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. Matlab-Deep Learning Toolbox

  2. Deep Learning Toolbox™提供了一个框架，用于设计和实现具有算法，预训练模型和应用程序的深度神经网络。您可以使用卷积神经网络（ConvNets，CNN）和长期短期记忆（LSTM）网络对图像，时间序列和文本数据进行分类和回归。应用程序和图表可帮助您可视化激活，编辑网络体系结构以及监控培训进度。 对于小型训练集，您可以使用预训练的深层网络模型（包括SqueezeNet，Inception-v3，ResNet-101，GoogLeNet和VGG-19）以及从TensorFlow™-

  3. 所属分类：深度学习

    • 发布日期：2019-04-08
    • 文件大小：14680064
    • 提供者：yun000feng

  1. Keras中文文档.pdf

  2. Keras官方文档PDF版，带书签，一共307页，完整版，目前最好的版本！欢迎下载！model train on batch(x batch, y batch) 只需一行代码就能评估模型性能: loss and metrics modelevaluate(x test, y test, batch size=128) 或者对新的数据生成预测: classes =model predictx test, batch size=128) 构建一个问答系统,一个图像分类模型,一个神经图灵机,或者其他的

  3. 所属分类：深度学习

    • 发布日期：2019-09-03
    • 文件大小：12582912
    • 提供者：dzgybd

  1. keras 多gpu并行运行案例

  2. 主要介绍了keras 多gpu并行运行案例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-16
    • 文件大小：62464
    • 提供者：weixin_38513565

  1. keras实现多GPU或指定GPU的使用介绍

  2. 1. keras新版本中加入多GPU并行使用的函数 下面程序段即可实现一个或多个GPU加速： 注意：使用多GPU加速时，Keras版本必须是Keras2.0.9以上版本 from keras.utils.training_utils import multi_gpu_model #导入keras多GPU函数 import VGG19 #导入已经写好的函数模型，例如VGG19 if G <= 1: print("[INFO] training with 1 GPU...")

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：116736
    • 提供者：weixin_38640443

  1. horovod：修改horovodhorovod以支持nic切换-源码

  2. 霍罗沃德 Horovod是针对TensorFlow，Keras，PyTorch和Apache MXNet的分布式深度学习培训框架。 Horovod的目标是使分布式深度学习快速且易于使用。 Horovod由（LF AI）托管。 如果您是一家致力于在人工智能，机器和深度学习中使用开源技术的公司，并希望在这些领域中支持开源项目的社区，请考虑加入LF AI基金会。 有关谁参与其中以及Horovod如何扮演角色的详细信息，请阅读LF AI 。 内容 完整的文档和API参考发布在 。 该项目的主要动

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：13631488
    • 提供者：weixin_42127020

  1. 试管：Python库，可轻松记录实验并并行化神经网络的超参数搜索-源码

  2. 试管 记录，组织和并行化用于深度学习实验的超参数搜索 文件 试管是一个python库，用于跟踪和并行化深度学习和ML实验的超参数搜索。 它与框架无关，并基于python argparse API构建，易于使用。 pip install test_tube 主要试管用途 （跨多个GPU或CPU）。 使用SLURM跨HPC集群。 记录实验超参数和实验数据。 跨模型进行 。 使用可视化 与Python兼容的任何Python ML库，例如Tensorflow，Keras，Pytorch，Caff

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：715776
    • 提供者：weixin_42134117

  1. tensorpack：TensorFlow上的神经网络培训界面，专注于速度+灵活性-源码

  2. Tensorpack是基于TensorFlow的神经网络训练接口。 特征： 它是又一个TF高级API，具有速度和灵活性。 注重训练速度。 Tensorpack免费提供了速度-它以高效的方式使用TensorFlow而没有额外的开销。 在常见的CNN上，它的训练比等效的Keras代码1.2〜5。 如果使用Tensorpack编写，您的培训可能会更快。 数据并行的多GPU /分布式训练策略是现成的。 它具有可扩展性以及Google的。 有关一些基准脚本，请参见。 专注于大型数据集。 。

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：2097152
    • 提供者：weixin_42131785

  1. 节俭式：仅标头库，用于在C ++中使用Keras模型-源码

  2. 节俭的 轻松在C ++中使用Keras模型 目录 介绍 您想使用Keras / Python建立/训练模型吗？ 您是否想在C ++中对模型运行预测（正向传递）而无需将应用程序与TensorFlow链接？ 那么节俭的深度正是适合您的。 节俭的 是一个用现代的纯C ++语言编写的小型仅标头库。 非常易于集成和使用。 只取决于 ，和 -也仅标头库。 不仅支持而且还支持使用创建的具有更复杂拓扑的计算图的推理（ model.predict ）。 重新实现TensorFlow的（小）子集，即支持预

  3. 所属分类：其它

    • 发布日期：2021-01-30
    • 文件大小：256000
    • 提供者：weixin_42121086

  1. keras 多gpu并行运行案例

  2. 一、多张gpu的卡上使用keras 有多张gpu卡时，推荐使用tensorflow 作为后端。使用多张gpu运行model，可以分为两种情况，一是数据并行，二是设备并行。 二、数据并行 数据并行将目标模型在多个设备上各复制一份，并使用每个设备上的复制品处理整个数据集的不同部分数据。 利用multi_gpu_model实现 keras.utils.multi_gpu_model(model, gpus=None, cpu_merge=True, cpu_relocation=False) 具体

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：65536
    • 提供者：weixin_38652870