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. PyTorch 模型训练实用教程

  2. 本教程内容主要为在 PyTorch 中训练一个模型所可能涉及到的方法及函 数， 并且对 PyTorch 提供的数据增强方法（22 个）、权值初始化方法（10 个）、损失函数（17 个）、优化器（6 个）及 tensorboardX 的方法（13 个） 进行了详细介绍，本教程分为四章， 结构与机器学习三大部分一致。 第一章， 介绍数据的划分，预处理，数据增强； 第二章， 介绍模型的定义，权值初始化，模型 Finetune； 第三章， 介绍各种损失函数及优化器； 第四章， 介绍可视化工具，用于监控数

  3. 所属分类：机器学习

    • 发布日期：2019-03-03
    • 文件大小：4194304
    • 提供者：qq_29893385

  1. 排序算法的下界和如何超越下界.ipynb

  2. 上传时间：2020/11/09 最后测试：2020/11/09 内容：排序算法的下界和如何超越下界原理及实现 其他：pytorch学习练习代码 相关介绍：https://blog.csdn.net/jerry_liufeng/article/details/109587637

  3. 所属分类：其它

    • 发布日期：2020-11-09
    • 文件大小：447488
    • 提供者：jerry_liufeng

  1. pytorch实现mnist数据集的图像可视化及保存

  2. 如何将pytorch中mnist数据集的图像可视化及保存 导出一些库 import torch import torchvision import torch.utils.data as Data import scipy.misc import os import matplotlib.pyplot as plt BATCH_SIZE = 50 DOWNLOAD_MNIST = True 数据集的准备 #训练集测试集的准备 train_data = torchvision.dataset

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：102400
    • 提供者：weixin_38737144

  1. Pytorch中Tensor与各种图像格式的相互转化详解

  2. 前言 在pytorch中经常会遇到图像格式的转化，例如将PIL库读取出来的图片转化为Tensor，亦或者将Tensor转化为numpy格式的图片。而且使用不同图像处理库读取出来的图片格式也不相同，因此，如何在pytorch中正确转化各种图片格式(PIL、numpy、Tensor)是一个在调试中比较重要的问题。 本文主要说明在pytorch中如何正确将图片格式在各种图像库读取格式以及tensor向量之间转化的问题。以下代码经过测试都可以在Pytorch-0.4.0或0.3.0版本直接使用。 对p

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：53248
    • 提供者：weixin_38727087

  1. pytorch 准备、训练和测试自己的图片数据的方法

  2. 大部分的pytorch入门教程，都是使用torchvision里面的数据进行训练和测试。如果我们是自己的图片数据，又该怎么做呢？ 一、我的数据 我在学习的时候，使用的是fashion-mnist。这个数据比较小，我的电脑没有GPU，还能吃得消。关于fashion-mnist数据，可以百度，也可以点此 了解一下，数据就像这个样子： 下载地址：https://github.com/zalandoresearch/fashion-mnist 但是下载下来是一种二进制文件，并不是图片，因此我先转换成

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：181248
    • 提供者：weixin_38550459

  1. light-tensor-源码

  2. 张量框架（l-十） 用于快速神经网络训练和推理的低开销框架 比libtorch更快（PyTorch的C ++后端） 快速转变网络架构和超参数搜索 快速高效地推论生产 特征 自动差异化 流行的网络层类型 热门优化器 与libtorch类似的API int8量化（仅适用于线性层） Python前端即将推出 演示版 Colab笔记本演示了如何构建L张量库和运行测试 无人机动力学模拟器 基准测试 十人vs libtorch训练和推理（MNIST） 十人vs libtorch训练与自卑（语音命令）

  3. 所属分类：其它

    • 发布日期：2021-03-22
    • 文件大小：105472
    • 提供者：weixin_42121905

  1. Dassl.pytorch:用于域自适应和半监督学习的PyTorch工具箱-源码

  2. 达斯尔 Dassl是一个工具箱，旨在研究领域适应和半监督学习（因此而命名为Dassl ）。它具有模块化设计和统一的界面，可以快速进行原型设计和新DA / SSL方法的试验。使用Dassl，只需几行代码即可实现一种新方法。 您可以将Dassl用作库进行以下研究： 领域适应 域泛化 半监督学习 什么是新的 [2021年3月]我们刚刚在上发布了关于域泛化的调查，该调查总结了该主题的十年发展情况，涵盖了历史，相关问题，数据集，方法论，潜力方向等等。 [2021年1月]我们最近的工作 （混合不同域样本的

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：149504
    • 提供者：weixin_42161450

  1. PICK-pytorch:论文代码“ PICK-源码

  2. 派克火炬 ***** 2021年2月6日更新：火车票数据集现已可用于学术研究。您可以从或下载。它包含1,530张合成图像和320张用于训练的真实图像，以及80张用于测试的真实图像。有关如何从采样训练/测试集并生成相应注释的更多详细信息，请参阅我们的。***** *****于2020年9月17日更新：现已提供有关大规模文档理解数据集训练示例。请参阅以获取更多详细信息。感谢贡献。***** PyTorch重新实现 （ICPR 2020）。该项目与我们最初的实现不同。 内容 介绍 通过将图学习与图

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：17825792
    • 提供者：weixin_42121058

  1. MetaDropout-pytorch-源码

  2. MetaDropout-pytorch 这是Meta Dropout: Learning to Perturb Latent Features for Generalization (ICLR 2020)中的论文《 Meta Dropout: Learning to Perturb Latent Features for Generalization (ICLR 2020) 的重新实现。 抽象的 泛化得很好的机器学习模型应该在看不见的测试示例上获得较低的错误。 因此，如果我们知道如何最佳地扰动

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：9216
    • 提供者：weixin_42172572

  1. ComputerVision-with-PyTorch-Learning-Program:由TinkerHub Foundation使用PyTorch学习程序进行计算机视觉-源码

  2. PyTorch学习计划的ComputerVision 使用TinkerHub Foundation的PyTorch学习程序进行计算机视觉。 是一个由创建的开源深度学习框架。 该学习计划将涵盖以下内容， 计算机视觉。 Pytorch框架。 Torchvision库。 图像分类和目标检测。 转移学习。 我们将广泛使用PyTorch文档进行此程序。 参加者标准 应该知道面向对象的编程和python。 应该知道Git和GitHub。 应该知道什么是机器学习和一些基础知识（不同类别的ML

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：330752
    • 提供者：weixin_42175776

  1. mltest：简化编写ML单元测试的测试框架-源码

  2. 该图书馆已被弃用 随着TF2.0的发布，该库在很大程度上被破坏了，我们没有修复它的计划。 大多数测试（特别是“确保在训练过程中所有变量都已修改”）已经包含在Keras中。 测验 tensorflow的机器学习测试框架。 如果您正在寻找pytorch版本，请查看制成的 suriyadeepan！ 如何安装 您可以直接从pip使用它 sudo pip install mltest 或者，您可以复制并粘贴mltest.py文件。 一切都是自包含的，并且是开源的，因此随时可以做自己想做的事情！ 如何使

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：10240
    • 提供者：weixin_42117032

  1. DQN-using-PyTorch和ML-Agents：如何使用PyTorch和ML-Agents环境实现基于矢量的DQN的简单示例-源码

  2. 使用PyTorch和Unity ML-Agent进行深度Q网络（DQN）强化学习 一个简单的示例，说明如何使用PyTorch和ML-Agents环境实现基于矢量的DQN。 深度强化学习（DRL）中的Udacity Danaodgree项目 该存储库包含以下与DQN相关的文件： dqn_agent.py-> dqn-agent实现 replay_memory.py-> dqn-agent的重播缓冲区实现 model.py->用于基于向量的DQN学习的示例PyTorch神经网络

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：2097152
    • 提供者：weixin_42154650

  1. pytorch-android：[EXPERIMENTAL]在Android应用程序中使用PyTorch 1.0的演示。 使用您自己的深度神经网络（例如ResNet18SqueezeNetMobileNet v2和手机摄像头）进行测试-源码

  2. 弃用通知 从 PyTorch 1.3现在正式支持从Python到通过在iOS和Android上部署的端到端工作流。 感谢您对这个项目的关注。 Android上的PyTorch Android上的PyTorch是一个演示如何使用和ONNX进行实时对象分类的Android移动应用程序的项目。 此存储库中的演示源代码最初基于库，从月日起，代码库基于。 项目状态： 2019-05-13： 引入一种轻量级的机器学习框架，用于ON-DEVICE移动推理。 无需繁琐的ONNX，无需学习Caffe2。

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：101711872
    • 提供者：weixin_42166623

  1. pytorch-kaggle-starter：用于Kaggle比赛的Pytorch入门套件-源码

  2. 概要 Pytorch Kaggle入门程序是用于管理Kaggle比赛中的实验的框架。 通过提供一组用于模型训练，数据加载，调整学习率，进行预测，汇总模型和格式化提交内容的辅助功能，它减少了第一次提交的时间。 内部是示例Jupyter笔记本，介绍了如何在热门比赛中获得高分： -8％ -前15％ 这些笔记本概述了基本的单一模型提交内容。 可以通过集成模型和使用测试时间扩充来显着提高分数。 产品特点 实验-从jupyter笔记本或python脚本中的python字典启动实验。 附加可视化工具

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：6291456
    • 提供者：weixin_42116701

  1. OpenIBL：[ECCV-2020（聚光灯）]用于大规模图像定位的自监督细粒度区域相似性。 y PyTorch开源工具箱，用于基于图像的本地化（位置识别）-源码

  2. OpenIBL 介绍 OpenIBL是基于PyTorch的开源代码库，用于基于图像的本地化（换句话说，就是位置识别）。 它支持多种最新方法，还涵盖了ECCV-2020聚光灯SFRS的正式实施。 我们支持由slurm或pytorch启动的单/多节点多GPU分布式培训和测试。 正式执行： ：用于大规模图像定位的自监督细粒度区域相似性（ECCV'20 Spotlight ） 非官方实施： NetVLAD：用于弱监督位置识别的CNN架构（CVPR'16） SARE：用于大规模图像定位的随机

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：4194304
    • 提供者：weixin_42157556

  1. 独特之处：“用于不确定性的实验室和野外图像质量评估的知识”和“学习如何盲目地评估实验室和野外图像质量的信息库”-源码

  2. 独特 的代码库和（ICIP2020） 前提条件： Python 3+ PyTorch 1.4+ Matlab的在Ubuntu18.04上成功测试之后，其他操作系统（即其他Linux发行版，Windows）也应该可以。 用法 从多个数据库中采样图像对 data_all.m 组合采样对以形成训练集 Combine_train.m 在多个数据库上进行10次培训 python Main.py --train True --network basecnn --representation BCNN --

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：4194304
    • 提供者：weixin_42129005

  1. Hierarchical-attention-networks-pytorch：用于文档分类的分层注意网络-源码

  2. [PYTORCH]用于文档分类的分层注意网络 介绍 下面是我的文件分层关注网络的文档分类描述的模型的pytorch实现。 Dbpedia数据集模型输出结果的应用程序演示示例。 我的模型对Dbpedia数据集的性能示例。 如何使用我的代码 使用我的代码，您可以： 使用任何数据集训练模型 给定我训练有素的模型或您的模型，您可以评估具有相同类集的任何测试数据集 运行一个简单的Web应用进行测试 要求： python 3.6 火炬0.4 张量板 tensorboardX （如果不使用Su

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：51380224
    • 提供者：weixin_42134168

  1. ESIM：使用PyTorch实现自然语言推理的ESIM模型-源码

  2. ESIM-增强的顺序推理模型 使用PyTorch实现ESIM模型以进行自然语言推理 该存储库包含Chen等人在论文介绍的序列模型的PyTorch实现。 在2016年。 下图显示了该模型的体系结构的高级视图。 该模型是在的日内瓦大学的背景下实现的。 如何 安装套件 要使用此存储库中定义的模型，您首先需要按照软件包上描述的步骤在计算机上安装PyTorch（仅在使用Windows时才需要此步骤）。 然后，要安装运行模型所需的依赖关系，只需执行命令pip install --upgrade . 从克隆

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：62914560
    • 提供者：weixin_42131342

  1. pytorch-metric-learning：在应用程序中使用深度度量学习的最简单方法。 模块化，灵活和可扩展。 用PyTorch写-源码

  2. 新闻 1月12日：v0.9.96大大提高了和的灵活性。 查看 12月10日：v0.9.95包括一个新的元组采矿器 。 查看 11月6日：v0.9.94中有一些小错误修复和改进。 文献资料 Google Colab示例 请参阅 以获取可以在Google Colab上下载或运行的笔记本的 。 PyTorch公制学习概述 该库包含9个模块，每个模块都可以在您现有的代码库中独立使用，或组合在一起以形成完整的培训/测试工作流程。 损失函数如何工作 在训练循环中使用损失和矿工 让我们初始化一个简单的 ：

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：12582912
    • 提供者：weixin_42121905

  1. PyTorch-CPP：使用LibTorch进行PyTorch C ++推理-源码

  2. 该演示将演示如何使用LibTorch来构建C ++应用程序。 [UPDATE 2019/01/18] ：初始化仓库，使用PyTorch1.0进行测试。 [UPDATE 2020/02/22] ：感谢和他的 ，他们更新了此演示以适合LibTorch1.4.0和OpenCV4.0。 [UPDATE 2020/04/15] ：使用OpenCV4.3 / PyTorch1.4 / LibTorch1.4重新测试本教程，为初学者更新自述文件。 [UPDATE 2020/04/25] ：更新CMakeLi

  3. 所属分类：其它

    • 发布日期：2021-01-28
    • 文件大小：550912
    • 提供者：weixin_38499349
« 12 »