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. cudnn-9.1-windows10-x64-v7.zip

  2. cudnn 9.1 windows 10 x64 v7; 这是windows 10的64位版本的文件。

  3. 所属分类：机器学习

    • 发布日期：2017-12-19
    • 文件大小：178257920
    • 提供者：lordphoenix

  1. Ubuntu 16.04×86_64配置TensorFlow-GPU 1.6.0

  2. Ubuntu 16.04×86_64 + NVIDIA GeForce GTX 1080Ti + CUDA 9.0 + cuDNN 7.0 配置TensorFlow-GPU 1.6.0 本教程配置环境为： • Ubuntu 16.04×86_64 LTS、NVIDIA GeForce GTX 1080Ti • CUDA 9.0 、cuDNN 7.0、TensorFlow-GPU 1.6.0 文中首先介绍了配置之前的相关准备工作，包括查看 NVIDIA 显卡型号和对应驱动是否安装、验证 NVID

  3. 所属分类：深度学习

    • 发布日期：2018-03-19
    • 文件大小：594944
    • 提供者：qq_41667926

  1. ubuntu 安装1080ti 驱动

  2. ubuntu14.04 安装显卡1080Ti驱动快捷方式。保证您快速安装

  3. 所属分类：深度学习

    • 发布日期：2018-03-21
    • 文件大小：1048576
    • 提供者：zxf3627043

  1. 1080及1080ti等ddr5x显存mining算力低解决方案

  2. 在启动claymore等软件之前保持这个软件在后台运行，其作用是对DDR5x显存时序进行优化。

  3. 所属分类：以太坊

    • 发布日期：2018-04-27
    • 文件大小：458752
    • 提供者：quekuai

  1. deep_sort_yolov3利用深度学习的多目标跟踪

  2. deep_sort_yolo3进行的多目标跟踪,效果不错,在1080ti上可以做到实时,由于csdn上不能上传大于220MB的文件,如果有不会训练模型的朋友,可以私聊我

  3. 所属分类：深度学习

    • 发布日期：2018-06-08
    • 文件大小：9437184
    • 提供者：princeqy

  1. 服务器GTX 1080Ti 配置显卡驱动

  2. 服务器GTX 1080Ti 配置显卡驱动 版本号：390.67，最重要最重要的是把Ubuntu系统安装好。

  3. 所属分类：机器学习

  1. yolo-ibm_40000.weights

  2. IBM PowerAI人工智能12小时编程马拉松大赛——“我是大侦探” YOLO v2实现训练好的weights文件,40000代结果(GTX 1080Ti上训练1000代时间大约为30分钟)。GitHub地址：https://github.com/imistyrain/facemask

  3. 所属分类：深度学习

    • 发布日期：2020-06-19
    • 文件大小：201326592
    • 提供者：TracelessLe

  1. Keras – GPU ID 和显存占用设定步骤

  2. 初步尝试 Keras (基于 Tensorflow 后端)深度框架时, 发现其对于 GPU 的使用比较神奇, 默认竟然是全部占满显存, 1080Ti 跑个小分类问题, 就一下子满了. 而且是服务器上的两张 1080Ti. 服务器上的多张 GPU 都占满, 有点浪费性能. 因此, 需要类似于 Caffe 等框架的可以设定 GPU ID 和显存自动按需分配. 实际中发现, Keras 还可以限制 GPU 显存占用量. 这里涉及到的内容有： GPU ID 设定 GPU 显存占用按需分配 GPU 显存占

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：165888
    • 提供者：weixin_38728555

  1. 学python最电脑配置有要求么

  2. python对于电脑硬件基本没什么要求，下载python安装程序的时候，注意看下自己电脑属性是64位系统还是32位系统，再下载对应的python安装程序。 单纯学Python的话普通电脑就ok了，机器学习几大基础算法都ok，学深度学习的话台式无脑上1080ti或者泰坦xp，其他配置留下升级空间。笔记本的话要强劲点的，最好带固态硬盘，支持16G内存或以上，带有英伟达1060以上的显卡。 当然，如果有条件，还是推荐mac的，优点不用说！ 买什么电脑还要根据自身的实际情况来决定，如果是学生党，建议普通

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：51200
    • 提供者：weixin_38637805

  1. 帖个 AMD Radeon VII 与1080ti的对比

  2. Radeon vii/ 1080ti 前面的表示Radeon VII的数据，后面的是1080ti的数据。说明一下：仅从resnet50来看，Radeon VII 性能相当于2080ti水平。 Radeon 的优势是显存大，真是存大一级压死人，能跑更多的模型结构。它的缺点就是warm up太慢太慢（有时，不是所有时候） Radoen vii/ 1080ti python scr ipts/tf_cnn_benchmarks/tf_cnn_benchmarks.py --model mobile

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：26624
    • 提供者：weixin_38654915

  1. 深度学习必备：免费使用GPU

  2. Google Colab 优点： GPU,TPU不限时长，一直免费使用。 可以配合谷歌网盘使用。 缺点： 需要科学上网。 我这里会时不时掉线。 DBC类 被同学邀请使用的，的确挺方便。 优点： 不用科学上网。 1080，2080型号都有，价格挺便宜。 只需要绑定邮箱。 缺点： 不免费，但是价格的确挺便宜。 ……………………… 我一共找到了三个DBC免费使用，每个都可以免费试用三天左右。 刚开始可以免费使用65小时的1080ti，我可以用40个小时的1080ti。 获取方式在下面留言就好，为了毕业

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：34816
    • 提供者：weixin_38639642

  1. Pyramid-Attention-Networks:具有多个图像恢复任务的新SOTA结果的“用于图像恢复的金字塔注意力网络”的PyTorch代码-源码

  2. 金字塔注意力网络用于图像恢复 该存储库适用于以下论文中介绍的PANet和PA-EDSR ，，，，，，，和“金字塔关注网络的图像复原”， 该代码基于和并在具有Titan X / 1080Ti / V100 GPU的Ubuntu 18.04环境（Python3.6，PyTorch_1.1）上进行了测试。 内容 介绍 自相似性是指在图像恢复算法中广泛使用的先验图像，即较小但相似的图案倾向于在不同的位置和比例上出现。但是，最近的基于深度卷积神经网络的高级图像恢复方法没有依靠仅处理相同规模信息的自注意神

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：3145728
    • 提供者：weixin_42139460

  1. Complex-YOLOv4-Pytorch:本文基于YOLOv4的PyTorch实现-源码

  2. 复杂的YOLOv4 本文基于YOLOv4的PyTorch实现： 特征 基于YOLOv4的实时3D对象检测 支持 张量板 镶嵌/切口增强训练 使用旋转框的损失进行优化。 更新2020.08.26 ： 更快的训练，更快的推理 无锚的方法 无需非最大抑制 示范（在GTX 1080Ti上） 2.入门 2.1。要求 pip install -U -r requirements.txt 有关和库的信息，请参阅其官方网站上的安装说明。 2.2。资料准备 从下载3D KITTI检测数据集。 下载的数据包括

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：6291456
    • 提供者：weixin_42151729

  1. SFA3D:基于3D LiDAR点云的超快速，准确的3D对象检测（PyTorch实现）-源码

  2. 基于3D LiDAR点云的超快速，准确的3D对象检测 特征 基于LiDAR的超快速，准确的3D对象检测 快速训练，快速推理 无锚的方法 没有非最大抑制 支持 发布预训练的模型 技术细节在描述 更新2020.09.06 ：添加ROS源代码。 已经完成了出色的工作。 实现在 演示（在单个GTX 1080Ti上） 2.入门 2.1。 要求 有关设置虚拟环境的说明，请参见。 git clone https://github.com/maudzung/SFA3D.git SFA3D cd S

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：47185920
    • 提供者：weixin_42133753

  1. sohucampus2019:sohucampus2019基准-源码

  2. sohucampus2019 sohucampus2019基准 双线性STM 结果：0.284577462254065 [0.360073383731,0.209081540778] 跑 将数据放在'./data'sh sh run.sh 配置 环境： python 3.6.5 pytorch 1.0.0 GPU： GeForce GTX 1080ti

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：10240
    • 提供者：weixin_42174098

  1. ttfnet-源码

  2. 训练时友好的网络，用于实时目标检测 用于实现的代码（ 接受）。 强调 简单：无锚，单级，轻型，无需费时的后处理。 TTFNet仅需要两个检测头即可分别进行对象定位和尺寸回归。 训练时间友好：我们的TTFNet在抑制训练时间的同时，胜过各种实时检测器。 此外，在使用8 GTX 1080Ti的MS COCO数据集上，超高速TTFNet-18和TTFNet-53仅在2小时后才能达到25.9 AP / 112 FPS，在大约3小时后才能达到32.9 AP / 55 FPS。 快速而精确：我们的TTF

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：5242880
    • 提供者：weixin_42114580

  1. R-GSN-源码

  2. R-GSN：异构图的基于关系的图相似网络 这是纸的代码 1.环境 Ubuntu16.04 + NVIDIA-1080TI Anaconda + Python 3.7 numpy==1.19.4 scipy==1.5.4 ogb==1.2.3 texttable==1.6.3 torch==1.6.0+cu101 torchvision==0.7.0+cu101 torch-cluster==1.5.8 torch-geometric==1.6.1 torch-scatter==2.0.5 to

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：241664
    • 提供者：weixin_42116921

  1. ResNet_Attention:ResNet +注意力-源码

  2. ResNet_Attention（CBAM，SE） 官方说明： ， 所需环境 Ubuntu20.04 GTX 1080Ti Python3.7 PyTorch 1.7.0 CUDA10.2 CuDNN7.0 使用方法（带有CIFAR10的trian） 该模型的主干是ResNet。 在我们的培训中，我们使用CIFAR10作为数据集。 # To train with Se python train_CIFAR10.py --prefix 4 --device 1 --epoch 160

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：15360
    • 提供者：weixin_42165712

  1. srfbn1-源码

  2. 图像超分辨率反馈网络 更新：我们建议的门控多反馈网络（GMFN）将出现在BMVC2019中。 “通过两个时间步长，每个时间步长都包含7个RDB，与包括RDN的最新图像SR方法（其中包含16个RDB）相比，提出的GMFN实现了更好的重建性能。” 该存储库是我们建议的SRFBN的Pytorch代码。 该代码由和基于开发，并在具有Ubuntu 16.04 / 18.04环境（Python 3.6 / 3/7，PyTorch 0.4.0 / 1.0.0 / 1.0.1，CUDA 8.0 / 9

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：119537664
    • 提供者：weixin_42128963

  1. 华硕z370+8700k+华硕1080ti

  2. efi+oc

  3. 所属分类：MacOS

    • 发布日期：2021-03-04
    • 文件大小：5242880
    • 提供者：u014579015
« 12 »