您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. Demo:迷你项目演示-源码

  2. 许可证和证明 -伦敦帝国理工学院和Coursera: 1.使用TensorFlow 2自定义模型, 2.改善深度神经网络:超参数调整,正则化 和优化, 3.构建机器学习项目, 4.卷积神经网络, 5. TensorFlow 2入门, 6.神经网络和深度学习, 深度学习项目 [2019 |现在] TensorFlow框架 1. Classification of Image digits with SVHN dataset. [github demo] 2. Classification of f
  3. 所属分类:其它

    • 发布日期:2021-03-15
    • 文件大小:6291456
    • 提供者:weixin_42109732
  1. EnAET:能源部-源码

  2. 能源部 代码和所有纸质培训记录: 介绍 深度神经网络已成功应用于许多实际应用中。 但是,这些成功很大程度上依赖于大量标记数据,而这些数据的获取成本很高。 最近,已经提出了自动编码转换(AET)和MixMatch并分别针对无监督和半监督学习获得了最新技术成果。 在这项研究中,我们训练了一个自动编码转换(EnAET)集合,通过对空间和非空间转换进行解码,从而基于嵌入表示从标记数据和未标记数据中学习。 这将EnAET与传统的半监督方法区分开来,后者侧重于通过未标记和已标记示例的不同模型来提高预测一致性
  3. 所属分类:其它

    • 发布日期:2021-03-08
    • 文件大小:11534336
    • 提供者:weixin_42116604
  1. SVHN神经网络-源码

  2. SVHN神经网络 建立了卷积神经网络,以根据Google街景门牌号码(SVHN)数据集对门牌进行分类。 关于SVHN数据集 SVHN是一个现实世界的图像数据集,用于开发机器学习和对象识别算法,而对数据预处理和格式化的要求最低。 SVHN是从Google街景图像中的门牌号获得的。
  3. 所属分类:其它

    • 发布日期:2021-03-03
    • 文件大小:15360
    • 提供者:weixin_42164931
  1. 域自适应火炬闪电-源码

  2. 域适配实施 神经网络领域对抗训练(DANN) 实施参考 实验复制 # MNIST to MNIST-M python experiment.py --src mnist --tgt mnist_m --base lenet --model dann --lr 1e-2 --epoch 20 --batch_size 64 --lr_schedule True # SVHN to MNIST python experiment.py --src svhn --tgt mnist --model d
  3. 所属分类:其它

    • 发布日期:2021-02-20
    • 文件大小:29696
    • 提供者:weixin_42138545
  1. BarcodesDNN:“神经网络学习中的拓扑障碍”论文的实施-源码

  2. 神经网络学习中的拓扑障碍 该存储库包含概述的论文的实现。 训练N个模型: python find_minimas.py --type=1 --dataset=SVHN --N=8 --device=cuda --type类型1(在恒定学习率的情况下获得的最小值),类型2(通过调度学习率的情况获得的最小值) --dataset本文中使用的假定选项:[SVHN,CIFAR10] --N要训​​练的独立模型的数量 --device - CUDA / CPU 当执行步骤1) ,可以通过执行Co
  3. 所属分类:其它

    • 发布日期:2021-02-12
    • 文件大小:438272
    • 提供者:weixin_42099176