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. cycleG A N

  2. cycleGAN 循环GAN 深度学习 网络，经典论文，推荐查看

  3. 所属分类：深度学习

    • 发布日期：2017-10-23
    • 文件大小：8388608
    • 提供者：sinat_27176165

  1. keras示例程序

  2. addition_rnn.py 执行序列学习以执行两个数字（作为字符串）的添加。 antirectifier.py 演示如何为Keras编写自定义图层。 babi_memnn.py 在bAbI数据集上训练一个内存网络以进行阅读理解。 babi_rnn.py 在bAbI数据集上训练一个双支循环网络，以便阅读理解。 cifar10_cnn.py 在CIFAR10小图像数据集上训练一个简单的深CNN。 conv_filter_visualization.py 通过输入空间中的渐变上升可视化 VGG1

  3. 所属分类：深度学习

    • 发布日期：2017-10-23
    • 文件大小：10485760
    • 提供者：manoerina0411

  1. 手把手教你用Python实践深度学习|深度学习教程

  2. 课程共七章，采用最新版本进行教学，2018必学技术 第一章： 从人工智能到深度学习 第二章：使用TensorFlow & Keras 建构人工神经网络(Artificial Neural Network) 第三章：卷积神经网络 (Convolutional Neural Network) 第四章：循环神经网络(Recurrent Neural Networks) 第五章：自编码网络 (AutoEncoder) 第六章：生成对抗网络 GAN (Generative Adversarial Net

  3. 所属分类：深度学习

    • 发布日期：2018-09-21
    • 文件大小：571
    • 提供者：mjassa

  1. GAN-keras:里面包含许多GAN算法的Keras源码，可以用于训练自己的模型-源码

  2. GAN生成对抗网络在Keras当中的实现 注意事项 建立了一个新库可用于生成自己的图片文件，连接如下，具体gan种类为DCGAN： : 执行过程可参考对应博客或README.md， //blog.csdn.net/weixin_44791964/article/details/110526044 目录 所需环境 张量流gpu == 1.13.1 keras == 2.1.5 仓库内容 甘 dcgan gan 阿根 柯根 srgan Cyclegan-keras Cyclega

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：33792
    • 提供者：weixin_42151305

  1. TC-GAN：用于保持面部特征的面部正面化的三角形循环一致GAN，

  2. TC-GAN：用于保持面部特征的面部正面化的三角形循环一致GAN，

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：1048576
    • 提供者：weixin_38519082

  1. CycleGAN:Pytorch实现CycleGAN-源码

  2. 循环GAN Pytorch实现CycleGAN :star:在GitHub上为这个项目加注星标-它会有所帮助！ 是将一个图像的到另一个图像的任务。它通过使用一些预训练模型的功能来实现。在这种情况下，使用在ImageNet上预训练的VGG19这样的基本模型。首先，我们从VGG19网络的某些层创建我们自己的模型。然后，通过将网络中的梯度添加到输入图像中，可以得到具有转移样式的结果图像。 表中的内容 编译模型 如上所述，首先，我们应该从预先训练的模型中编译模型。在这种特殊情况下，使用了VGG19

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：7340032
    • 提供者：weixin_42144554

  1. cyclegan-源码

  2. 循环GAN-TensorFlow 使用TensorFlow进行CycleGan的实现（正在进行中）。 原始论文： : 测试数据结果 苹果->橙色 输入 输出 输入 输出 输入 输出 橙色->苹果 输入 输出 输入 输出 输入 输出 环境 TensorFlow 1.0.0 的Python 3.6.0 数据准备 首先，下载一个数据集，例如apple2orange $ bash download_dataset.sh apple2orange 将数据集写入tfrecords

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：45056
    • 提供者：weixin_42164534

  1. CRIL:循环-源码

  2. 循环 这是关于CRIL模拟实验的官方资料库：高崇凯，海川，郭尚琪，张天仁和陈峰通过生成动力学模型进行的连续机器人模仿学习。 CRIL是专门为连续机器人模仿学习而设计的专用深度生成重放算法，该算法同时使用动态预测器和WGAN-GP进行轨迹重放。 仿真和真实世界实验的结果以及生成的图像如下： 目录 安装 CRIL的仿真实验基于MuJoCo和Meta-World基准测试，需要预先安装。 您可以按照以下说明安装和 。 跑步 引用CRIL 致谢 我们要感谢苏欣，杨志乐和江益州对DGR理论和GAN实验

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：2048
    • 提供者：weixin_42152298

  1. 晶格匹配的InAlN / GaN异质结构中二维电子气密度的磁滞现象

  2. 高迁移率晶格匹配的InAlN / GaN异质结构中的高温传输性质已被调查。 二维电子的一个有趣的磁滞现象在与温度相关的霍尔测量中观察到气体（2DEG）密度。 高温后热循环处理，观察到2DEG密度降低，这是在较薄的InAlN势垒样品中更为严重。 然后可以通过光照恢复该减少。 我们将这些行为归因于能量水平高于费米的浅陷阱态GaN缓冲层中的水平。 温度为2DEG时，电子受到热激发增加，然后被缓冲层中的这些浅陷阱状态所捕获，从而导致减少以及它们的密度的滞后现象。 在GaN缓冲层中观察到三个陷阱态CGa可

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：953344
    • 提供者：weixin_38530536

  1. cycle_attribution：周期约束特征归因-源码

  2. 周期约束特征归因 从循环GAN基础

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：138240
    • 提供者：weixin_42162216

  1. 预分解条件下草酸溶液中n型GaN的电化学特性

  2. 循环伏安法，计时电流图和电化学阻抗谱用于评估在预分解条件下草酸溶液中n型GaN的蚀刻，该蚀刻会导致在GaN表面形成凹坑。 使用多元曲线分辨率替代最小二乘模型分析计时电流图结果，表明法拉第电流随施加的偏置电压的增加而增加，充电电流取决于GaN薄膜的有效面积。 为了研究凹坑形成期间的电化学特性，我们将GaN工作电极/电解质界面处的参数（例如，电容和电阻）的变化与电解变量的参数映射相关联。 在相同的蚀刻条件下，观察到三个显着趋势：（i）随着施加偏压的增加，电容减小，电阻增加;（ii）随着草酸浓度的增加

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：792576
    • 提供者：weixin_38654589

  1. pytorch-gans：GAN（生成对抗网络）的PyTorch实现。 DCGAN，Pix2Pix，CycleGAN，SRGAN-源码

  2. 在PyTorch和PyTorch Lightning中生成深度学习模型的实现 DCGAN 论文： 作者：Alec Radford，Luke Metz，Soumith Chintala 代码（PyTorch）： 由 码（闪电）： 由 去做 DCGAN Pix2Pix 循环GAN SRGAN

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：2097152
    • 提供者：weixin_42169971

  1. SIDE-GAN-Pytorch：这是在IEEE iROS2020中发表的论文“用于动力学系统识别的信息轨迹的专业生成”的随附代码-源码

  2. 用于动态生成动态系统ID轨迹的SIDE-GAN-Pytorch代码。 这是在IEEE iROS2020中发表的论文“用于动态系统识别的信息轨迹的专业生成”的随附代码。 它能够快速生成多个循环动态系统识别轨迹，如下所示： 该体系结构属于生成对抗网络（GAN）的类别，可以归纳如下： 如果您想要简短的视频说明，请访问此链接： : 信用： 如果您打算将其中任何一种用于出版物，请引用 “动力学系统识别的信息轨迹的专家生成”，M。Jegorova，J。Smith，M。Mistry和T. Hos

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：95420416
    • 提供者：weixin_42097668

  1. CycleGAN：用于未配对图像样式传输的循环GAN模型的实现-源码

  2. CycleGAN：用于未配对图像样式传输的循环GAN模型的实现

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：4096
    • 提供者：weixin_42136837

  1. GaN负电子亲和势光电阴极的激活工艺

  2. 以金属有机化学气相沉积(MOCVD)外延的p型GaN为阴极发射层材料,通过对激活过程中阴极光电流的在线监测,考察了Cs激活,Cs/O交替激活以及高低温两步激活对GaN阴极光电发射性能的影响。实验结果表明,单用Cs激活就可制备出量子效率约为20％的GaN光电阴极,Cs激活后再进行2-3个Cs/O循环激活可小幅度提高量子效率,高低温两步激活不能进一步提高量子效率。利用偶极层表面模型对实验现象进行了解释。

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：1048576
    • 提供者：weixin_38607971

  1. CycleGAN-TensorFlow：使用TensorFlow的CycleGan的实现-源码

  2. 循环GAN-TensorFlow 使用TensorFlow进行CycleGan的实现（正在进行中）。 原始论文： : 测试数据结果 苹果->橙色 输入值 输出量 输入值 输出量 输入值 输出量 橙色->苹果 输入值 输出量 输入值 输出量 输入值 输出量 环境 TensorFlow 1.0.0 的Python 3.6.0 数据准备 首先，下载一个数据集，例如apple2orange $ bash download_dataset.sh apple2orange 将数据集

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：1048576
    • 提供者：weixin_42133415

  1. CycleGAN-tensorflow：Tensorflow实现，用于学习没有输入输出对的图像到图像的转换。 https：arxiv.orgpdf1703.10593.pdf-源码

  2. 循环GAN Tensorflow实现，用于学习没有输入输出对的图像到图像的翻译。 该方法提出在。 例如在纸上： 更新结果 执行结果： 马->斑马 斑马->马 您可以从下载预训练的模型，然后将rar文件提取到./checkpoint/ 。 先决条件 张量流r1.1 的numpy 1.11.0 scipy 0.17.0 枕头3.3.0 入门 安装 从安装tensorflow 克隆此仓库： git clone https://github.com/xhujoy/Cycle

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：1048576
    • 提供者：weixin_42138376

  1. CycleGAN：可以从绘画中生成照片，将马匹变成斑马，进行样式转换等的软件-源码

  2. 循环GAN | 火炬实现，用于在没有输入输出对的情况下学习图像到图像的转换（ ），例如： 新增内容：请检查（CUT），这是我们新的非成对图像到图像翻译模型，可实现快速且高效存储的培训。 *， *，， 加州大学伯克利分校伯克利分校AI研究实验室在ICCV 2017中。（*等额捐款） 该软件包包括CycleGAN， 以及其他方法，例如 / 和Apple的论文。 该代码被写了和。 更新：请检查CycleGAN和pix2pix的实现。 PyTorch版本正在积极开发中，其结果可与该Torch版本

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：11534336
    • 提供者：weixin_42098892

  1. CycleGAN-VC2:CycleGAN（语音克隆语音转换）进行的语音转换-源码

  2. CycleGAN-VC2-PyTorch | 这段代码是用于纸张的PyTorch实现： ，是有关语音转换/语音克隆的工作。 数据集 风投 中国男性演讲者（AISHELL 和） 用法 训练 例子 演示版 参考 更新 2020.11.17 ：修复的问题：重新实施第二步的逆向损失。 2020.08.27 ：通过添加第二步的逆向性损失 循环GAN-VC2 为了推进非并行VC的研究，我们提出了CycleGAN-VC2，它是CycleGAN-VC的改进版本，结合了三种新技术：改进的目标（两

  3. 所属分类：其它

    • 发布日期：2021-04-01
    • 文件大小：91226112
    • 提供者：weixin_42100971

  1. Unpaired-Portrait-Drawing:通过非对称循环映射生成未配对肖像画的代码（CVPR 2020）-源码

  2. 通过非对称循环映射生成不成对的肖像画 我们为CVPR 2020论文“通过不对称循环映射生成不成对的肖像绘图”提供PyTorch实施。 该项目使用基于GAN的模型从面部照片生成艺术肖像画。 我们的拟议框架 样品结果 从左到右：输入，输出（样式1），输出（样式2），输出（样式3） 引文 如果您使用此代码进行研究，请引用我们的论文。 。 inproceedings{YiLLR20, title = {Unpaired Portrait Drawing Generation via A

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：7340032
    • 提供者：weixin_42136477
« 12 »