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. rcnn网络tensorflow实现

  2. 包括crnn模型的tensorflow实现，训练以及评估、推理等过程，详见readme。

  3. 所属分类：深度学习

    • 发布日期：2019-03-17
    • 文件大小：1048576
    • 提供者：zshluckydogs

  1. 机器学习-14. 卷积神经网络深入、AlexNet模型

  2. 人工智能基础视频教程零基础入门课程 第十四章 人工智能基础视频教程零基础入门课程，不需要编程基础即可学习，共15章，由于整体课程内容太大，无法一次传输，分章节上传。 第一章 人工智能开发及远景介绍（预科） 第二章 线性回归深入和代码实现 第三章 梯度下降和过拟合和归一化 第四章 逻辑回归详解和应用 第五章 分类器项目案例和神经网络算法 第六章 多分类、决策树分类、随机森林分类 第七章 分类评估、聚类 第八章 密度聚类、谱聚类 第九章 深度学习、TensorFlow安装和实现 第十章 Tenso

  3. 所属分类：机器学习

    • 发布日期：2020-07-16
    • 文件大小：708837376
    • 提供者：suolong123

  1. 机器学习-09. 深度学习、TensorFlow安装和实现

  2. 人工智能基础视频教程零基础入门课程 人工智能基础视频教程零基础入门课程，不需要编程基础即可学习，共15章，由于整体课程内容太大，无法一次传输，分章节上传。 第一章 人工智能开发及远景介绍（预科） 第二章 线性回归深入和代码实现 第三章 梯度下降和过拟合和归一化 第四章 逻辑回归详解和应用 第五章 分类器项目案例和神经网络算法 第六章 多分类、决策树分类、随机森林分类 第七章 分类评估、聚类 第八章 密度聚类、谱聚类 第九章 深度学习、TensorFlow安装和实现 第十章 TensorFlow

  3. 所属分类：机器学习

    • 发布日期：2020-07-16
    • 文件大小：747634688
    • 提供者：suolong123

  1. 机器学习-02. 线性回归深入和代码实现

  2. 人工智能基础视频教程零基础入门课程 第二章 人工智能基础视频教程零基础入门课程，不需要编程基础即可学习，共15章，由于整体课程内容太大，无法一次传输，分章节上传。 第一章 人工智能开发及远景介绍（预科） 第二章 线性回归深入和代码实现 第三章 梯度下降和过拟合和归一化 第四章 逻辑回归详解和应用 第五章 分类器项目案例和神经网络算法 第六章 多分类、决策树分类、随机森林分类 第七章 分类评估、聚类 第八章 密度聚类、谱聚类 第九章 深度学习、TensorFlow安装和实现 第十章 Tensor

  3. 所属分类：机器学习

    • 发布日期：2020-07-15
    • 文件大小：1015021568
    • 提供者：suolong123

  1. TensorFlow实现模型评估

  2. 主要为大家详细介绍了TensorFlow实现模型评估，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

  3. 所属分类：其它

    • 发布日期：2020-09-20
    • 文件大小：83968
    • 提供者：weixin_38680764

  1. SSH-TensorFlow:这是SSH的TensorFlow实现-源码

  2. SSH-TensorFlow 介绍 这是的实现使用TensorFlow复制的。 这段代码是从。 先决条件 您需要兼容CUDA的GPU来训练模型。 您应该首先下载以进行人脸检测。 依存关系 TensorFlow 1.4.1 TF-超薄 Python3.6 Ubuntu 16.04 CUDA 8.0 WIDER人脸评估结果 不使用不同主干之间的图像金字塔的SSH评估结果： 骨干 简单 中等的 难的 训练方法 VGG16（原纸） 0.919 0.907 0.814 -- VGG16

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：38797312
    • 提供者：weixin_42152298

  1. neural_rerendering_in_the_wild:野外神经渲染的实现-源码

  2. 野外神经渲染 Moustafa Meshry 1 ， 2 ， 2 ， 2 ，Rohit Pandey 2 ， 2 ， 2 。 1马里兰大学学院公园2 Google Inc. 出现在CVPR 2019（口头）。 本文的Tensorflow实现可在找到。 ||| 抽象的 我们探索了整个场景的捕获-记录，建模和重新渲染场景（例如季节和一天中的不同时间）下的场景。从旅游地标的互联网照片开始，我们应用传统的3D重建来注册照片并将场景近似为点云。对于每张照片，我们将场景点渲染到一个深帧缓冲中，并

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：3145728
    • 提供者：weixin_42168555

  1. superpoint-pytorch:Superpoint https的Pytorch实现-源码

  2. 超点火炬 该文件是对Superpoint模型的pytorch实现和评估，如。 我们在RémiPautrat的tensorflow实现中找到了很大的帮助： : 。 在兴趣点检测中，我们的模型似乎未完全收敛： 但是，同形加法与我们的模型相结合的结果看起来还是不错的： 与其他点检测模型进行比较： 与原始模型相比，总体结果未达到跟踪能力。 对于原始模型，匹配点是： 与我们的实施： 尽管总体结果不能令人满意，但是我们希望可以将不同的块（数据生成，单应性调整等）用于将来的工作。 该文件

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：45088768
    • 提供者：weixin_42152298

  1. ALBERT-TF2.0:使用TF2.0的ALBERT模型预训练和微调-源码

  2. 阿尔伯特-TF2.0 使用TF2.0的ALBERT模型微调 该存储库包含针对ALBERT的TensorFlow 2.0实现。 要求 python3 点安装-r requirements.txt ALBERT预训练 从零开始的ALBERT模型预训练和特定于域的微调。 说明 下载ALBERT TF 2.0砝码 Verison 1 版本2 将模型解压缩到存储库中。 以上重量不包含原始模型中的最后一层。 现在只能用于微调下游任务。 从TF-HUB到TF 2.0全权转换 下载胶水数据 使用以下c

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：187392
    • 提供者：weixin_42128141

  1. Neural_Network_Charity_Analysis：该项目的目的是使用Python中的TensorFlow平台探索和实现神经网络。-源码

  2. 神经网络和深度学习模型 项目概况 该项目的目的是使用Python中的TensorFlow平台探索和实现神经网络。 完成任务的步骤： 预处理神经网络模型的数据 编译，训练和评估模型 优化模型 资源： 数据源：charity_data.csv 工具 Python scikit-learn，TensorFlow，Keras Jupyter笔记本 结果 数据预处理 该模型考虑的目标变量：IS_SUCCESSFUL列。 变量被认为是该模型的特征：除IS_SUCCESSFUL列外的所有列均已删除

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：1048576
    • 提供者：weixin_42128270

  1. Logistic回归机器学习模型-源码

  2. Logistic回归机器学习模型 •集成了Python的TensorFlow机器学习库，并构建了一个实现逻辑回归算法的深层人工神经网络。 •利用神经网络中必要的激活函数来解决二进制分类问题。 •使用实际数据集训练和评估机器学习模型。 •通过对新的结构化数据使用模型，实现了78％的准确性。

  3. 所属分类：其它

    • 发布日期：2021-02-07
    • 文件大小：45056
    • 提供者：weixin_42126399

  1. tensor_stream：Ruby的TensorFlow的基础和独立重新实现。 带有纯Ruby和OpenCL操作码评估器-源码

  2. TensorStream TensorStream是用于Ruby机器学习的开源框架，其目标是允许轻松构建机器学习模型并在各种硬件（如GPU和CPU）中运行它们。 它很大程度上基于TensorFlow，其目标是能够轻松移植其更高级别的库和模型示例。 因此，它也基于数据流图，其中您定义计算以及这些计算之间的数据流，以实现所需的输出。 TensorStream旨在通过Pure Ruby和OpenCL实现来支持各种后端。 这些实现旨在协同工作，您可以在OpenCL实现（具有GPU）上进行训练，然后在

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：3145728
    • 提供者：weixin_42146230

  1. 神经图像评估：NIMA的实施：Keras中的神经图像评估-源码

  2. NIMA：神经影像评估 实现 Keras + Tensorflow中的，并在AVA数据集上训练MobileNet模型的权重。 NIMA为图像分配了“均值+标准偏差”得分，可以用作自动检查图像质量的工具，也可以用作损失函数来进一步改善生成的图像的质量。 包含在AVA数据集上针对以下模型训练的权重： NASNet Mobile（由于 ！而在valset上的EMD为0.067 EMD，仅需预训练即可0.0848 EMD） Inception ResNet v2（在valset上约为0.07 E

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：14680064
    • 提供者：weixin_42134117

  1. InsightFace-tensorflow：InsightFace的Tensoflow实现（ArcFace：用于深层识别的附加角余量损失）-源码

  2. InsightFace张量流 这是论文“ ”的张量流实现。 此实现旨在简化预训练模型的使用和对自己模型的训练。 无论您是想使用预训练模型进行人脸识别/验证，还是想训练/微调您自己的模型，该项目都可以为您提供帮助。 关于人脸识别损失的介绍可以在找到（中文）。 该实现是指。 待办事项清单 用softmax训练[完成！] 模型评估[完成！] 用softmax微调[完成！] 嵌入预训练模型[完成！] 三重损失训练[待办事项] 微调，三重损失[待办事项] 骨干7.1 ResNet [完成！]

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：33792
    • 提供者：weixin_42132352

  1. 深度学习TensorFlow：使用TensorFlow即可使用各种深度学习算法的实现-源码

  2. TensorFlow的深度学习算法 该存储库是使用库实现的各种深度学习算法的集合。 该软件包旨在用作命令行实用程序，您可以使用它来快速训练和评估流行的深度学习模型，并且可以将它们用作自定义模型/数据集的基准/基线。 如果您想使用ipython的软件包或将其集成到代码中，我发布了一个名为yadlt的pip软件包： yadlt Another Deep Learning Tool。 要求： 张量流> = 1.0 可用型号清单： 卷积网络 受限玻尔兹曼机 深层信仰网络 深度自动编码器作为RB

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：68608
    • 提供者：weixin_42119281

  1. Automatic_Speech_Recognition：Tensorflow中的英语和英语的端到端自动语音识别-源码

  2. 自动语音识别 在TensorFlow中实现的端到端自动语音识别系统。 最近更新 支持TensorFlow r1.0 （2017-02-24） 动态rnn的支持退出（2017-03-11） 支持在shell文件中运行（2017-03-11） 自动支持每几个培训阶段的评估（2017-03-11） 修复了字符级自动语音识别的错误（2017-03-14） 改进一些可重用的功能API （2017-03-14） 添加缩放以进行数据预处理（2017-03-15） 添加对LibriSpeech培

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：193536
    • 提供者：weixin_42133452

  1. deeplab_v3：语义分段的Tensorflow实现DeepLab_V3 CNN-源码

  2. DeepLab_V3图像语义分割网络 语义分割DeepLab_V3 CNN的实现，如。 有关此实现的完整文档，请查看。 依存关系 Python 3.x 脾气暴躁的 Tensorflow 1.10.1 资料下载 评价 预训练模型。 将checkpoints文件夹放在./tboard_logs 。 如果该文件夹不存在，请创建它。 再培训 用于训练的原始数据集。 数据集 将tfrecords文件放在./dataset/tfrecords 。 如果文件夹不存在，请创建它。 培训与评估 获得培训和

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：342016
    • 提供者：weixin_42113380

  1. R-NET-Tensorflow：在TensorFlow中实现R-NET-源码

  2. Tensorflow中的R-NET 该存储库是的Tensorflow实现， 是旨在解决问题解答（QA）任务的神经网络。 此实现是专为设计的， 是最近在QA领域引起关注的大规模数据集。 如有任何疑问，请联系 。 更新和致谢 17.12.30 根据最近的要求，我发布了一组经过训练的模型权重。 可以在下面的“当前结果”部分中找到详细信息。 17.12.12 我要感谢范扬指出评估模型时的几个错误。 首先，在执行evaluate.py程序时，需要明确指定要评估的模型。 请参阅下面的用法部分。 另

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：16384
    • 提供者：weixin_42170790

  1. Siamese-LSTM：用于评估Quora问题对数据集的句子之间语义相似性的Siamese LSTM-源码

  2. 连体LSTM 使用MaLSTM模型（暹罗网络+曼哈顿距离的LSTM）检测问题对之间的语义相似性。 使用的训练数据集是原始Quora问题对数据集（使用的〜363K对）的子集。 这是Keras基于和。 先决条件 纸，文章 数据 参考文献 原始作者的GitHub 基于TensorFlow的实现 Kaggle的test.csv太大了，所以我就只提取前20个问题，并创建了一个名为test-20.csv和它在使用predict.py 。 您应该将所有数据文件./data目录。 怎么跑 训练 $ py

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：8192
    • 提供者：weixin_42102634

  1. TensorFlow实现模型评估

  2. 我们需要评估模型预测值来评估训练的好坏。 模型评估是非常重要的，随后的每个模型都有模型评估方式。使用TensorFlow时，需要把模型评估加入到计算图中，然后在模型训练完后调用模型评估。 在训练模型过程中，模型评估能洞察模型算法，给出提示信息来调试、提高或者改变整个模型。但是在模型训练中并不是总需要模型评估，我们将展示如何在回归算法和分类算法中使用它。 训练模型之后，需要定量评估模型的性能如何。在理想情况下，评估模型需要一个训练数据集和测试数据集，有时甚至需要一个验证数据集。 想评估一个模型

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：83968
    • 提供者：weixin_38507923
« 12 3 4 »