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. caffe-cifar100数据集

  2. caffe默认支持cifar10，但是不支持cifar100数据集，本数据集将cifar100的python文件转换为caffe支持的lmdb文件

  3. 所属分类：深度学习

    • 发布日期：2018-12-26
    • 文件大小：168820736
    • 提供者：lulugay

  1. Python-pytorch中的基础预训练模型和数据集

  2. pytorch中的基础预训练模型和数据集 (MNIST, SVHN, CIFAR10, CIFAR100, STL10, AlexNet, VGG16, VGG19, ResNet, Inception, SqueezeNet)

  3. 所属分类：其它

    • 发布日期：2019-08-11
    • 文件大小：38912
    • 提供者：weixin_39840650

  1. cifar10_cifar100合集.zip

  2. python版本的cifar10/cifar100合集，可下载后解压到自定义路径下使用。原下载地址：http://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz，http://www.cs.toronto.edu/~kriz/cifar-100-python.tar.gz

  3. 所属分类：深度学习

    • 发布日期：2020-08-14
    • 文件大小：338690048
    • 提供者：oYeZhou

  1. cifar-100-python.zip

  2. cifar100数据集，为二进制文件；里面共有100类图像，每类各有500个训练图像和100个测试图像；还包含直接读取该二进制文件的py文件

  3. 所属分类：教育

    • 发布日期：2020-10-29
    • 文件大小：168820736
    • 提供者：caomin1hao

  1. 解决Keras自带数据集与预训练model下载太慢问题

  2. keras的数据集源码下载地址太慢。尝试过修改源码中的下载地址，直接报错。 从源码或者网络资源下好数据集，下载好以后放到目录  ~/.keras/datasets/    下面。 其中：cifar10需要改文件名为cifar-10-batches-py.tar.gz ，cifar100改为 cifar-100-python.tar.gz , mnist改为 mnist.npz 预训练models放到 ~/.keras/models/ 路径下面即可。 补充知识：Keras下载的数据集以及预训练模型

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：35840
    • 提供者：weixin_38694299

  1. cifar100-python

  2. cifar100数据集，python版本linux用

  3. 所属分类：深度学习

    • 发布日期：2021-03-21
    • 文件大小：147849216
    • 提供者：ForloveZED

  1. HyperNet:适用于ResNet的HyperNetworks的PyTorch实施（Ha等人，ICLR 2017）-源码

  2. 超网络 适用于ResNet的PyTorch实施（Ha等人，ICLR 2017）。该代码主要用于CIFAR-10和CIFAR-100，但是将其用于任何其他数据集都非常容易。将其用于不同深度的ResNet架构也非常容易。 我们使用pytorch闪电来控制整个管道。 怎么跑 python train.py --dataset {cifar10/cifar100} --gpus $num_gpu -j $num_workers --distributed_backend ddp 已过期。此回购协议已将H

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：6144
    • 提供者：weixin_42139042

  1. FixMatch-pytorch:“ FixMatch”的非官方Pytorch代码-源码

  2. FixMatch-pytorch 非官方pytorch代码 NeurIPS'20。此实现可以重现结果（CIFAR10和CIFAR100），这些结果已在本文中进行了报告。此外，它还包括具有半监督和完全监督方式的训练模型（请在下面的链接中下载）。 要求 python 3.6 pytorch 1.6.0 火炬视觉0.7.0 张量板2.3.0 枕头 结果：分类准确率（％） 除了本文中半监督学习的结果外，我们还附加了完全监督学习的额外结果（50000个标签，仅支持sup）+一致性正则化（50000个标

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：1048576
    • 提供者：weixin_42099942

  1. DDE_CIL-源码

  2. CVPR2021增量学习 该存储库用于论文“在班级增量学习中提取数据的因果效应”。 指示 依存关系 Python 3.6（推荐使用Anaconda3） 火炬0.4.0 入门 CIFAR100和ImageNet的数据放在cifar100-class-incremental/data和imagenet-class-incremental/data ，或者您可以建立到包含相应数据的目录的软链接 为utils_incremental cifar100-class-incremental和image

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：438272
    • 提供者：weixin_42127775

  1. consistency-adversarial:对抗性鲁棒性的一致性正则化-源码

  2. 对抗性鲁棒性的一致性正则化 ， ， ， ， 和进行的对抗性鲁棒一致性正则化的正式PyTorch实施。 1.依存关系 conda create -n con-adv python=3 conda activate con-adv conda install pytorch torchvision cudatoolkit=11.0 -c pytorch pip install git+https://github.com/fra31/auto-attack pip install adver

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：546816
    • 提供者：weixin_42160398

  1. tmp:tmp-源码

  2. 表彰 用法： python main_supcon . py - - batch_size 512 \ - - learning_rate 0.5 \ - - temp 0.5 \ - - cosine \ - - method SimCLR \ - - epochs 1000 \ \ - - model resnet50 \ - - dataset cifar10 \ - - imbalance_order ascent \ - - imbalanc

  3. 所属分类：其它

    • 发布日期：2021-03-05
    • 文件大小：1048576
    • 提供者：weixin_42180863

  1. Variance_Reduced_Replica_Exchange_Stochastic_Gradient_MCMC：通过减少方差来加速副本交换（ICLR'21）-源码

  2. 方差减少的副本交换SGHMC 尽管在近凸问题中减小梯度方差具有优势，但理论与实践之间的自然差异是在非凸问题中是否应避免梯度噪声。 为了填补这一空白，我们仅关注于噪声能量估计量的方差减小以利用理论加速度，而不再考虑噪声梯度的方差减小，因此具有动量的随机梯度下降（M-SGD）的经验经验可以自然地进口。 要求 Python 2.7 或类似 麻木 CUDA 分类：批次大小为256的CIFAR100上的ResNet20 动量随机梯度下降（M-SGD），具有500个时期，批量为256个，学习率不断降低

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：581632
    • 提供者：weixin_42139252