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. Applied Multivariate Analysis

  2. Applied Multivariate Analysis Author: Neil H. Timm Publisher: Springer (2002) 应用多元分析 目录 Preface Notation I. Introduction 1. Foundations 2. Matrix Theory Useful in Multivariate Analysis 3. Continuous Multivariate Distributions, The Normal Distributio

  3. 所属分类：Java

    • 发布日期：2011-01-29
    • 文件大小：3145728
    • 提供者：hopefree

  1. Universal_Robot_report.pdf

  2. Optimizing the Universal Robots ROS driver. Andersen, Thomas Timm

  3. 所属分类：机器学习

    • 发布日期：2018-09-10
    • 文件大小：638976
    • 提供者：itfanr

  1. immersed boundary method.docx

  2. 基于Timm Kruger 的文章，C++代码- LBM-IBM结合算例，有标注

  3. 所属分类：C/C++

    • 发布日期：2019-09-17
    • 文件大小：40960
    • 提供者：weixin_37783345

  1. eyeLike, 基于摄像头的瞳孔跟踪实现.zip

  2. eyeLike, 基于摄像头的瞳孔跟踪实现 斑点基于一个简单的图像梯度基于 Fabian Timm的基于一个简单的图像梯度。免责声明这不跟踪视线。 基本上只是Fabian算法的开发者参考实现，显示了一些带有点的调试，在你的学生。如果你想要便宜的视线跟踪，而不介意硬件检查，那

  3. 所属分类：其它

    • 发布日期：2019-10-10
    • 文件大小：230400
    • 提供者：weixin_38743737

  1. PyTorch-Image-Models-Multi-Label-Classification:基于timm的多标签分类-源码

  2. PyTorch图像模型多标签分类 基于timm的多标签分类。 更新2021/03/22 更新了./timm/models/multi_label_model.py、./train.py和./validate.py，以计算每个标签的精度。 介绍 该存储库用于多标签分类。 该代码基于 。 感谢罗斯的出色工作。 我于2021年2月27日下载了他的代码。 我认为我的多标签分类代码将与他的最新版本兼容，但我没有检查。 该是多标签分类的主要参考资料。 感谢Dmitry Retinskiy和Satya

  3. 所属分类：其它

    • 发布日期：2021-03-25
    • 文件大小：14680064
    • 提供者：weixin_42102933

  1. DPT:密集预测变形金刚-源码

  2. 视觉变压器用于密集预测 这个软件库包含的代码和模型为我们的： 视觉变压器用于密集预测RenéRanftl，Alexey Bochkovskiy，Vladlen Koltun 变更日志 [2021年3月]推理代码和模型的初始版本 设置 下载模型权重并将其放在weights文件夹中： 单深度： ， ， 分割： ， ， 设置依赖项： conda install pytorch torchvision opencv pip install timm 该代码已经过Python 3.7

  3. 所属分类：其它

    • 发布日期：2021-03-25
    • 文件大小：22528
    • 提供者：weixin_42097914

  1. kaggle-ranzcr-clip-public-源码

  2. RANZCR-CLiP第七名解决方案 该存储库是WIP 。 （2021年3月18日） 安装 git clone https://github.com/analokmaus/kaggle-ranzcr-clip-public.git cd kaggle-ranzcr-clip-public git clone https://github.com/analokmaus/kuma_utils.git kuma_utils是我用于比赛和工作的工具箱。 conda conda env create

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：672768
    • 提供者：weixin_42148053

  1. ViT-源码

  2. 变形的ViT 将可变形的多头注意力应用于ViT架构 待办事项清单： 完成日志记录代码和wandb日志记录 实施timm版本（用于224x224 16补丁尺寸图像的执行器和变压器） 代码和测试变形注意 变压器 演员 编码和测试本地感知的初始化 变压器 演员 编码和测试DeBERTa注意 变压器 演员 用法 结果 用法 链接 （可变形的多尺度注意） cp pc注意） （可识别位置的初始化） （执行器tensorflow实现） 库） 日志记录）

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：23552
    • 提供者：weixin_42125867

  1. timm (PyTorch Image Models) 时间（皮托奇图像模型）-数据集

  2. 罗斯·怀特曼的皮托奇图像模型 （v0.4.4） timm (PyTorch Image Models_datasets.txt

  3. 所属分类：其它

  1. TorchUtils:（WIP）TorchUtils是一个pytorch库，其中包含一些有用的工具和培训技巧-源码

  2. 火炬工具 TorchUtils是一个pytorch库，其中包含几个有用的工具以及一些最新的培训方法或技巧。 （工作正在进行中） 待办事项：整理代码库 使用pytorch 1.6重新编写仓库（因为PyTorch 1.6现在支持许多工具功能或技巧） 进口 import torch_utils as tu 全部播种 SEED = 42 tu.tools.seed_everything(SEED) 数据扩充 去做： 比赛中使用的通用数据扩充 模型 建议的预训练模型： SEResNext-50 高

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：40960
    • 提供者：weixin_42144604

  1. 截面投资组合分析：Bachelorarbeit Timm Pfeil-源码

  2. 截面投资组合分析：Bachelorarbeit Timm Pfeil

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：12288
    • 提供者：weixin_42112658

  1. TransReID:TransReID-源码

  2. TransReID：基于变压器的对象重新标识 的官方存储库实现了对象重新ID的最新性能，包括人员重新ID和车辆重新ID。 管道 基于变压器的强基准的合理化研究 要求 安装 pip install -r requirements.txt (we use /torch 1.6.0 /torchvision 0.7.0 /timm 0.3.2 /cuda 10.1 / 16G or 32G V100 for training and evaluation. Note that we use torc

  3. 所属分类：其它

    • 发布日期：2021-04-01
    • 文件大小：821248
    • 提供者：weixin_42099987

  1. Gated-SCNN:ICCV2019“用于语义分割的门控SCNN门控形状CNN”的纸质复制，用BiseNetVV2替换了常规流-源码

  2. 门控SCNN 基于ICCV 2019论文 SCNN PyTorch门控SCNN的实现，。 要求 conda install pytorch torchvision cudatoolkit=11.0 -c pytorch 蒂姆 pip install timm OpenCV pip install opencv-python 城市景观 pip install cityscapesscr ipts 用法 火车模型 python train.py --epochs 175 --backbone_ty

  3. 所属分类：其它

    • 发布日期：2021-03-31
    • 文件大小：2097152
    • 提供者：weixin_42157556

  1. efficientdet-pytorch:忠实于原始Google导入权重的PyTorch EfficientDet实现-源码

  2. EfficientDet（PyTorch） EfficientDet的PyTorch实现。 它基于 Mingxing 正式实施Tensorflow Tan Mingxing Tan，庞若鸣，Quoc V撰写的论文。Le 还有其他PyTorch实现。他们的方法不适合我的目标，无法正确地重现Tensorflow模型（但具有PyTorch的感觉和灵活性），或者它们无法接近从零开始复制MS COCO培训。 除了默认的模型配置外，这里还有很多灵活性可以促进实验和快速改进-基于官方Tensorflow

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：135168
    • 提供者：weixin_42117150