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. 使用PyTorch训练一个图像分类器实例

  2. 今天小编就为大家分享一篇使用PyTorch训练一个图像分类器实例，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：2020-09-18
    • 文件大小：126976
    • 提供者：weixin_38722329

  1. Pytorch实现基于CharRNN的文本分类与生成示例

  2. 1 简介 本篇主要介绍使用pytorch实现基于CharRNN来进行文本分类与内容生成所需要的相关知识，并最终给出完整的实现代码。 2 相关API的说明 pytorch框架中每种网络模型都有构造函数，在构造函数中定义模型的静态参数，这些参数将对模型所包含weights参数的维度进行设置。在运行时，模型的实例将接收动态的tensor数据并调用forword，在得到模型输出之后便可以和真实的标签数据进行误差计算，并通过优化器进行反向传播以调整模型的参数。下面重点介绍NLP常用到的模型和相关方法。 2

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：185344
    • 提供者：weixin_38748207

  1. pytorch使用tensorboardX进行loss可视化实例

  2. 最近pytorch出了visdom，也没有怎么去研究它，主要是觉得tensorboardX已经够用，而且用起来也十分的简单 pip install tensorboardX 然后在代码里导入 from tensorboardX import SummaryWriter 然后声明一下自己将loss写到哪个路径下面 writer = SummaryWriter(‘./log’) 然后就可以愉快的写loss到你得这个writer了 niter = epoch * len(train_lo

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：93184
    • 提供者：weixin_38694699

  1. deit-transformer-on-android-.-classification:在Android上的Deit变压器。 分类-源码

  2. 在Android上的Deit变压器。 分类实例 跑 为Android准备模型 将模型放入资产文件夹 生成并运行应用 参考 DEIT变形金刚回购 Pytorch移动示例 教程火车mnist vit变压器 VIT变压器仓库

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：6144
    • 提供者：weixin_42137539

  1. ai-traineree:用于（深度）强化学习的PyTorch代理和工具-源码

  2. 实习生 目的是建立一个深度强化学习方法的动物园，并展示它们在某些环境中的应用。 在文档中阅读更多信息： 。 为什么要另选一个？ 主要原因是执行哲学。 我们坚信，代理应该出现在环境中，而不是相反。 大多数流行的实现都将环境实例传递给代理，就像代理是焦点一样。 这可能会简化某些算法的实现，但并不代表世界。 代理想要控制环境，但这并不意味着他们可以/应该。 那，然后使用PyTorch代替Tensorflow或JAX。 快速开始 要开始培训RL代理，您需要三件事：代理，环境和跑步者。 假设您要

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：142336
    • 提供者：weixin_42174098

  1. Python-深度学习-物体检测实战.rar

  2. 分享课程——Python-深度学习-物体检测实战；计算机视觉-物体检测-通用解决框架Mask-Rcnn实战课程旨在帮助同学们快速掌握物体检测领域当下主流解决方案与网络框架构建原理，基于开源项目解读其应用领域与使用方法。 通过debug方式，详细解读项目中每一模块核心源码，从代码角度理解网络实现方法与建模流程。为了方便同学们能将项目应用到自己的数据与任务中，实例演示如何针对自己的数据集制作标签与代码调整方法，全程实战操作，通俗讲解其中复杂的网络架构。 章节1 物体检测框架-MaskRcnn项目介

  3. 所属分类：深度学习

    • 发布日期：2021-02-27
    • 文件大小：704
    • 提供者：huhuge88

  1. 深度学习-对抗生成网络实战(GAN).rar

  2. 分享课程——深度学习-对抗生成网络实战(GAN)；对抗生成网络实战系列主要包括三大核心内容：1.经典GAN论文解读；2.源码复现解读；3.项目实战应用。 全程实战解读各大经典GAN模型构建与应用方法，通俗讲解论文中核心知识点与整体网络模型架构，从数据预处理与环境配置开始详细解读项目源码及其应用方法。提供课程所需全部数据，代码，PPT。 第1章 对抗生成网络架构原理与实战解析 第2章 基于CycleGan开源项目实战图像合成 第3章 stargan论文架构解析 第4章 stargan项目实战及

  3. 所属分类：深度学习

    • 发布日期：2021-02-04
    • 文件大小：773
    • 提供者：huhuge88

  1. Albumentations：快速的图像增强库，易于使用的其他库包装器。 文档：https：albumentations.aidocs关于库的论文：https：www.mdpi.com2078-2489112125-源码

  2. 精炼 Albumentations是用于图像增强的Python库。 图像增强用于深度学习和计算机视觉任务，以提高训练后的模型的质量。 图像增强的目的是根据现有数据创建新的训练样本。 这是一个示例，该示例说明如何应用“专辑”中的一些增强功能以​​从原始图像中创建新图像： 为什么要进行白化 专辑例如分类，语义分割，实例分割，对象检测和姿势估计。 该库提供 ，可用于所有数据类型：图像（RBG图像，灰度图像，多光谱图像），分段蒙版，边界框和关键点。 该库包含，可从现有数据中生成新的训练样本。

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：173056
    • 提供者：weixin_42123237

  1. gluon-cv：Gluon CV工具包-源码

  2. Gluon CV工具包 | | | | GluonCV提供了计算机视觉中最先进的（SOTA）深度学习模型的实现。 它是为工程师，研究人员和学生设计的，用于基于这些模型快速制作原型产品和研究思路。 该工具包提供四个主要功能： 训练脚本以重现研究论文中报告的SOTA结果 同时支持PyTorch和MXNet 大量的预训练模型 精心设计的API，可大大降低实施复杂性 社区支持 演示版 在或检查高清视频。 支持的应用 应用 插图 可用型号 识别图像中的物体。 50多个模型，包括 ， ，

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：31457280
    • 提供者：weixin_42112658

  1. 图像分割算法实战(深度学习).rar

  2. 深度学习图像分割课程旨在帮助同学们快速掌握分割领域经典算法原理及其实例应用。通俗讲解当下主流分割算法及其改进版本网络架构，通过源码详细演示网络建模流程及其应用方法。 所有案例均基于真实数据集与实际任务展开，基于PyTorch框架完成全部项目内容。整体风格通俗易懂，全程实战解读各大分割算法及其应用实例。 课程共14章完整版，附源码课件和数据集

  3. 所属分类：深度学习

    • 发布日期：2021-01-22
    • 文件大小：941
    • 提供者：u011552756