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. 生成对抗网络（GANs）最新家谱：为你揭秘GANs的前世今生

  2. 生成对抗网络（ AN）一经提出就风光无限，更是被Yann L un誉为“十年来机器学 习领域最有趣的想法”。 GAN“左右互搏”的理念几乎众所周知，但正如卷积神经网络（CNN）一样，GAN发展 至今已经衍生出了诸多变化形态。望伪图像的分布尽可能地接近真图像。或者,简单来说,我们想要伪图像尽可能看起 来像真的一样。 值得一提的是,因为GANs是用极小化极大算法做优化的,所以训练过程可能会很不稳 定。不过你可以使用一些“小技巧”来获得更稳健的训练过程。 在下面这个视频中,你可以看到GANs所生成图片

  3. 所属分类：深度学习

    • 发布日期：2019-07-02
    • 文件大小：1048576
    • 提供者：abacaba

  1. PyTorch中的C++扩展实现

  2. 主要介绍了PyTorch中的C++扩展实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

  3. 所属分类：其它

    • 发布日期：2020-09-17
    • 文件大小：90112
    • 提供者：weixin_38700320

  1. PyTorch中的C++扩展实现

  2. 今天要聊聊用 PyTorch 进行 C++ 扩展。 在正式开始前，我们需要了解 PyTorch 如何自定义module。这其中，最常见的就是在 python 中继承torch.nn.Module，用 PyTorch 中已有的 operator 来组装成自己的模块。这种方式实现简单，但是，计算效率却未必最佳，另外，如果我们想实现的功能过于复杂，可能 PyTorch 中那些已有的函数也没法满足我们的要求。这时，用 C、C++、CUDA 来扩展 PyTorch 的模块就是最佳的选择了。 由于目前市面上

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：87040
    • 提供者：weixin_38725137

  1. k2:FSAFST算法，可区分，具有PyTorch兼容性-源码

  2. 22 k2的愿景是能够将有限状态自动机（FSA）和有限状态换能器（FST）算法无缝集成到基于Autograd的机器学习工具包中，例如PyTorch和TensorFlow。对于语音识别应用程序，这应该易于插值和组合各种训练目标，例如交叉熵，CTC和MMI，并通过包括格码记录和置信度估计在内的多个解码通道共同优化语音识别系统。我们希望k2也将有许多其他应用程序。 我们希望在短期内提高效率的关键算法之一是修剪带有“密集” FSA的通用FSA的组合（即，一种对应于神经网络输出处的符号的对数概率的算法）

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：1001472
    • 提供者：weixin_42099815

  1. esac:ESAC-适用于相机重新定位的专家样本共识-源码

  2. ESAC-适用于相机重新定位的专家样本共识 介绍 专家样本共识（ESAC）是一种将参数模型拟合到观测值的方法。 特别是，此代码使6D相机的绝对姿势（参数模型）适合RGB图像（观察值）。 ESAC可以针对大型，复杂的环境进行培训，然后能够在给定单个图像的情况下在此环境中重新定位。 ESAC依靠专家网络的集合，其中每个专家都专门研究环境的一部分。 门控网络决定哪个专家负责给定的输入图像。 ESAC建立在和可，尤其是它扩展了我们先前的重新定位管道并使其具有可伸缩性。 请参阅，以详细，正式地描述该

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：994304
    • 提供者：weixin_42172972

  1. MelNet:使Melnet在AWS机器上运行-源码

  2. 梅尔网 实现 先决条件 使用Python 3.6.8和3.7.4，PyTorch 1.2.0和1.3.0进行了测试。 pip install -r requirements.txt 如何训练 数据集 暴雪，VoxCeleb2和KSS在config/下提供了YAML文件。 对于其他数据集，请根据提供的其他数据集填写自己的YAML文件。 对于所有类型的数据集，只要它们具有由YAML文件中的data.extension指定的一致文件扩展名，就可以进行无条件训练。 当前仅对KSS和暴雪数据集的子集

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：82944
    • 提供者：weixin_42099858

  1. torchgpipe：PyTorch中的GPipe实现-源码

  2. 火炬管 实施。 它针对CUDA（而非TPU）进行了优化。 from torchgpipe import GPipe model = nn . Sequential ( a , b , c , d ) model = GPipe ( model , balance = [ 1 , 1 , 1 , 1 ], chunks = 8 ) output = model ( input ) 什么是GPipe？ GPipe是Google Brain发布的可扩展的管道并行性库，可以有效地训练大型的，消耗内

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：186368
    • 提供者：weixin_42133452

  1. pyro：使用Python和PyTorch进行深度通用概率编程-源码

  2. | | Pyro是一个基于PyTorch的灵活，可扩展的深度概率编程库。 值得注意的是，它的设计考虑了以下原则： 通用：Pyro是通用PPL-它可以表示任何可计算的概率分布。 可扩展：与手写代码相比，Pyro可以以较小的开销扩展到大型数据集。 最小：Pyro是敏捷且可维护的。 它以功能强大且可组合的抽象的小核心实现。 灵活：Pyro的目标是在需要时实现自动化，在需要时进行控制。 这是通过高级抽象来表达生成模型和推理模型来完成的，同时使专家可以轻松访问以定制推理。 Pyro最初是由Ub

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：9437184
    • 提供者：weixin_42174098

  1. pytorch-cpp-rl：PyTorch C ++强化学习-源码

  2. CppRl-PyTorch C ++强化学习 上图：经过我的笔记本电脑训练60秒后在LunarLander-v2上获得的结果 CppRl是一个增强学习框架，使用编写。 这是非常严重基于。 您甚至可以将其视为端口。 API和基础算法几乎是相同的（向C ++迁移时需要进行必要的更改）。 它还包含一个简单的OpenAI Gym服务器的实现，该服务器通过进行通信以在Gym环境中测试该框架。 CppRl旨在成为一个可扩展的，合理优化的，可立即投入生产的框架，用于在Python不可行的项目中使用强化

  3. 所属分类：其它

    • 发布日期：2021-01-28
    • 文件大小：475136
    • 提供者：weixin_42113380

  1. pytorch中使用cuda扩展的实现示例

  2. 以下面这个例子作为教程，实现功能是element-wise add； （pytorch中想调用cuda模块，还是用另外使用C编写接口脚本） 第一步：cuda编程的源文件和头文件 // mathutil_cuda_kernel.cu // 头文件，最后一个是cuda特有的 #include #include #include #include #include mathutil_cuda_kernel.h // 获取GPU线程通道信息 dim3 cuda_gridsize(int n)

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：41984
    • 提供者：weixin_38591011