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. clip_len_64frame_sample_rate_1_checkpoint_19.pth.tar

  2. 在 ICCV 2019 上，FAIR 推出了视频理解代码库：PySlowFast。 PySlowfast是一个基于PyTorch的代码库， 让研究者可以轻而易举的复现从基础至前沿的视频识别(Video Classification)和行为检测(Action Detection)算法。 不但如此，PySlowFast代码库同时开源了大量预训练模型(pretrain models)，让研究者省去了反复训练模型的烦恼，可以直接使用FAIR预训练的前沿(cutting edge perfor

  3. 所属分类：深度学习

    • 发布日期：2020-04-15
    • 文件大小：135266304
    • 提供者：tony2278

  1. 浅谈PyTorch的可重复性问题(如何使实验结果可复现)

  2. 今天小编就为大家分享一篇浅谈PyTorch的可重复性问题(如何使实验结果可复现)，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：2020-09-17
    • 文件大小：53248
    • 提供者：weixin_38646914

  1. pytorch一天速成第一部分——基础入门Tensor和cuda

  2. PyTorch是什么? 这是一个基于Python的科学计算包，其旨在服务两类场合： 替代numpy发挥GPU潜能 一个提供了高度灵活性和效率的深度学习实验性平台 导入包和版本查询 import torch import torch.nn as nn import torchvision print(torch.__version__) print(torch.version.cuda) print(torch.backends.cudnn.version()) print(torch.cud

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：60416
    • 提供者：weixin_38617602

  1. 浅谈PyTorch的可重复性问题(如何使实验结果可复现)

  2. 由于在模型训练的过程中存在大量的随机操作，使得对于同一份代码，重复运行后得到的结果不一致。因此，为了得到可重复的实验结果，我们需要对随机数生成器设置一个固定的种子。 许多博客都有介绍如何解决这个问题，但是很多都不够全面，往往不能保证结果精确一致。我经过许多调研和实验，总结了以下方法，记录下来。 全部设置可以分为三部分： 1. CUDNN cudnn中对卷积操作进行了优化，牺牲了精度来换取计算效率。如果需要保证可重复性，可以使用如下设置: from torch.backends import c

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：54272
    • 提供者：weixin_38628310

  1. Pytorch-Unet-源码

  2. UNet：使用PyTorch进行语义分割 在PyTorch中自定义实施以应对Kaggle的高清图像。 该模型从头开始使用5000张图像进行了训练（无数据增强），并且在超过100k张测试图像上获得了0.988423的（735中的511分）。可以通过更多的培训，数据增强，微调，使用CRF后处理以及在蒙版的边缘上施加更多的权重来提高此分数。 Carvana数据可在上。 用法 注意：使用Python 3.6或更高版本 预言 训练好模型并将其保存到MODEL.pth后，您可以通过CLI轻松测试图像上的输

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：22020096
    • 提供者：weixin_42151373

  1. pytorch-RNN进行回归曲线预测方式

  2. 任务 通过输入的sin曲线与预测出对应的cos曲线 #初始加载包 和定义参数 import torch from torch import nn import numpy as np import matplotlib.pyplot as plt torch.manual_seed(1) #为了可复现 #超参数设定 TIME_SETP=10 INPUT_SIZE=1 LR=0.02 DOWNLoad_MNIST=True 定义RNN网络结构 from torch.autograd imp

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：81920
    • 提供者：weixin_38690522