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. DSMNet:领域不变立体声匹配网络-源码

  2. 帝斯曼网络 口头表达 ， 强大的泛化能力： DSMNet在其他数据集/场景上具有强大的归纳能力。仅使用综合数据训练模型： 数据集 Carla数据集：更新中... 建筑要求： gcc: >=5.3 GPU mem: >=6.5G (for testing); >=11G (for training, >=22G is prefered) pytorch: >=1.0 cuda: >=9.2 (9.0 doesn’t support well for the

  3. 所属分类：其它

    • 发布日期：2021-03-22
    • 文件大小：24117248
    • 提供者：weixin_42170064

  1. InSentiCap_model:带有固有情感的本文图像字幕的pytorch实现（ICME 2021口头）-源码

  2. InSentiCap_model 本文pytorch实现 。 环境 Python 3.7 火炬1.3.1 方法 1.建筑 2.培训策略 培训前阶段 微调阶段 结果 评估指标 情绪 Bleu-1 蓝3 流星 苹果酒 ppl（↓） cls（％） 积极的 59.7 25.3 20.9 61.3 13.0 98.5 消极的 59.1 24.3 19.4 53.3 12.3 95.5 中性的 73.5 41.2 24.7 97.5 8.4 98.9 例子

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：376832
    • 提供者：weixin_42119989

  1. GANet-源码

  2. 网络 简单的介绍 我们正在将传统的几何学和立体声的优化设计成深度神经网络... 口头表达 ，， 建筑要求： gcc: >=5.3 GPU mem: >=6.5G (for testing); >=11G (for training, >=22G is prefered) pytorch: >=1.0 cuda: >=9.2 (9.0 doesn’t support well for the new pytorch version and may have

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：4194304
    • 提供者：weixin_42140846

  1. Car-Damage-Project:PyTorch建筑项目的基本管道-源码

  2. 汽车损坏项目 该项目是为保险公司设计的，旨在帮助他们实现汽车保险流程的自动化。 上面是两个笔记本。 汽车损坏分类（是否损坏） 汽车损坏的位置和损坏检测的严重程度。 我已经使用Pytorch训练了模型和自定义数据集。 上面的代码只是一个图像上的示例。 谢谢！ ！[屏幕截图]（屏幕快照2020-12-17 at 12.50.31 AM.png）

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：886784
    • 提供者：weixin_42140625

  1. multi_robot_perception:Ma论文usyd-源码

  2. 概括 AMME学院（美国）的本科论文项目 在构建更高级别的抽象SLAM映射以帮助任务计划和基于语义的推理之前，请使用RGB摄像头对视觉动态SLAM管道的实时/实验性使用进行调查。 要求 ROS 1（旋律） PyTorch（版本：1.4.0） GPU（至少5MB内存） 至少12 GB RAM OpenCV Contrib（这是运行VDO-SLAM所必需的）。 ROS本身不是Contrib软件包随附的，因此您需要单独安装它。 我使用apt从计算机上清除了OpenCV，并从源代码安装了Open

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：304087040
    • 提供者：weixin_42149153

  1. admmdarts-源码

  2. 差异化架构搜索 本文随附的代码 刘汉晓，卡伦·西蒙扬，杨一鸣。 arXiv：1806.09055 该算法基于建筑空间中的连续松弛和梯度下降。 它能够有效地设计用于图像分类的高性能卷积体系结构（在CIFAR-10和ImageNet上），以及用于语言建模的循环体系结构（在Penn Treebank和WikiText-2上）。 只需要一个GPU。 要求 Python >= 3.5.5, PyTorch == 0.3.1, torchvision == 0.2.0 注意：目前不支持PyTor

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：45056
    • 提供者：weixin_42108054

  1. PyTorch建筑-源码

  2. PyTorch建筑 注意：这是个人实验回购。 姓名 论文链接 链接到笔记本 乐网 亚历克斯网 VGG16 密集网121 ResNet18 ResNet34 ResNet50 ResNet101 ResNet152 NiN：网络中的网络 FRN：过滤器响应规范化 ViT：用于图像识别的变压器 伯特 OpenAI GPT OpenAI GPT2 XLM变压器 结构化的专心句子嵌入 TabTransformer BPR：隐式反馈的贝叶斯个性化排名 各种各样的： 姓名 笔记本链接 知识蒸馏 T5附加

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：920576
    • 提供者：weixin_42137539

  1. 艰难梭菌-源码

  2. 使用PyTorch在基准数据集上培训SOTA体系结构 参数列表包括： 数据集（请参见下文） ptr表示火车的尺寸。 建筑（见下文） 优化器（ sgd ， adam ） lr和lr调度程序（ cosineannealing ， none ） 损失函数（多类crossentropy ，一类hinge ） 用alpha技巧在特征或懒惰机制中进行训练（ featlazy变为1并改变alpha ） ... 例： python main.py --epochs 200 --save_

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：537600
    • 提供者：weixin_42099087

  1. cifar-10-cnn：使用CIFAR数据集进行深度学习-源码

  2. 用于CIFAR-10的卷积神经网络 该存储库是关于cifar10的CNN体​​系结构的一些实现的。 我只是用Keras和Tensorflow到implementate所有这些CNN模型。 （如果有时间，可能是火炬/火炬版） pytorch版本可在 要求 巨蟒（3.5） keras（> = 2.1.5） tensorflow-gpu（> = 1.4.1） 建筑与论文 第一个CNN模型： LeNet 网络中的网络 Vgg19网络 在ILSVRC 2014本地化任务的第一个地方 在

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：1048576
    • 提供者：weixin_42115513

  1. pred-rnn：PredRNN：使用时空LSTM进行预测性学习的递归神经网络-源码

  2. PredRNN 包含PyTorch的纸张实现- PredRNN：使用时空LSTM进行预测性学习的递归神经网络 数据集 移动MNIST数据集可在下载 建筑

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：8192
    • 提供者：weixin_42118056

  1. FfDL：深度学习结构（FfDL，发音为fiddle）是一个深度学习平台，在Kubernetes上提供TensorFlow，Caffe，PyTorch等作为服务-源码

  2. 用其他语言阅读：。 深度学习结构（FfDL） 该存储库包含FfDL （深度学习结构）平台的核心服务。 FfDL是用于深度学习的操作系统“架构”。 它是用于以下方面的协作平台： 分布式硬件上的深度学习模型的与框架无关的训练 开放式深度学习API 在用户的私有或公共云中运行深度学习托管 要了解有关建筑细节的更多信息，请阅读。 如果您正在寻找演示，幻灯片，抵押品，博客，网络研讨会以及与FfDL相关的其他材料，请 先决条件 kubectl ：Kubernetes命令行界面（ ） helm ：

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：16777216
    • 提供者：weixin_42110469

  1. PV_Pipeline:为“ DeepSolar for Germany”开发的PyTorch模型和管道。 供参考，该文件可以在https上找到-源码

  2. 更新： 我们已在NeurIPS 2020的“应对气候变化与AI”研讨会上发布了后续论文“丰富的自动化PV注册表：将图像识别与3D建筑数据相结合”。请查看，其中也包括有关以下内容的说明：如何访问本研究中产生的所有数据和模型！ 关于： “ DeepSolar for Germany”的回购 管道将处理来自德国人口最多的州北威州的超过1.33亿张航拍图像，以定位光伏系统 基于Google Maps的模型（PyTorch）在空间分辨率为5 cm /像素的图像上的精度和召回率分别为92％和98％ 基于

  3. 所属分类：其它

    • 发布日期：2021-03-30
    • 文件大小：18874368
    • 提供者：weixin_42157556