ocidentity.py-i“path/to/names.csv”-o“path/to/predictions.csv”-m“standard_model_22_nations”-d“gpu”-b512标志:-i,–输入:包含(名字和姓氏)名称的.csv路径;必须包含一列名为“名称”(名称可自由选择)-o,–output(在-i之后需要):指向.csv的路径,其中将存储名称和预测(如果不存在,将创建文件;名称可自由选择)-m,–model(可选):可从“model_configurations/”中选择的模型配置文件夹名称(如果未设置此标志,则标准型号将为“22u和u elseu型号”)-d,–设备(可选):必须为“gpu”或“cpu”(如果未设置此标志,则在检测到cuda支持时为“gpu”)-b,–batchsize(可选):指定并行处理的名称数量(如果未设置此标志,它将尝试并行处理所有名称;如果崩溃,请选择小于.csv文件中名称数量的批处理大小;批处理大小越大,分类名称的速度越快)示例文件:“names.csv”必须有一列名为“names”(大写/小写不重要):1姓名,2 John Doe,3 Max Mustermann,运行命令后,“predicts.csv”将如下所示:1姓名,种族2 John Doe,美国3 Max Mustermann,德语预测单个姓名:示例命令:python3 predict_ethnicity.py-n“Gonzalo Rodriguez”&gt;&gt;名称:Gonzalo Rodriguez-预计种族:西班牙国旗:-n,–名称:名字和姓氏(大写/小写不重要)-m,–型号(可选):型号配置的文件夹名称,可从“型号配置”中选择(指定可分类的种族;如果未设置此标志,则标准模型将为“22个民族”和“其他民族”模型)
    • python3 predict_ethnicitiy.py -n "Gonzalo Rodriguez"  >> name: Gonzalo Rodriguez - predicted ethnicity: spanish 

      flags:

      -n, --name : first and last name (upper-/ lower case doesn't matter)  -m, --model (optional): folder name of model configuration which can be chosen from "model_configurations/" (specifies which ethnicities can be classified; if this flag is not set the standard model will be "22_nationalities_and_else_model") 

    姓名种族分类

    安装:

    用法:

    首先阅读:

    在给定的.csv文件中对姓名进行分类:

    示例命令:

    标志:

    示例文件:

    预测单个名称:

    示例命令:

    标志:

  • 存储库安装:git clonehttps://github.com/hollowcodes/name-ethnicity-classification.git cd名称种族分类/
  • 依赖项:python-3.7、pytorch、numpy、pandas、,conda建议使用conda:conda create-n&lt;安装依赖项;环境名称&gt;python=3.7康达激活&lt;环境名称&gt;conda install pytorch torchvision torchaudio cudatoolkit=10.2-c pytorch conda install numpy conda install pandas
  • 首先阅读以下内容:开始分类之前,请查看文件夹“model_configurations/”中的不同型号配置。在那里你会发现不同的模型,每一个模型都对一组独特的民族进行了分类。每个模型文件夹中的“README.md”将告诉您可以对哪些种族进行分类,它的性能以及您应该了解的更多信息。使用控制台界面时,可以指定要使用的型号
  • 对给定.csv文件中的名称进行分类:示例命令:$python predict_ocidentity.py-i“path/to/names.csv”-o“path/to/predictions.csv”-m“standard_model_22_nations”-d“gpu”-b512标志:-i,–输入:包含(名字和姓氏)名称的.csv路径;必须包含一列名为“名称”(名称可自由选择)-o,–output(在-i之后需要):指向.csv的路径,其中将存储名称和预测(如果不存在,将创建文件;名称可自由选择)-m,–model(可选):可从“model_configurations/”中选择的模型配置文件夹名称(如果未设置此标志,则标准型号将为“22u和u elseu型号”)-d,–设备(可选):必须为“gpu”或“cpu”(如果未设置此标志,则在检测到cuda支持时为“gpu”)-b,–batchsize(可选):指定并行处理的名称数量(如果未设置此标志,它将尝试并行处理所有名称;如果崩溃,请选择小于.csv文件中名称数量的批处理大小;批处理大小越大,分类名称的速度越快)示例文件:“names.csv”必须有一列名为“names”(大写/小写不重要):1姓名,2 John Doe,3 Max Mustermann,运行命令后,“predicts.csv”将如下所示:1姓名,种族2 John Doe,美国3 Max Mustermann,德语预测单个姓名:示例命令:python3 predict_ethnicity.py-n“Gonzalo Rodriguez”&gt;&gt;名称:Gonzalo Rodriguez-预计种族:西班牙国旗:-n,–名称:名字和姓氏(大写/小写不重要)-m,–型号(可选):型号配置的文件夹名称,可从“型号配置”中选择(指定可分类的种族;如果未设置此标志,则标准模型将为“22个民族”和“其他民族”模型)
  • add new model

    部分转自网络,侵权联系删除区块链源码网

    www.interchains.cc

    https://www.interchains.cc/24484.html

    区块链毕设网(www.interchains.cc)全网最靠谱的原创区块链毕设代做网站 部分资料来自网络,侵权联系删除! 最全最大的区块链源码站 ! QQ3039046426
    区块链知识分享网, 以太坊dapp资源网, 区块链教程, fabric教程下载, 区块链书籍下载, 区块链资料下载, 区块链视频教程下载, 区块链基础教程, 区块链入门教程, 区块链资源 » 基于区块链的毕业设计name ethnicity classification – 姓名种族分类

    提供最优质的资源集合

    立即查看 了解详情