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. Python-MobileNetV3的PyTorch实现提供预训练的模型

  2. MobileNetV3的PyTorch实现，提供预训练的模型

  3. 所属分类：其它

    • 发布日期：2019-08-11
    • 文件大小：66060288
    • 提供者：weixin_39841882

  1. PyTorch预训练的实现

  2. 主要介绍了PyTorch预训练的实现，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：2020-09-18
    • 文件大小：58368
    • 提供者：weixin_38720762

  1. pytorch载入预训练模型后,实现训练指定层

  2. 今天小编就为大家分享一篇pytorch载入预训练模型后,实现训练指定层，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-18
    • 文件大小：46080
    • 提供者：weixin_38519387

  1. pytorch 实现在预训练模型的 input上增减通道

  2. 今天小编就为大家分享一篇pytorch 实现在预训练模型的 input上增减通道，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-18
    • 文件大小：28672
    • 提供者：weixin_38684328

  1. pytorch载入预训练模型后,实现训练指定层

  2. 1、有了已经训练好的模型参数，对这个模型的某些层做了改变，如何利用这些训练好的模型参数继续训练： pretrained_params = torch.load('Pretrained_Model'） model = The_New_Model(xxx) model.load_state_dict(pretrained_params.state_dict(), strict=False) strict=False 使得预训练模型参数中和新模型对应上的参数会被载入，对应不上或没有的参数被抛弃。 2

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：48128
    • 提供者：weixin_38663701

  1. pytorch 实现在预训练模型的 input上增减通道

  2. 如何把imagenet预训练的模型，输入层的通道数随心所欲的修改，从而来适应自己的任务 #增加一个通道 w = layers[0].weight layers[0] = nn.Conv2d(4, 64, kernel_size=(7, 7), stride=(2, 2), padding=(3, 3), bias=False) layers[0].weight = torch.nn.Parameter(torch.cat((w, w[:, :1, :, :]), dim=1)) #方式2 w

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：31744
    • 提供者：weixin_38663167

  1. Pytorch加载部分预训练模型的参数实例

  2. 前言 自从从深度学习框架caffe转到Pytorch之后，感觉Pytorch的优点妙不可言，各种设计简洁，方便研究网络结构修改，容易上手，比TensorFlow的臃肿好多了。对于深度学习的初学者，Pytorch值得推荐。今天主要主要谈谈Pytorch是如何加载预训练模型的参数以及代码的实现过程。 直接加载预选脸模型 如果我们使用的模型和预训练模型完全一样，那么我们就可以直接加载别人的模型，还有一种情况，我们在训练自己模型的过程中，突然中断了，但只要我们保存了之前的模型的参数也可以使用下面的代码直

  3. 所属分类：其它

    • 发布日期：2021-01-01
    • 文件大小：48128
    • 提供者：weixin_38666823

  1. PyTorch预训练的实现

  2. 前言 最近使用PyTorch感觉妙不可言，有种当初使用Keras的快感，而且速度还不慢。各种设计直接简洁，方便研究，比tensorflow的臃肿好多了。今天让我们来谈谈PyTorch的预训练，主要是自己写代码的经验以及论坛PyTorch Forums上的一些回答的总结整理。 直接加载预训练模型 如果我们使用的模型和原模型完全一样，那么我们可以直接加载别人训练好的模型： my_resnet = MyResNet(*args, **kwargs) my_resnet.load_state_di

  3. 所属分类：其它

    • 发布日期：2020-12-31
    • 文件大小：55296
    • 提供者：weixin_38657102

  1. Pytorch深度学习（5） — 词向量及Glove预训练模型使用

  2. Pytorch深度学习（5） — 词向量及Glove预训练模型使用1.word2vec的原理和实现2.Glove预训练模型使用2.1 求近义词和类比词2.1.1 使用预训练的词向量2.2.2 应用预训练词向量2.2.2.1 求近义词2.2.2.2 求类比词小结 1.word2vec的原理和实现 具体参考： [CSDN]:https://blog.csdn.net/Daycym/article/details/88949343 2.Glove预训练模型使用 2.1 求近义词和类比词 在（word2

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：67584
    • 提供者：weixin_38743235

  1. ImageProcessingTransformer:图像处理变压器的第三方Pytorch工具（预训练的图像处理变压器arXiv-源码

  2. ImageProcessingTransformer 图像处理变压器的第三方Pytorch工具（预训练图像处理变压器arXiv：2012.00364v2） 最新版本根据官方的实施规则进行了一些重要的修改。 它使收敛更快。 请确保您更新到最新版本。 仅包含模型定义文件和训练/测试文件。 Dataloader文件尚未发布。 您可以实现自己的数据加载器。 它可能会在下一版本中发布。 预训练随机任务 python main.py --seed 0 \ --lr 5e-5 \ --save-pat

  3. 所属分类：其它

    • 发布日期：2021-03-25
    • 文件大小：162816
    • 提供者：weixin_42151036

  1. nlp_notes:自然语言处理学习笔记：机器学习及深度学习原理和示例，基于Tensorflow和PyTorch框架，Transformer，BERT，ALBERT等最新预训练模型以及源代码详解，以及基于预训练模型进行各种自然语言处理任务。

  2. 自然语言处理学习笔记 机器学习及深度学习原理和示例，基于Tensorflow和PyTorch框架，Transformer，BERT，ALBERT等最新预训练模型以及源代码详解，以及基于预训练模型进行各种自然语言处理任务。以及模型部署 两种传统的模型： 基于规则或模板生成对话系统 基于概率的语言模型利用语料数据，实现了简略的2-gram模型，并利用该模型判断句子的合理性 根据中国城市的位置信息，实现简单的路径规划系统 根据武汉地铁的各站点的位置信息，实现简单的路径规划系统 图的广度优先搜索及深度优

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：26214400
    • 提供者：weixin_42115003

  1. nfnets_pytorch：经过预训练的NFNet，其准确性为官方论文“无需归一化的高性能大规模图像识别”的99％-源码

  2. NFNet Pytorch实施 此回购包含来自未经归一化的高性能大型图像识别论文的，具有ImageNet高精度的预训练NFNet模型F0-F6。 小型模型的精度与EfficientNet-B7一样，但训练速度快了8.7倍。 大型模型在ImageNet上设置了新的SOTA top-1精度。 NFNet F0 F1 F2 F3 F4 F5 F6 + SAM 最高为1的准确性Brock等人。 83.6 84.7 85.1 85.7 85.9 86.0 86.5 此实

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：915456
    • 提供者：weixin_42136837

  1. EfficientNet-PyTorch：EfficientNet的PyTorch实现-源码

  2. EfficientNet PyTorch 快速开始 使用pip install efficientnet_pytorch的net_pytorch并使用以下命令加载经过预训练的EfficientNet： from efficientnet_pytorch import EfficientNet model = EfficientNet . from_pretrained ( 'efficientnet-b0' ) 更新 更新（2020年8月25日） 此更新添加： 一个新的include_to

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：1048576
    • 提供者：weixin_42117485

  1. deep-learning-v2-pytorch：最新的深度学习ND程序的项目和练习https：//www.udacity.comcoursedeep-learning-nanodegree--nd101-源码

  2. 深度学习（PyTorch） 该存储库包含与Udacity的有关的材料。 它由一堆用于各种深度学习主题的教程笔记本组成。 在大多数情况下，笔记本会引导您实现诸如卷积网络，循环网络和GAN等模型。 还涉及其他主题，例如权重初始化和批次归一化。 也有一些笔记本用作Nanodegree程序的项目。 在程序本身中，项目由真人（Udacity审阅者）审阅，但是此处也提供了起始代码。 目录 讲解 神经网络导论 ：了解如何实现梯度下降并将其应用于学生录取数据中的预测模式。 ： 您建立情感分析模型，预测某些

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：103809024
    • 提供者：weixin_42131316

  1. efficiencydet ：（提供预训练的权重）EfficientDet：Signatrix GmbH实现可扩展且高效的对象检测-源码

  2. EfficientDet：可扩展且高效的对象检测 介绍 这是我们在EfficientDet：可伸缩和高效对象检测描述的模型的pytorch实现（注意：我们还提供了预先训练的权重，您可以在./trained_models中看到） 我们模型输出的一个例子。 数据集 数据集 班级 ＃火车图片 ＃验证图片 可可2017 80 118k 5千 在存储库下创建一个数据文件夹， cd {repo_root} mkdir data 可可：从下载可可图像和注释。 确保将文件放置为以下结构： COCO

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：46137344
    • 提供者：weixin_42104947

  1. TRE：[AKBC 19]通过预训练的语言表示改进关系提取-源码

  2. 通过预训练的语言表示改进关系提取 该存储库包含本文的代码： Christoph Alt *，MarcHübner*，Leonhard Hennig 我们对经过预训练的OpenAI GPT [1]进行了微调，使其更适合关系提取的任务，并表明它在SemEval 2010 Task 8和TACRED关系提取数据集上达到了最新的结果。 我们的代码取决于拥抱面部对OpenAI GPT [2]的PyTorch重新实现-因此，感谢他们。 安装 首先，将存储库克隆到您的计算机上，并使用以下命令安装要求：

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：48128
    • 提供者：weixin_42133969

  1. torchtext-summary：torchtext摘要：torchtext使用总结，从零开始逐步实现了torchtext文本预处理，包括截断补长，词表排列，使用预训练词向量，可以使用PyTorch的可迭代数据等步骤。并结合Pytorch

  2. torchtext的使用总结，并结合Pytorch实现LSTM 版本说明 PyTorch版本：0.4.1 火炬文字：0.2.3 python：3.6 文件说明 Test-Dataset.ipynb Test-Dataset.py使用torchtext进行文本预处理的笔记本和py版。 Test-Dataset2.ipynb使用Keras和PyTorch进行数据集进行文本预处理。 Language-Model.ipynb使用gensim加载预训练的词向量，并使用PyTorch实现语言模型。

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：44032
    • 提供者：weixin_42131890

  1. xlnet-Pytorch：使用Pytorch包装器的简单XLNet实现-源码

  2. XLNet-Pytorch 使用Pytorch包装器可轻松实现XLNet！ 您可以看到XLNet Architecture如何以小批量（= 1）进行预训练的示例。 用法 $ git clone https://github.com/graykode/xlnet-Pytorch && cd xlnet-Pytorch # To use Sentence Piece Tokenizer(pretrained-BERT Tokenizer) $ pip install pytorch_pretrai

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：558080
    • 提供者：weixin_42126274

  1. UER-py：PyTorch和预训练的模型动物园中的开源预训练模型框架-源码

  2. | 预培训已成为NLP任务的重要组成部分，并带来了显着的进步。 UER-py（通用编码器表示形式）是用于对通用域语料库进行预训练并针对下游任务进行微调的工具包。 UER-py保持模型模块化并支持研究的可扩展性。 它有助于使用不同的预训练模型（例如BERT，GPT，ELMO），并为用户提供了进一步扩展的界面。 使用UER-py，我们建立了一个模型动物园，其中包含基于不同语料库，编码器和目标的预训练模型。 最近，我们收到了经过预训练的[中国36层RoBERTa]（ ）和[中国36层RoBERT

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：24117248
    • 提供者：weixin_42118161

  1. FCN模型实现-Pytorch+预训练VGG16

  2. FCN模型的网络与VGG16类似，之后后边将全连接层换成了卷基层，具体的网络结构与细节可以去看论文： https://people.eecs.berkeley.edu/~jonlong/long_shelhamer_fcn.pdf 下边详细讲一下用Pytorch对FCN的实现： 本文参考了https://zhuanlan.zhihu.com/p/32506912 但是修改了部分代码，加上了很多新的注释，并将代码更新到Pytorch1.x 首先是读取图像 #使用的VOC数据目录 voc_root

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：290816
    • 提供者：weixin_38725625
« 12 3 4 5 6 7 8 »