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-pruning.zip

  2. 此代码是pytorch实现VGG16的网络剪枝，数据集合是2000张猫和狗的照片，属于二分类，剪枝后速度提升3倍，大小减少3倍

  3. 所属分类：深度学习

    • 发布日期：2020-04-21
    • 文件大小：6144
    • 提供者：weixin_32759777

  1. 利用PyTorch实现VGG16教程

  2. 主要介绍了利用PyTorch实现VGG16教程，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：61440
    • 提供者：weixin_38731385

  1. 利用PyTorch实现VGG16教程

  2. 我就废话不多说了，大家还是直接看代码吧~ import torch import torch.nn as nn import torch.nn.functional as F class VGG16(nn.Module): def __init__(self): super(VGG16, self).__init__() # 3 * 224 * 224 self.conv1_1 = nn.Conv2d(3, 64, 3) # 64 * 222 * 222 self.conv1

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：62464
    • 提供者：weixin_38625464

  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实现从本地加载 .pth 格式模型

  2. 可以从官网加载预训练好的模型： import torchvision.models as models model = models.vgg16(pretrained = True) print(model) 但是经常会出现因为下载速度太慢而出现requests.exceptions.ConnectionError: (‘Connection aborted.’, TimeoutError(10060, ‘由于连接方在一段时间后没有正确答复或连接的主机没有反应，连接尝试失败。’, None,

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：39936
    • 提供者：weixin_38538312

  1. SSD_mobilenetv2-with-Focal-loss:此仓库是从https分叉的-源码

  2. SSD_mobilenetv2-有局灶性损失 此仓库是从派生的。 由pytorch实现。 贡献： 为ssd实现mobielentv2。 增加焦点损失。 （需要调整超级参数）。 添加detection.py演示以进行图像和视频检测。 结果（对voc 2007train进行训练+ 2012，对voc 2007test进行测试）： ssd-mobielnetv2（此回购）：70.27％。 （无焦点损失）。 ssd-mobielentv1：68。％（不带COCO防护），72.7％（不带CO

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：553984
    • 提供者：weixin_42152298

  1. SSD-pytorch：SSD：单发MultiBox Detector pytorch实施着重于简单性-源码

  2. SSD：单发MultiBox检测器 介绍 这是我的2种模型的pytorch实现： SSD-Resnet50和SSDLite-MobilenetV2 。 这些模型基于论文描述的原始模型（SSD-VGG16）。 此实现支持混合精度训练。 SSD Resnet50的输出示例。 动机 为什么在已经有许多ssd实现的情况下存在此实现？ 我相信许多人在看到此实现时都会想到这个问题。 实际上，Pytorch中已经有许多SSD及其变体的实现。 但是，其中大多数是： 过于复杂 模块化 增加了许多改进 未评

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：100663296
    • 提供者：weixin_42139460

  1. Conv-Deconv-神经网络--源码

  2. Conv-Deconv-神经网络- 介绍 该项目使用Pytorch [1]实现Zeiler的方法来可视化反卷积神经网络。 还实现了卷积神经网络以帮助测试结果。 网络使用了预训练的VGG16模型和一些图片。 我希望演示一个示例，该示例使用Pytorch编写多个神经网络来视觉化人们，以及在实际编码中使用CNN理论的实践。 尽管本教程仅显示了如何在VGG16中进行Conv / Deconv神经网络。 人们当然可以浏览整个过程并修改代码以应用新型的模型。 我还将包括一些说明，以帮助人们进行修改以应用他

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：3072
    • 提供者：weixin_42165490

  1. FCN模型实现-Pytorch+预训练VGG16

  2. FCN模型的网络与VGG16类似，之后后边将全连接层换成了卷基层，具体的网络结构与细节可以去看论文： https://people.eecs.berkeley.edu/~jonlong/long_shelhamer_fcn.pdf 下边详细讲一下用Pytorch对FCN的实现： 本文参考了https://zhuanlan.zhihu.com/p/32506912 但是修改了部分代码，加上了很多新的注释，并将代码更新到Pytorch1.x 首先是读取图像 #使用的VOC数据目录 voc_root

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：290816
    • 提供者：weixin_38725625

  1. DEEP_IMPLEMENTS-源码

  2. DEEP_IMPLEMENTS 这个项目是我使用pytorch从零开始实现流行的深度神经网络体系结构的地方。 该项目主要基于pytorch库进行设计，例如学习仅在torchvision库中给出的分类架构。 内容 影像数据 亚历克斯网 VGG16 资源网 起始时间 序列数据 RNN，LSTM，GRU n全部 注意力 变形金刚 如何使用它 有两个主要文件夹src和notebooks 。 notebooks具有实现的jupyter笔记本和python文件的src 。 我先在笔记本上实现，然后在p

  3. 所属分类：其它

    • 发布日期：2021-03-28
    • 文件大小：4194304
    • 提供者：weixin_42139429