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. pytorch tutorials v0.4.0 官方文档PDF版

  2. pytorch tutorials 保存于网页，完美pdf版，完整公式、图片、表格，有页码，有目录，有书签导航，适用电脑、pad、手机上浏览。 Printed v0.4.0 from [ https://pytorch.org/tutorials/ ] at 2018-05-26 02:02:47. Visit [ https://download.csdn.net/user/ldengjie/uploads ] to get the latest version pdf or mail to

  3. 所属分类：深度学习

    • 发布日期：2018-05-26
    • 文件大小：10485760
    • 提供者：ldengjie

  1. pytorch docs v0.4.1 官方文档PDF版

  2. pytorch docs 保存于网页，完美pdf版，完整公式、图片、表格，有页码，有目录，有书签导航，适用电脑、pad、手机上浏览。 === Printed v0.4.1 from [https://pytorch.org/docs/stable/ ] at 2018-10-10 15:17:41. Visit [ https://download.csdn.net/user/ldengjie/uploads ] to get the latest version pdf or mail to

  3. 所属分类：深度学习

    • 发布日期：2018-10-10
    • 文件大小：6291456
    • 提供者：ldengjie

  1. pytorch tutorials v1.0.0.dev20181002 官方文档PDF版

  2. pytorch tutorials 保存于网页，完美pdf版，完整公式、图片、表格，有页码，有目录，有书签导航，适用电脑、pad、手机上浏览。 === Printed v1.0.0.dev20181002 from [ https://pytorch.org/tutorials/ ] at 2018-10-10 21:03:44. Visit [ https://download.csdn.net/user/ldengjie/uploads ] to get the latest versio

  3. 所属分类：深度学习

    • 发布日期：2018-10-10
    • 文件大小：13631488
    • 提供者：ldengjie

  1. 吴恩达卷积神经网络，第一周作业PyTorch版本代码(gpu-cpu通用）

  2. 吴恩达卷积神经网络，第一周作业PyTorch版本代码(gpu-cpu通用） 1.PyCharm上运行的PyTorch项目 2.基础的卷积神经网络搭建 3.加入了gpu加速所需的代码 4.含数据集+cnn_utils.py【对原版本做了简化】 5.含训练、模型保存、模型加载、单个图片预测代码 6.里面保存了个已经在gpu上训练好的模型，下载后也可以自行训练

  3. 所属分类：深度学习

    • 发布日期：2020-03-24
    • 文件大小：8388608
    • 提供者：weixin_43306183

  1. PyTorch 模型训练实用教程

  2. 本教程内容主要为在 PyTorch 中训练一个模型所可能涉及到的方法及函 数， 并且对 PyTorch 提供的数据增强方法（22 个）、权值初始化方法（10 个）、损失函数（17 个）、优化器（6 个）及 tensorboardX 的方法（13 个） 进行了详细介绍，本教程分为四章， 结构与机器学习三大部分一致。 第一章， 介绍数据的划分，预处理，数据增强； 第二章， 介绍模型的定义，权值初始化，模型 Finetune； 第三章， 介绍各种损失函数及优化器； 第四章， 介绍可视化工具，用于监控数

  3. 所属分类：机器学习

    • 发布日期：2019-03-03
    • 文件大小：4194304
    • 提供者：qq_29893385

  1. Pytorch 保存模型生成图片方式

  2. 今天小编就为大家分享一篇Pytorch 保存模型生成图片方式，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：2020-09-18
    • 文件大小：26624
    • 提供者：weixin_38642369

  1. Python图像读写方法对比

  2. 1  实验标准 　　因为训练使用的框架是Pytorch，因此读取的实验标准如下： 　　1、读取分辨率都为1920×1080的5张图片（png格式一张，jpg格式四张）并保存到数组。 　　2、将读取的数组转换为维度顺序为CxHxW的Pytorch张量，并保存到显存中（我使用GPU训练），其中三个通道的顺序为RGB。 　　3、记录各个方法在以上操作中所耗费的时间。因为png格式的图片大小差不多是质量有微小差异的jpg格式的10倍，所以数据集通常不会用png来保存，就不比较这两种格式的读取时间差异了

  3. 所属分类：其它

    • 发布日期：2020-12-16
    • 文件大小：64512
    • 提供者：weixin_38646914

  1. pytorch 实现将自己的图片数据处理成可以训练的图片类型

  2. 为了使用自己的图像数据，需要仿照pytorch数据输入创建新的类，其中数据格式为numpy.ndarray。 将自己的图片保存到numpy.ndarray中，然后创建类 from torch.utils.data import Dataset import numpy as np class Dataset(Dataset): def __init__(self, path_img, path_target, transforms=None): self.train = path_

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：31744
    • 提供者：weixin_38660359

  1. pytorch之ImageFolder使用详解

  2. pytorch之ImageFolder torchvision已经预先实现了常用的Dataset，包括前面使用过的CIFAR-10，以及ImageNet、COCO、MNIST、LSUN等数据集，可通过诸如torchvision.datasets.CIFAR10来调用。在这里介绍一个会经常使用到的Dataset——ImageFolder。 ImageFolder假设所有的文件按文件夹保存，每个文件夹下存储同一个类别的图片，文件夹名为类名，其构造函数如下： ImageFolder(root, tr

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：61440
    • 提供者：weixin_38651507

  1. 使用pytorch实现可视化中间层的结果

  2. 摘要 一直比较想知道图片经过卷积之后中间层的结果，于是使用pytorch写了一个脚本查看，先看效果 这是原图，随便从网上下载的一张大概224*224大小的图片，如下 网络介绍 我们使用的VGG16，包含RULE层总共有30层可以可视化的结果，我们把这30层分别保存在30个文件夹中，每个文件中根据特征的大小保存了64~128张图片 结果如下： 原图大小为224224，经过第一层后大小为64224*224，下面是第一层可视化的结果，总共有64张这样的图片： 下面看看第六层的结果 这层的输出大小是

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：110592
    • 提供者：weixin_38697979

  1. Pytorch 保存模型生成图片方式

  2. 三通道数组转成彩色图片 img=np.array(img1) img=img.reshape(3,img1.shape[2],img1.shape[3]) img=(img+0.5)*255##img做过归一化处理，【-0.5，0.5】 img_path='/home/isee/wei/image/imageset/result.jpg' img=cv2.merge(img) cv2.imwrite(img_path,img) 单通道数组转化成

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：30720
    • 提供者：weixin_38582719

  1. 使用pytorch的dataload方式计算自己的图片数据集的均值和标准差

  2. 网上看到一个使用opencv读取图片然后计算数据集的均值和标准差的，但是那个读取图片后把图片的每个值append到一个列表，要是数据集大的话内存真的会爆掉的啊，所以借助网上另一个使用pytorch的数据读取方式来计算的，原文https://www.cnblogs.com/wanghui-garcia/p/11448460.html 这篇是分别计算了训练集、测试集和验证集数据的均值和标准差并将均值和标准差保存到了一个文件中，我不需要那样子，我只需要计算我总数据集的均值标准差并输出就好了，所以做了一

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：44032
    • 提供者：weixin_38514523

  1. Pytorch 小知识点汇总

  2. 一、torchvision.utils.save_image 报错TypeError: Cannot handle this data type 1. img如果是uint16的矩阵而不转为uint8，Image.fromarray这句会报错。所以加上np.uint8(img)很有必要 rgb_image = rgb_image.astype(np.uint8) 2. 在pytorch中tensor默认是CHW，而PIL中是HWC. 顾img需是CHW形式。  rgb_image = rgb

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：35840
    • 提供者：weixin_38608379

  1. Computer-Vision-Project-源码

  2. 建造周3 :construction_worker: 专注于深度学习和计算机视觉模块。 :books: 面罩检测项目 :face_with_medical_mask: 团队巡游 :automobile: 技术和工具 :toolbox: 任务 :memo: 自定义数据集 :camera_with_flash: 使用计算机视觉（cv2），我们使用网络摄像头捕获了MASK，No MASK和BAD MASK的图片。 保存图像并将其标记在相应的文件夹中，方法是在面部周围绘制矩形边界框，在眼睛周围绘

  3. 所属分类：其它

    • 发布日期：2021-03-26
    • 文件大小：83886080
    • 提供者：weixin_42134769

  1. image_classifier_pytorch:udacity_intro_to_ml_with_pytorch_projcet_2-源码

  2. 使用PyTorch的图像分类器 使用PyTorch ND进行ML入门的Udacity项目2 项目描述 在该项目中，我使用深度学习训练图像分类器，以使用vg16_nb预训练模型对花朵的图像进行分类。 模式应用程序之一可能是您将智能手机指向一朵花，而电话应用程序会告诉您它是什么花。但是，可以在您选择的任何数据集上对模型进行重新训练。您可以学习它来识别汽车，将图片对准汽车，然后让应用程序告诉您它的品牌和型号。 用法 下载102个花卉类别的 运行`train.py'训练模型 基本用法： python t

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：4194304
    • 提供者：weixin_42101384

  1. lightweight-gan:在Pytorch的ICLR 2021中提出的“轻量级” GAN的实现。 可以在一两天内进行训练的高分辨率图像生成-源码

  2. 训练12小时后512x512鲜花，1 gpu 训练12小时后256x256朵鲜花，1 gpu 比萨 ``轻巧''GAN 在Pytorch的ICLR 2021中提出的实现。 本文的主要贡献是发生器中的跳层激励，以及鉴别器中的自动编码自监督学习。 引用单行摘要“在经过数小时培训的情况下，可以在1024 g分辨率的数百张图像上融合在单个gpu上”。 安装 $ pip install lightweight-gan 使用 一个命令 $ lightweight_gan --data ./path/t

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：9437184
    • 提供者：weixin_42099987

  1. 点燃：高级库，可帮助您灵活透明地训练和评估PyTorch中的神经网络-源码

  2. TL; DR Ignite是一个高级库，可帮助您灵活透明地训练和评估PyTorch中的神经网络。 点击图片查看完整的代码 产品特点 同时确保最大程度的控制和简化 库方法，无程序控制反转-在需要的位置和时间使用ignite 适用于指标，实验管理器和其他组件的可扩展API 目录 为什么点燃？ Ignite是一个提供三个高级功能的库： 极其简单的引擎和事件系统 开箱即用的指标可轻松评估模型 内置处理程序以组成训练流水线，保存工件并记录参数和度量 简化的培训和验证循环 在历元和迭代中不再需要

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：13631488
    • 提供者：weixin_42109598

  1. pytorch下大型数据集(大型图片)的导入方式

  2. 使用torch.utils.data.Dataset类 处理图片数据时， 1. 我们需要定义三个基本的函数，以下是基本流程 class our_datasets(Data.Dataset): def __init__(self,root,is_resize=False,is_transfrom=False): #这里只是个参考。按自己需求写。 self.root=root self.is_resize=is_resize self.is_transfrom=

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：44032
    • 提供者：weixin_38721691

  1. Pytorch自己加载单通道图片用作数据集训练的实例

  2. pytorch 在torchvision包里面有很多的的打包好的数据集，例如minist,Imagenet-12,CIFAR10 和CIFAR100。在torchvision的dataset包里面，用的时候直接调用就行了。具体的调用格式可以去看文档（目前好像只有英文的）。网上也有很多源代码。 不过，当我们想利用自己制作的数据集来训练网络模型时，就要有自己的方法了。pytorch在torchvision.dataset包里面封装过一个函数ImageFolder（）。这个函数功能很强大，只要你直接将

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：120832
    • 提供者：weixin_38559569

  1. pytorch 数据集处理 目标检测（分类）数据集处理

  2. 前言 无论是在作分类任务或者是目标检测任务都需要数据集的处理，一种是txt文件保存标签的信息，另一种只有图片如下图的形式，这一步也是学会faster-rcnn的关键点 分为训练和验证的照片 | 每个分类的类别 一种是猫的照片，另一种是狗的照片，这种是自己的数据集，其实官方的数据集也是这样放置的，比如CIFAR10，其中的是有10个文件夹，每个文件夹下是很多张一种数字的照片，正常情况下我们引进官方数据集的写法如下 transform = transforms.Compose([ t

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：295936
    • 提供者：weixin_38701340
« 12 »