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. DS_Projects:数据科学项目集合-源码

  2. 应用数据科学Capstone产品组合 你好！ 此回购包含了一系列材料（脚本，报告，图形等），这些材料展示了我最近的工作的一部分。 下面的每个部分都提供了有关回购中的工件的一些详细信息。 以下是过去几年中我一直在使用的工具和技术的示例。 这是一个非常粗略的草稿，并将在接下来的几个月中进行更新。 使用的工具 工具 使用权 土坯 竞技场模拟 电子表格 插画家 迷你标签 橘子 Power BI Python [R 火花 SQL 斯塔塔 画面 威卡 使用的技巧 技巧 人工神经网络/深度学习 方差分

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：22020096
    • 提供者：weixin_42137539

  1. 神经画家-源码

  2. 神经画家：用于生成笔触画的习得性可区分约束 抽象的 我们探索了神经画家，这是从真正的不可微分和不确定的绘画程序中学到的笔触生成模型。 我们显示出，当训练代理人使用笔触“绘制”图像时，使用可微分的神经画笔可以更快地收敛。 我们提出了一种鼓励该代理在重建数字时遵循人性笔画的方法。 我们还探索了将神经绘画器用作可微分图像参数化的方法。 通过直接优化笔触以激活预训练卷积网络中的神经元，我们可以直接可视化ImageNet类别并生成每个类别的“理想”绘画。 最后，我们提出了一个称为内在样式转换的新概念。 通

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：12582912
    • 提供者：weixin_42117082

  1. 艺术品分类：根据风格，体裁和艺术家分类绘画-源码

  2. 艺术品的风格，流派和艺术家分类 艺术品数字化的增长说明了根据艺术家，风格和绘画风格对绘画进行分类的重要性。 分类方法的确可以帮助游客和策展人以自己的步调分析和可视化任何博物馆中的画作。 此外，寻找画家是一项艰巨的任务，因为大多数画家的艺术品可能具有独特的绘画风格，而多位画家可以拥有相同的绘画风格。 楷模 我已经尝试了四种模型- 香草卷积神经网络的实现 通过结合视觉词袋技术使用随机森林分类器的基于统计机器学习的方法。 胶囊网络的实现 使用像AlexNet这样的预训练网络进行转移学习 数据集 用

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：630784
    • 提供者：weixin_42117485

  1. 画家-识别器：卷积神经网络，使一幅画认出他们的画家-源码

  2. 松果变种重新命名神经元 Kong托·达托斯 萨尔瓦多CONJUNTO德imágenes阙本身utilizó对埃斯特PROYECTO备考单方面日乌纳competencia德Kaggle [ ] EL的CuAl puede SER descargado desde拉LINEA DE comandos teniendo UNA cuenta de Kaggle。 pip install -q kaggle mkdir -p ~/.kaggle cp kaggle.json ~/.kaggle/ l

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：4194304
    • 提供者：weixin_42098830

  1. ICCV2019-LearningToPaint：ICCV2019-一种绘画AI，可以使用深度强化学习逐笔复制绘画-源码

  2. ICCV2019-学习绘画 | | 抽象 我们展示了如何教机器像人类画家一样绘画，他们可以使用少量笔触来创建奇妙的绘画。 通过在基于模型的深度强化学习（DRL）中使用神经渲染器，我们的特工学会确定每个笔画的位置和颜色，并制定长期计划以将富含纹理的图像分解为笔画。 实验表明，使用数百个笔触可以实现出色的视觉效果。 培训过程不需要经验丰富的画家或笔触跟踪数据。 您可以轻松地使用进行尝试。 依存关系 1.1.0 3.4.0 pip3 install torch==1.1.0 pip3 in

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：14680064
    • 提供者：weixin_42138716