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. 树莓派opencv_3.4.0.0.0.0.rar

  2. 1. 配置并更新树莓派系统 1，sudo raspi-config // 进入后打开摄像头、SSH 2，sudo apt-get update 3，sudo apt-get upgrade 4，sudo rpi-update 2. 安装OpenCV的相关工具 sudo apt-get install build-essential cmake git pkg-config 3. 安装OpenCV的图像工具包 1，sudo apt-get i

  3. 所属分类：Dell

    • 发布日期：2020-08-20
    • 文件大小：84934656
    • 提供者：weixin_42206625

  1. monoResMatch-Tensorflow:单眼残差匹配（monoResMatch）网络的Tensorflow实现-源码

  2. monoResMatch-Tensorflow 学习融合传统立体知识的单眼深度估计 ， ， 和 CVPR 2019 建筑学 单眼残差匹配（monoResMatch）网络的Tensorflow实现。 要求 该代码已在Tensorflow 1.8，CUDA 9.0和Ubuntu 16.04上进行了测试。 训练 城市风光 CityScapes数据集包含在不同天气情况下从行驶中的车辆中获取的有关德国约50个城市的立体声对。 它包括22,973对立体声，分为火车，验证和测试集。 您可以在./util

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：1048576
    • 提供者：weixin_42181693

  1. MLE:改良的LatticeEasy-GPU加速了引力波的演化-源码

  2. 改良的LatticeEasy 主要代码（LATTICEEASY）来自 要求： CUDA工具包11.2（ ） 海湾合作委员会9.2.0 程序仍然具有与原始LatticeEasy相同的结构。 有关详细信息，请参见其官方文档 。 parameters.cuh文件包含五个新开关，用于启用/禁用重力波的计算和局部能量密度的输出。 如果要更改使用的模具，请在parameters.cuh中调整光晕大小，并在src / utils / utils.cuh文件中取消注释相应的模具。 models文件夹

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：63488
    • 提供者：weixin_42106357

  1. mambo_visualization-源码

  2. Mambo_Visualization 硬体设备与环境 Geforce RTX 2080 Ubuntu16.04 ROS动力学CUDA 10 水蟒python 3.7.3 如何使用 依存关系 柳絮 Qt5> = 5.2.1 OpenGL> = 4.0 libEigen> = 3.2 gtsam> = 4.0（使用4.0.0-alpha2测试） 系统依赖 所需的系统软件包： $ sudo apt-get update $ sudo apt-get install -

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：11534336
    • 提供者：weixin_42099530

  1. cuda-utils-源码

  2. cuda-utils

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：60416
    • 提供者：weixin_42133415

  1. APANet-源码

  2. 图神经网络可以检测到异常吗？ 该存储库包含用于生成论文中报告的结果的代码： 。 依存关系 该项目使用python 3.7环境。 该代码已在torch 1.7 ， torch-geometric 1.6.3和CUDA 11.2 结构 该项目的结构如下： data ：包含数据集； baseline ：包含实验中显示的基线模型； module ：包含组成模型的模块代码； utils ：包含所有实用程序； 用法 数据集下载 首先，您需要通过运行以下命令下载椭圆形的公共数据集并配置环境： pi

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：17408
    • 提供者：weixin_42098251

  1. Road_extraction：注意Unet和Deep Unet实现，用于道路提取多gpu张量流-源码

  2. Road_extraction 使用多GPU模型张量流的Attention Unet和Deep Unet实现道路提取 Deep U-Net的多种变体已经过额外的层和额外的卷积测试。 尽管如此，优于所有人的模型是Attention U-Net：学习在哪里寻找胰腺。 我添加了一个额外的调整来提高性能，将卷积块切换为残差块 TensorFlow分割 TF细分模型，U-Net，Attention Unet，Deep U-Net（U-Net的所有变体） 使用神经网络（NN）进行图像分割，旨在从遥感影像

  3. 所属分类：其它

    • 发布日期：2021-02-19
    • 文件大小：16777216
    • 提供者：weixin_42172972

  1. facedetection_copy-源码

  2. 人脸检测 各种面部检测算法的PyTorch实现（最新更新于2019-08-03）。 使用范例 import cv2 , random from detectors import DSFD from utils import draw_bboxes , crop_thumbnail , draw_bbox # load detector with device(cpu or cuda) DET = DSFD ( device = 'cpu' ) # load image in RGB img =

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：7340032
    • 提供者：weixin_42116672

  1. DeepLncLoc：基于深度学习的lncRNA亚细胞定位预测器-源码

  2. DeepLncLoc 基于深度学习的lncRNA亚细胞定位预测因子 用法 如何训练模型 您可以通过命令打击以非常简单的方式训练模型： python train.py –k 3 –d 64 –s 64 –f 128 –metrics MaF –device“ cuda：0” k是k-mers功能的值。 d是由gensim库训练的k-mer特征向量的维数。 s是子序列数。 f是CNN层中的过滤器编号。 指标是训练过程中的评估指标。 “ MaF”代表宏f1，“ ACC”代表精度，“ MaAUC”代

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：2097152
    • 提供者：weixin_42126274

  1. mt_dpcr：几何深度学习在点云还原中的应用：硕士论文代码库-源码

  2. 几何深度学习在点云恢复中的应用 该存储库用作我的硕士论文的代码库。 注意：：所提供的代码仍处于开发阶段，可能会不稳定。 要求包括 CUDA 10.1 的Python 3.6.2 PyTorch 1.5.1（！） 脾气暴躁的1.16.4 安装与常规 所有脚本都应在/mt_dpcr根文件夹中运行。 一种。 克隆 克隆存储库： git clone https://github.com/AikoP/mt_dpcr cd dpcr b。 资料产生 首选方法是将路径添加到utils/generat

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：128974848
    • 提供者：weixin_42177768

  1. anime2x-多后端-源码

  2. anime2x-多后端 一个简单的Python程序，可以对动漫进行升级或降噪。 基于 。 （但实际上，您可以添加其他waifu2x工具。您所要做的只是在utils文件夹中创建一个包含“ process_frame”函数的模块） 要求 python> = 3.8 链条机 （可选）Cupy（对于Nvidia GPU支持。对于安装了某些奇怪版本的CUDA运行时的人，cupy-cudaXXX可能是要安装的正确模块。注意：XXX是CUDA运行时的版本号。等等。10.0-> 100 7.5-&

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：471040
    • 提供者：weixin_42161450

  1. SSDG-CVPR2020:人脸反欺骗的单侧域一般化，CVPR2020-源码

  2. 固态硬盘 人的。 提出的SSDG方法的动机： 建议的SSDG方法概述： 配置环境 python 3.6 火炬0.4 火炬视觉0.2 CUDA 8.0 预训练 数据集。 下载OULU-NPU，CASIA-FASD，Idiap Replay-Attack和MSU-MFSD数据集。 数据预处理。 用于面部检测和面部对齐。将所有检测到的脸部规范化为256 $ \ times $ 256 $ \ times $ 3，其中仅使用RGB通道进行训练。 具体来说，我们处理每个视频的每个帧，然后在训练期间利用

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：42991616
    • 提供者：weixin_42134051