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. yolo3 pytorch实现

  2. python3.6 pytorch0.4 opencv支持下的yolo v3经测试修改全部可用，权重文件自行下载

  3. 所属分类：深度学习

    • 发布日期：2018-07-09
    • 文件大小：4194304
    • 提供者：asian3

  1. pytorch-yolo-v3-master.zip

  2. 环境要求：Python >= 3.5；OpenCV；PyTorch >0.4 预训练权重文件https://pjreddie.com/media/files/yolov3.weights 下载完毕放在根目录下就可以。 待检测图片放在imgs，输出结果在det文件夹下 python detect.py 参考：https://github.com/ayooshkathuria/pytorch-yolo-v3 原版无输出图片，查阅资料后修改完毕。直接运行detect.pyjike 输出结

  3. 所属分类：深度学习

    • 发布日期：2019-05-24
    • 文件大小：1048576
    • 提供者：qq_30388443

  1. pytorch 在网络中添加可训练参数,修改预训练权重文件的方法

  2. 今天小编就为大家分享一篇pytorch 在网络中添加可训练参数,修改预训练权重文件的方法，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：50176
    • 提供者：weixin_38623442

  1. Pytorch 实现权重初始化

  2. 在TensorFlow中，权重的初始化主要是在声明张量的时候进行的。 而PyTorch则提供了另一种方法：首先应该声明张量，然后修改张量的权重。通过调用torch.nn.init包中的多种方法可以将权重初始化为直接访问张量的属性。 1、不初始化的效果 在Pytorch中，定义一个tensor，不进行初始化，打印看看结果： w = torch.Tensor(3,4) print (w) 可以看到这时候的初始化的数值都是随机的，而且特别大，这对网络的训练必定不好，最后导致精度提不上，甚至损失无法收

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：46080
    • 提供者：weixin_38638688

  1. 手把手教你使用SSD（新手必看）

  2. 下载SSD代码： https://github.com/amdegroot/ssd.pytorch 将下载的代码解压后在data文件夹下新建VOCdevkit文件夹，然后将VOC2007数据集复制到该文件夹下面。   下载权重文件放在weights文件夹下面。下载地址： https://s3.amazonaws.com/amdegroot-models/vgg16_reducedfc.pth 修改config.py代码 # SSD300 CONFIGS voc = {     'num_cla

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：70656
    • 提供者：weixin_38678300

  1. Pytorch修改ResNet模型全连接层进行直接训练实例

  2. 之前在用预训练的ResNet的模型进行迁移训练时，是固定除最后一层的前面层权重，然后把全连接层输出改为自己需要的数目，进行最后一层的训练，那么现在假如想要只是把 最后一层的输出改一下，不需要加载前面层的权重，方法如下： model = torchvision.models.resnet18(pretrained=False) num_fc_ftr = model.fc.in_features model.fc = torch.nn.Linear(num_fc_ftr, 224) model =

  3. 所属分类：其它

    • 发布日期：2020-12-26
    • 文件大小：31744
    • 提供者：weixin_38699830

  1. dl_codebase:罗杰深度学习项目的代码库-源码

  2. 罗杰的深度学习工具 该代码库应尽可能通用。 花哨的想法的实现应该建立在此回购的分支中，而不是在回购本身中进行工作以允许快速开发。 依存关系 PyTorch（火炬，火炬视觉） 雅克 OpenCV 皮尔 待办事项 支持更好的日志记录/定时（张量板？） 将modules文件夹打包为一个软件包，以摆脱sys.path技巧 将引擎（或核心教练）添加到抽象教练中以完成不同的任务 修改注册表（如FAIR Detectron 2中一样）并使用装饰器以获得更好的样式 为各个时期之间的列车摘要添加更好的打印语

  3. 所属分类：其它

    • 发布日期：2021-03-25
    • 文件大小：38912
    • 提供者：weixin_42121086

  1. efficientnet-yolo3-pytorch:这是一个有效的网络-yolo3-pytorch的原始码，将yolov3的主干特征提取网络修改成为有效的网络-源码

  2. YOLOV3：只看一次目标检测模型在Pytorch当中的实现-替换高效网络主干网络 2021年2月8日更新：加入letterbox_image的选项，关闭letterbox_image后网络的地图得到大幅度提升。 目录 性能情况 训练数据集 权值文件名称 测试数据集 输入图片大小 行动计划0.5：0.95 行动计划0.5 挥发性有机化合物07 + 12 VOC-Test07 416x416 -- 78.9 所需环境 火炬== 1.2.0 文件下载 训练所需的efficiencynet

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：5242880
    • 提供者：weixin_42131261

  1. k-fac-源码

  2. K-FAC_pytorch 和。 （仅支持单GPU培训，需要对多GPU进行修改。） 需求要求 pytorch 0.4.0 torchvision python 3.6.0 tqdm tensorboardX tensorflow 怎么跑 python main.py --dataset cifar10 --optimizer kfac --network vgg16_bn --epoch 100 --milestone 40,80 --learning_rate 0.01 --damping

  3. 所属分类：其它

    • 发布日期：2021-03-22
    • 文件大小：34816
    • 提供者：weixin_42128393

  1. DVGI-源码

  2. 深流引导的视频修复 | | | 安装与要求 该代码已在pytorch = 0.4.0和python3.6上进行了测试。 请参阅requirements.txt以获取详细信息。 安装python软件包 pip install -r requirements.txt 安装flownet2模块 bash install_scr ipts.sh 配件 此仓库中包含三个组件： 视频修复工具：DFVI 提取流程：FlowNet2（由修改） 图像修复（从重新实现） 用法 要使用我们的视频修复工具删除

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：53248
    • 提供者：weixin_42172572

  1. YoloV4:pytorch，tensorflow和onnx中的Yolo v4-源码

  2. Yolo v4用于pytorch，tensorflow渴望模式和onnx（通过Trident api） 感谢 所有预先准备好的模型权重和cfg均来自官方网站： 还要感谢Ultralytics的项目，它确实很棒而且很有帮助。 yolo v4的搜索结果 让我们看看有关yolo v4（pytorch后端）的出色性能！！ 更新（5/3）：增强小物品 在yolo v4中，缺少缺少对小物件的检测的缺点。 我试图解决短缺问题。 我发现解决此问题的最佳方法是在stride = 8 Yolo Laye

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：15728640
    • 提供者：weixin_42107491

  1. CNN_classification_feature_extraction：PyTorch中的CNN模型用于分类和特征提取-源码

  2. CNN_classification_feature_extraction 该存储库是pytorch中用于分类和特征提取的CNN的实现。 Pytorch预训练的模型已被用于其解释。 该代码支持数据并行性和多GPU，提早停止和类权重。 此外，您可以选择加载预训练的权重（在ImageNet数据集上进行训练）或使用随机权重从头开始训练。 预训练的模型结构在最后一层有1000个节点。 此代码将所有模型的最后一层修改为可与每个数据集兼容。 可以使用以下模型： 'resnet18', 'resne

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：19456
    • 提供者：weixin_42152298

  1. sagemaker-debugger：Amazon SageMaker Debugger提供的功能可以在训练机器学习作业期间保存张量并分析这些张量-源码

  2. Amazon SageMaker调试器 目录 总览 自动执行机器学习培训作业的调试过程。 在训练工作中，Debugger允许您使用Debugger内置功能Hook和Rule来运行自己的训练脚本（零脚本更改经验）以捕获张量，可以灵活地构建自定义的Hook和Rule以根据需要配置张量，以及通过保存在存储桶中，通过灵活而强大的API，使张量可用于分析。 在训练作业期间， smdebug库通过从S3存储桶调用保存的张量来为Debugger供电。 smdebug检索并过滤从调试器生成的张量，例如渐变，权

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：2097152
    • 提供者：weixin_42168265

  1. pytorch 在网络中添加可训练参数,修改预训练权重文件的方法

  2. 实践中，针对不同的任务需求，我们经常会在现成的网络结构上做一定的修改来实现特定的目的。 假如我们现在有一个简单的两层感知机网络： # -*- coding: utf-8 -*- import torch from torch.autograd import Variable import torch.optim as optim x = Variable(torch.FloatTensor([1, 2, 3])).cuda() y = Variable(torch.FloatTensor([4

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：50176
    • 提供者：weixin_38737635