注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. Tensorflow实现二次元图像的超分辨率

  2. 使用tensorflow实现了一个vgg-style网络，用于对动漫风格的图像进行超分辨率处理。 解压后源码在src目录下，data目录下是用于训练的数据，data/originals目录用于存放你收集的原始无损图片，运行make_noisefree_data后，程序会自动从data/originals中读取文件并裁剪，然后保存到data/train,data/valid和data/test目录下，分别用于训练、验证和测试。训练中产生的模型会保存在checkpoints目录下。

  3. 所属分类：Python

    • 发布日期：2016-12-17
    • 文件大小：14680064
    • 提供者：aichipmunk

  1. Tensorflow实现二次元图像的超分辨率

  2. 使用tensorflow实现了一个vgg-style网络，用于对动漫风格的图像进行超分辨率处理。 解压后源码在src目录下，data目录下是用于训练的数据，data/originals目录用于存放你收集的原始无损图片，运行make_noisefree_data后，程序会自动从data/originals中读取文件并裁剪，然后保存到data/train,data/valid和data/test目录下，分别用于训练、验证和测试。训练中产生的模型会保存在checkpoints目录下。

  3. 所属分类：Python

    • 发布日期：2019-01-01
    • 文件大小：14680064
    • 提供者：funing8258

  1. Matlab-Deep Learning Toolbox

  2. Deep Learning Toolbox™提供了一个框架，用于设计和实现具有算法，预训练模型和应用程序的深度神经网络。您可以使用卷积神经网络（ConvNets，CNN）和长期短期记忆（LSTM）网络对图像，时间序列和文本数据进行分类和回归。应用程序和图表可帮助您可视化激活，编辑网络体系结构以及监控培训进度。 对于小型训练集，您可以使用预训练的深层网络模型（包括SqueezeNet，Inception-v3，ResNet-101，GoogLeNet和VGG-19）以及从TensorFlow™-

  3. 所属分类：深度学习

    • 发布日期：2019-04-08
    • 文件大小：14680064
    • 提供者：yun000feng

  1. Tensorflow实现二次元图像的超分辨率

  2. 使用tensorflow实现了一个vgg-style网络，用于对动漫风格的图像进行超分辨率处理。 解压后源码在src目录下，data目录下是用于训练的数据，data/originals目录用于存放你收集的原始无损图片，运行make_noisefree_data后，程序会自动从data/originals中读取文件并裁剪，然后保存到data/train,data/valid和data/test目录下，分别用于训练、验证和测试。训练中产生的模型会保存在checkpoints目录下。

  3. 所属分类：Python

    • 发布日期：2020-01-19
    • 文件大小：14680064
    • 提供者：weixin_42584046

  1. 使用tensorflow实现VGG网络,训练mnist数据集方式

  2. 主要介绍了使用tensorflow实现VGG网络,训练mnist数据集方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-16
    • 文件大小：107520
    • 提供者：weixin_38700320

  1. 使用tensorflow实现VGG网络,训练mnist数据集方式

  2. VGG作为流行的几个模型之一,训练图形数据效果不错，在mnist数据集是常用的入门集数据，VGG层数非常多，如果严格按照规范来实现，并用来训练mnist数据集，会出现各种问题，如，经过16层卷积后，28*28*1的图片几乎无法进行。 先介绍下VGG ILSVRC 2014的第二名是Karen Simonyan和 Andrew Zisserman实现的卷积神经网络，现在称其为VGGNet。它主要的贡献是展示出网络的深度是算法优良性能的关键部分。 他们最好的网络包含了16个卷积/全连接层。网络的结构

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：59392
    • 提供者：weixin_38530115

  1. 用PaddlePaddle和Tensorflow实现经典CNN网络Vgg

  2. Vgg网络结构VGGnet是Oxford的VisualGeometryGroup的team，在ILSVRC2014上的主要工作是证明了增加网络的深度能够在一定程度上影响网络最终的性能，如下图，文章通过逐步增加网络深度来提高性能，虽然看起来有一点小暴力，没有特别多取巧的，但是确实有效，很多pretrained的方法就是使用VGG的model（主要是16和19），VGG相对其他的方法，参数空间很大，所以train一个vgg模型通常要花费更长的时间，不过公开的pretrainedmodel让我们很方便

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：557056
    • 提供者：weixin_38636577

  1. 神经风格：TensorFlow中的神经风格！ :artist_palette:-源码

  2. 神经风格 TensorFlow中的实现。 由于TensorFlow非常好的API和，因此该实现比其他实现简单得多。 TensorFlow不支持 （这是原始作者使用的），因此我们使用 。 这可能需要更多的超参数调整才能获得不错的结果。 相关项目 请参阅以在TensorFlow中实现的实现。 在您的Web浏览器中客户端，而不安装任何软件（使用 ）。 跑步 python neural_style.py --content --styles --output 运行python neura

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：1048576
    • 提供者：weixin_42139871

  1. deepface：在Tensorflow中实现的用于面部检测识别比对的深度学习模型-源码

  2. 深脸 在Tensorflow中实现的用于面部检测/识别/对齐的深度学习模型。 这是使用此存储库的代码段： 主要贡献者 ildoonet 楷模 基准线 基线模型使用dlib人脸检测模块来修剪鱼卵。 然后，它们将在vggface网络中转发以提取功能。 dlib人脸检测 dlib面对齐 VGGFace人脸识别 SSD人脸检测 Mobilenet V2 培训： : 实验 LFW数据集 探测器 识别模型 描述 组 1-EER 准确性 VGG 纸，无嵌入，训练有素 测试 0.9673

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：3145728
    • 提供者：weixin_42104947

  1. srgan：使用生成的对抗网络实现逼真的单图像超分辨率-源码

  2. 超分辨率示例 我们在 2.0和 2.0+下运行此脚本。 对于TensorLayer 1.4版本，请检查。 :rocket: :rocket: :rocket: :rocket: :rocket: :rocket: 此项目将在一个月内关闭并移至。 :rocket: :rocket: :rocket: :rocket: :rocket: :rocket: 此项目将在一个月内关闭并移至。 :rocket: :rocket: :rocket: :rocket: :

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：28311552
    • 提供者：weixin_42173218

  1. MultiNet：自动驾驶的实时联合语义推理-源码

  2. 多网 MultiNet能够共同执行道路分割，汽车检测和街道分类。 该模型可实现实时的速度和的细分效果。 查阅我们的以获取详细的模型描述。 MultiNet经过优化，可以实时高效地运行。 它包含两个组件： ，它在道路分割方面树立了新的技术水平； 和 ，在推理速度和检测性能上均优于基准Faster-RCNN。 该模型被设计为编码器-解码器体系结构。 每个任务使用一个VGG编码器和几个独立的解码器。 该存储库包含将一个网络中的多个tensorflow模型组合在一起的通用代码。 ， 和存储库提供

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：23068672
    • 提供者：weixin_42124743

  1. 用PaddlePaddle和Tensorflow实现经典CNN网络Vgg

  2. Vgg网络结构VGGnet是Oxford的VisualGeometryGroup的team，在ILSVRC2014上的主要工作是证明了增加网络的深度能够在一定程度上影响网络最终的性能，如下图，文章通过逐步增加网络深度来提高性能，虽然看起来有一点小暴力，没有特别多取巧的，但是确实有效，很多pretrained的方法就是使用VGG的model（主要是16和19），VGG相对其他的方法，参数空间很大，所以train一个vgg模型通常要花费更长的时间，不过公开的pretrainedmodel让我们很方便

  3. 所属分类：其它

    • 发布日期：2021-02-02
    • 文件大小：557056
    • 提供者：weixin_38558870