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. Pytorch 使用CNN图像分类的实现

  2. 主要介绍了Pytorch 使用CNN图像分类的实现，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：2020-09-16
    • 文件大小：88064
    • 提供者：weixin_38675970

  1. Pytorch 使用CNN图像分类的实现

  2. 需求 在4*4的图片中，比较外围黑色像素点和内圈黑色像素点个数的大小将图片分类 如上图图片外围黑色像素点5个大于内圈黑色像素点1个分为0类反之1类 想法 通过numpy、PIL构造4*4的图像数据集 构造自己的数据集类 读取数据集对数据集选取减少偏斜 cnn设计因为特征少，直接1*1卷积层 或者在4*4外围添加padding成6*6,设计2*2的卷积核得出3*3再接上全连接层 代码 import torch import torchvision import torchv

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：83968
    • 提供者：weixin_38665046

  1. Dassl.pytorch:用于域自适应和半监督学习的PyTorch工具箱-源码

  2. 达斯尔 Dassl是一个工具箱，旨在研究领域适应和半监督学习（因此而命名为Dassl ）。它具有模块化设计和统一的界面，可以快速进行原型设计和新DA / SSL方法的试验。使用Dassl，只需几行代码即可实现一种新方法。 您可以将Dassl用作库进行以下研究： 领域适应 域泛化 半监督学习 什么是新的 [2021年3月]我们刚刚在上发布了关于域泛化的调查，该调查总结了该主题的十年发展情况，涵盖了历史，相关问题，数据集，方法论，潜力方向等等。 [2021年1月]我们最近的工作 （混合不同域样本的

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：149504
    • 提供者：weixin_42161450

  1. MAP583--age_estimation-源码

  2. DL-DIY潜在项目构想 将此问题归结为回归或分类 使用进行分类 使用进行回归 寻找处理不平衡数据的策略 年龄估算PyTorch 基于PyTorch的CNN实现，用于从人脸图像估算年龄。 当前仅支持APPA-REAL数据集。 在可以找到类似的基于Keras的项目。 要求 pip install -r requirements.txt 演示版 需要网络摄像头。 有关详细选项，请参见python demo.py -h 。 python demo.py 使用--img_dir参数，该目录中的图像

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：1048576
    • 提供者：weixin_42128676

  1. PyTorch可视化理解卷积神经网络

  2. 本文来自于segmentfault，文章使用图片加代码的形式讲解CNN网络，并对每层的输出进行可视化。如今，机器已经能够在理解、识别图像中的特征和对象等领域实现99％级别的准确率。生活中，我们每天都会运用到这一点，比如，智能手机拍照的时候能够识别脸部、在类似于谷歌搜图中搜索特定照片、从条形码扫描文本或扫描书籍等。造就机器能够获得在这些视觉方面取得优异性能可能是源于一种特定类型的神经网络——卷积神经网络（CNN）。如果你是一个深度学习爱好者，你可能早已听说过这种神经网络，并且可能已经使用一些深度学

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：894976
    • 提供者：weixin_38746918

  1. detr：使用变压器进行端到端对象检测-源码

  2. DE⫶TR ：使用变压器进行端到端物体检测 PyTorch的DETR （ DE tection TR ansformer）训练代码和预训练模型。 我们用变压器代替了整个复杂的手工物体检测管道，并用ResNet-50匹配了Faster R-CNN，使用一半的计算能力（FLOP）和相同数量的参数在COCO上获得了42个AP 。 在PyTorch的50行中进行推断。 这是什么。 与传统的计算机视觉技术不同，DETR将对象检测作为直接设置的预测问题。 它由基于集合的全局损耗（通过二分匹配强制唯一预测）

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：244736
    • 提供者：weixin_42122988

  1. 基于像素梯度的深度学习：Pytorch：基于像素梯度的深度学习（HOG + CNN）-源码

  2. Pytorch：基于像素梯度的深度学习（HOG + CNN） 概述 一种新颖的基于像素梯度的CNN。 为CNN的输入制作“像素渐变数组” 。 与基于灰度图像的普通CNN相比，精度更高。 Pytorch实现为自定义的torchvision.transforms 。 像素渐变阵列 图像的梯度方向是图像处理中的基本组成部分之一，并且经典用于“定向直方图（HOG）功能”，这是最成功的描述符之一。 该存储库是将其带入深度学习领域的建议： 制作量化像素渐变的3维数组（=“像素渐变数组”）。 使用像

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：217088
    • 提供者：weixin_42117082

  1. DL马拉松-源码

  2. DL马拉松（全方位的深度学习疯狂） “人工智能，机器学习，深度学习” -您是否发现这些术语是随机出现的并且想开始使用，但并不完全知道该怎么做？ 不用担心！ 我们为您带来了DL马拉松-深度学习狂热的全过程，我们在其中深入研究了深度学习的各个子主题，例如计算机视觉，自然语言处理，强化学习等。对于这些主题，我们将选择一些相关的主题问题并帮助您详细了解它们。 此外，我们将在实时代码中实施每个模型，以帮助您加深理解！ 会议概况 2月14日：简介-机器学习的基本原理（线性回归，梯度下降，反向传播等），P

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：1024
    • 提供者：weixin_42135753

  1. pytorch_classification：利用pytorch实现图像分类的一个完整的代码，训练，预测，TTA，模型融合，模型部署，cnn提取特征，svm或者随机森林等进行分类，模型蒸馏，一个完整的代码-源码

  2. pytorch_classification 利用pytorch实现图像分类，其中包含的密集网，resnext，mobilenet，efficiencynet，resnet等图像分类网络，可以根据需要再行利用torchvision扩展其他的分类算法 实现功能 基础功能利用pytorch实现图像分类 包含带有warmup的cosine学习率调整 warmup的step学习率优调整 多模型融合预测，修正与投票融合 利用flask实现模型云端api部署 使用tta测试时增强进行预测 添加label s

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：4194304
    • 提供者：weixin_42131352

  1. 使用PyTorch进行深度学习：使用PyTorch解密神经网络-源码

  2. 通过PyTorch应用深度学习 机器学习正Swift成为解决数据问题的首选方法，这归功于种类繁多的数学算法可以找到模式，而这些模式对于我们而言是不可见的。 通过PyTorch进行的应用深度学习使您对深度学习，其算法及其应用有了更高的了解。 本课程首先帮助您浏览深度学习和PyTorch的基础知识。 一旦您精通PyTorch语法并能够构建单层神经网络，您将通过配置和训练卷积神经网络（CNN）进行图像分类，逐步学习解决更复杂的数据问题。 在阅读本章的过程中，您将发现如何通过实现递归神经网络（RNN）

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：38797312
    • 提供者：weixin_42166105

  1. 皮肤科医生：Pytorch实施“皮肤科医生使用深度神经网络对皮肤癌进行分类”的研究论文。 Udacity提供的较小数据集-源码

  2. 皮肤科医生 在火炬中实现。 有关每个概念背后的程序逻辑和动机，请参见上述论文。 关于 如本文所定义，我们利用预先训练的（在ImageNet上）CNN，特别是Google的Inception V3来进行迁移学习。 分类器预测三个类别的图像，即黑色素瘤，痣和脂溢性角化病。 最初的研究人员定义了754个以上的类，但提供的数据仅允许三个类。 用法 克隆存储库 git clone https://github.com/Shubham-SK/dermatologist.git cd dermatologis

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：96468992
    • 提供者：weixin_42159267

  1. DistributedDeepLearning：关于在Batch AI上运行分布式深度学习的教程-源码

  2. 培训关于批处理AI的分布式培训 此仓库是有关如何使用Batch AI以分布式方式训练CNN模型的教程。 涵盖的场景是图像分类，但是该解决方案可以推广到其他深度学习场景，例如分段和对象检测。 图像分类是计算机视觉应用中的常见任务，通常通过训练卷积神经网络（CNN）来解决。 对于具有大型数据集的大型模型，单个GPU的训练过程可能需要数周或数月。 在某些情况下，模型太大，以致于无法在GPU上放置合理的批处理大小。 在这些情况下使用分布式培训有助于缩短培训时间。 在此特定方案中，使用Horovod在I

  3. 所属分类：其它

    • 发布日期：2021-02-01
    • 文件大小：447488
    • 提供者：weixin_42127748

  1. PyTorch可视化理解卷积神经网络

  2. 本文来自于segmentfault，文章使用图片加代码的形式讲解CNN网络，并对每层的输出进行可视化。如今，机器已经能够在理解、识别图像中的特征和对象等领域实现99％级别的准确率。生活中，我们每天都会运用到这一点，比如，智能手机拍照的时候能够识别脸部、在类似于谷歌搜图中搜索特定照片、从条形码扫描文本或扫描书籍等。造就机器能够获得在这些视觉方面取得优异性能可能是源于一种特定类型的神经网络——卷积神经网络（CNN）。如果你是一个深度学习爱好者，你可能早已听说过这种神经网络，并且可能已经使用一些深度学

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：882688
    • 提供者：weixin_38733281

  1. DEEP_IMPLEMENTS-源码

  2. DEEP_IMPLEMENTS 这个项目是我使用pytorch从零开始实现流行的深度神经网络体系结构的地方。 该项目主要基于pytorch库进行设计，例如学习仅在torchvision库中给出的分类架构。 内容 影像数据 亚历克斯网 VGG16 资源网 起始时间 序列数据 RNN，LSTM，GRU n全部 注意力 变形金刚 如何使用它 有两个主要文件夹src和notebooks 。 notebooks具有实现的jupyter笔记本和python文件的src 。 我先在笔记本上实现，然后在p

  3. 所属分类：其它

    • 发布日期：2021-03-28
    • 文件大小：4194304
    • 提供者：weixin_42139429

  1. dgcnn.pytorch:用于点云学习的动态图CNN的PyTorch实现（DGCNN）-源码

  2. DGCNN.pytorch 此仓库是用于点云学习的动态图CNN的PyTorch实现（DGCNN） （ ）。我们的代码框架是从借用的。 请注意，DGCNN论文中用于分类的网络结构（图3）与该论文第4.1节中的相应描述不一致。 DGCNN的作者采用第4.1节中的分类网络设置，而不是图3。我们使用PS修复了图3中的错误，并在下面给出了修改后的图。 提示：点云实验的结果通常比2D图像面临更大的随机性。我们建议您多次运行实验并选择最佳结果。 要求 Python 3.7 PyTorch 1.2 CUD

  3. 所属分类：其它

    • 发布日期：2021-03-22
    • 文件大小：51380224
    • 提供者：weixin_42116604