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. （翻译）60分钟入门深度学习工具-PyTorch.pdf

  2. （翻译）60分钟入门深度学习工具-PyTorch 公号：机器学习初学者 一、Pytorch是什么？ 二、AUTOGRAD 三、神经网络 四、训练一个分类器 五、数据并行

  3. 所属分类：互联网

    • 发布日期：2020-04-10
    • 文件大小：1048576
    • 提供者：qq_33866063

  1. pytorch 实现yolo3详细理解（五）训练自己数据集和csv数据集标签处理

  2. 摘要 前面基本已经将yolo3的大致细节都分析了，那么现在就要训练自己下载的数据集来看下效果，进行迁移学习，首先我会先对github本身自定义的custom数据集进行训练，只有一张照片，一个标签签，之后训练自己的数据集是摇从xml文件先提取标签，完全按照custom中的格式进行布局，然后修改一下cfg文件就可以运行。dataset源码是对txt文件的处理，在实际运行中对数据进行分析是利用panda，所以直接利用panda生成csv文件进行读取更加方便。代码githubhttps://github

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：873472
    • 提供者：weixin_38751031

  1. PyTorch的深度学习入门教程之构建神经网络

  2. 前言 本文参考PyTorch官网的教程，分为五个基本模块来介绍PyTorch。为了避免文章过长，这五个模块分别在五篇博文中介绍。 Part3：使用PyTorch构建一个神经网络 神经网络可以使用touch.nn来构建。nn依赖于autograd来定义模型，并且对其求导。一个nn.Module包含网络的层（layers），同时forward(input)可以返回output。 这是一个简单的前馈网络。它接受输入，然后一层一层向前传播，最后输出一个结果。 训练神经网络的典型步骤如下： （1）  定义

  3. 所属分类：其它

    • 发布日期：2021-01-01
    • 文件大小：76800
    • 提供者：weixin_38514805

  1. pytorch学习笔记（十五）————动量与学习率衰减

  2. pytorch学习笔记（十五）————动量与学习率衰减目录动量学习率衰减 目录 动量 从形式上看， 动量算法引入了变量 z充当速度角色——它代表参数在参数空间移动的方向和速率。速度被设为负梯度的指数衰减平均。名称 动量（momentum），相当于引入动量前的梯度概念，指示着loss在参数空间下一步要下降的方向和大小。 其中wk+1w^{k+1}wk+1表示更新后权重；wkw^{k}wk表示更新前权重；zk+1z^{k+1}zk+1代表动量，，α表示学习率 从公式zk+1=βzk+▽f(wk)z

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：854016
    • 提供者：weixin_38679276

  1. Pytorch学习 （五）

  2. 二维互相关运算（卷积） 二维互相关（cross-correlation）运算的输入是一个二维输入数组和一个二维核（kernel）数组，输出也是一个二维数组，其中核数组通常称为卷积核或过滤器（filter）。卷积核的尺寸通常小于输入数组，卷积核在输入数组上滑动，在每个位置上，卷积核与该位置处的输入子数组按元素相乘并求和，得到输出数组中相应位置的元素。图1展示了一个互相关运算的例子，阴影部分分别是输入的第一个计算区域、核数组以及对应的输出。 图1 二维互相关运算 互相关运算与卷积运算 卷积层得名于

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：52224
    • 提供者：weixin_38722891

  1. LOB:中国市场限价订单基准数据集-源码

  2. 高球 中国市场限价订单基准数据集 FinAI实验室 香港高等研究院 目录 介绍 该存储库包含论文描述的和。 在建议的基准数据集上测试了五个基线模型，包括线性回归（LR），多层感知器（MLP），卷积神经网络（CNN），长期短期记忆（LSTM）和CNN-LSTM。 笔记 所有算法均基于深度学习框架。 我们的PyTorch版本是1.7.0。 如果您使用的是较低版本，请相应地修改代码。 抽象的 限价单（LOB）已生成“大财务数据”，供学术界和行业从业者进行分析和预测。 本文提供了一个中国股票市场的基

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：774144
    • 提供者：weixin_42143092

  1. pytorch-gpu-基准-源码

  2. 关于 pytorch中不同cnn模型的不同GPU的学习和推理速度的比较 1080TI 泰坦五世 2080TI 规格 显卡名称 NVIDIA GeForce GTX 1080 Ti NVIDIA GeForce RTX 2080 Ti NVIDIA TITAN V 过程 16纳米 12纳米 12纳米 模具尺寸 471mm² 754平方毫米 815mm² 晶体管 118亿 186亿 211亿 CUDA核心 3584核心 4352核 5120核 张量芯 没有 544核心 640核心 时钟（

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：12582912
    • 提供者：weixin_42120550

  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. 火山：Kubernetes本机批处理系统（CNCF下的项目）-源码

  2. 火山是建立在Kubernetes上的批处理系统。 它提供了许多类别的批处理和弹性工作负载通常需要的一套机制，包括：机器学习/深度学习，生物信息学/基因组学和其他“大数据”应用程序。 这些类型的应用程序通常在与Volcano集成的TensorFlow，Spark，PyTorch，MPI等通用域框架上运行。 Volcano积累了十五年的经验，使用多个系统和平台大规模运行各种高性能工作负载，并结合了开源社区的最佳创意和实践。 注意：调度程序是基于构建的； 有关更多详细信息，请参阅和 。 Volc

  3. 所属分类：其它

    • 发布日期：2021-02-02
    • 文件大小：16777216
    • 提供者：weixin_42119358

  1. pytorch学习笔记（十五）————Early Stop，Dropout

  2. pytorch学习笔记（十五）————Early Stop，Dropout，SGD目录Early StopDropoutSGD随机梯度下降 目录 Early Stop （1）Early Stop的概念 Early Stop的概念非常简单，在我们一般训练中，经常由于过拟合导致在训练集上的效果好，而在测试集上的效果非常差。因此我们可以让训练提前停止，在测试集上达到最好的效果时候就停止训练，而不是等到在训练集上饱和在停止，这个操作就叫做Early Stop。 （2）Early Stop的过程 Dr

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：598016
    • 提供者：weixin_38739919

  1. pytorch、tensorflow之生成one-hot向量

  2. 对于标签分类：最后生成的可以是类别标签索引，也可以是one-hot向量（独热编码） 我们举一个五分类的例子： 可以用[3]：表示第三种分类 也可以用one-hot向量[0,0,1,0,0]：表示第三种分类 那么我们接下来用pytorch和tensorflow这两个深度学习框架来生成one-hot向量 Pytorch 生成one-hot向量 import torch from torch.nn import functional label = torch.tensor([2]) # 2显示的是

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：59392
    • 提供者：weixin_38677585

  1. 深度学习PyTorch入门（五）

  2. 卷积神经网络基础 互相关运算与卷积运算 卷积层得名于卷积运算，但卷积层中用到的并非卷积运算而是互相关运算。我们将核数组上下翻转、左右翻转，再与输入数组做互相关运算，这一过程就是卷积运算。由于卷积层的核数组是可学习的，所以使用互相关运算与使用卷积运算并无本质区别。 特征图与感受野 二维卷积层输出的二维数组可以看作是输入在空间维度（宽和高）上某一级的表征，也叫特征图（feature map）。影响元素xxx的前向计算的所有可能输入区域（可能大于输入的实际尺寸）叫做xxx的感受野（receptive

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：406528
    • 提供者：weixin_38703794

  1. e3bm:PyTorch实施“极少学习的历时经验贝叶斯合奏”（ECCV 2020）-源码

  2. 极少学习的历时经验贝叶斯合奏 该存储库包含论文“的历时”的PyTorch实现。 如果您对此存储库或相关文章有任何疑问，请随时或。 概括 介绍 少量学习旨在通过一些示例来训练有效的预测模型。 缺乏训练数据导致执行高方差或低置信度预测的模型较差。 在本文中，我们建议对时间经验贝叶斯模型（E 3 BM）的集合进行元学习，以实现可靠的预测。 “ Epoch-wise”意味着每个训练时期都有一个贝叶斯模型，其参数是专门学习和部署的。 “经验的”是指超参数，例如，用于学习和整合时代模型的超参数，是由超高级

  3. 所属分类：其它

    • 发布日期：2021-03-30
    • 文件大小：31744
    • 提供者：weixin_42172572