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. HTML5(时代来临,同事们还等什么？上啊不然就out了！)

  2. html5 求助编辑百科名片 HTML5是用于取代1999年所制定的 HTML 4.01 和 XHTML 1.0 标准的 HTML 标准版本，现在仍处于发展阶段，但大部分浏览器已经支持某些 HTML5 技术。HTML 5有两大特点：首先，强化了 Web 网页的表现性能。其次，追加了本地数据库等 Web 应用的功能。广义论及HTML5时，实际指的是包括HTML、CSS和Javascr ipt在内的一套技术组合。它希望能够减少浏览器对于需要插件的丰富性网络应用服务（plug-in-based ri

  3. 所属分类：网管软件

    • 发布日期：2013-03-23
    • 文件大小：199680
    • 提供者：yuanleibin

  1. federated:实施联合学习的框架-源码

  2. TensorFlow联合 TensorFlow联合（TFF）是一个开源框架，用于机器学习和其他对分散数据的计算。 TFF的开发旨在促进开放式研究和实验，该方法是一种机器学习方法，其中在许多参与的客户中训练了共享的全局模型，并将其培训数据保留在本地。 例如，FL已用于训练而无需将敏感的打字数据上传到服务器。 TFF使开发人员能够将随附的联合学习算法与他们的模型和数据一起使用，并尝试使用新颖的算法。 TFF提供的构件也可以用于实施非学习计算，例如对分散数据的汇总分析。 TFF的界面分为两层：

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：4194304
    • 提供者：weixin_42120405

  1. UNF:UNF（通用NLP框架）-源码

  2. 介绍 UNF（通用NLP框架）建立在pytorch和torchtext之上。 其设计理念是： 模块化：具体地说，一方面，它可以方便地快速运行一些与nlp相关的任务； 另一方面，对于二次开发和研究来说，实施一些新的模型或技术很方便。 效率：支持分布式训练和半精度训练，尽管当前的支持还比较粗糙，但便于快速训练模型 全面：支持将pytorch跟踪到静态图形中，支持c ++服务器，提供用于调试工具的网络服务器 支持任务 现在，支持与文本分类和序列标签相关的任务。 相关论文 卷积神经网络的句子分类

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：1048576
    • 提供者：weixin_42119358

  1. 联合学习框架：实施联合学习的框架-源码

  2. 联合学习框架 这部分是[雾计算中的保护隐私的联合学习]（DOI：10.1109 / JIOT.2020.2987958。2020）的论文的复制部分。 到目前为止，仅在MNIST上进行过实验。 要求 python> = 3.6 火炬> = 0.4 设置 运行blind_server.py和model_server.py，根据mod参与人数选择合适的操作 抽象的 联合学习可以将大量分散的用户组结合在一起，并在不上传数据集的情况下共同训练模型，从而避免服务器收集用户敏感数据。 但是，联合学

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：1048576
    • 提供者：weixin_42117340

  1. FedU_FMTL：此仓库实现FedU多任务学习框架，用于联合学习-源码

  2. FedU：具有拉普拉斯正则化的联合多任务学习的统一框架 该存储库实施了论文FedU：带有Laplacian正则化的联合多任务学习的统一框架的所有实验。 作者： 软件要求： numpy，scipy，火炬，枕头，matplotlib，tqdm，熊猫，h5py，comet_ml 要下载依赖项： pip3 install -r requirements.txt 该代码可以在任何PC上运行，不需要GPU。 数据集： 人类活动识别（30位客户） 车辆传感器（23个客户端） MNIST（100个

  3. 所属分类：其它

    • 发布日期：2021-02-08
    • 文件大小：10485760
    • 提供者：weixin_42132354

  1. LIP-JPPNet-TensorFlow：TensorFlow中的JPPNet实施以供人解析-源码

  2. 免责声明 这是的经过修改的存储库。 请参阅原始存储库以获取更多详细信息。 联合身体分析和姿势估计网络（JPPNet） 梁晓丹，龚科，沉和林亮，“观察人：联合的身体分析和姿势估计网络和一个新的基准”，T- 介绍 JPPNet是人类解析和姿态估计建立在之上的国家的艺术深度学习方法 。 这个新颖的联合人类解析和姿态估计网络在端到端框架中结合了多尺度特征连接和迭代位置细化，以研究有效的上下文建模，然后实现彼此互利的解析和姿态任务。 这个统一的框架为人类分析和姿势估计任务实现了最先进的性能。 此发行

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：2097152
    • 提供者：weixin_42143161