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. yolo前置工具.zip

  2. yolov3 VOC版本数据集制作的前置工具 包含训练和测试划分，以及标签文件的制作,方便实用，yolov3 pytorch版本

  3. 所属分类：深度学习

    • 发布日期：2020-05-22
    • 文件大小：2048
    • 提供者：mjj6098600

  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 + visdom CNN处理自建图片数据集的方法

  2. 主要介绍了pytorch + visdom CNN处理自建图片数据集的方法，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-20
    • 文件大小：227328
    • 提供者：weixin_38738005

  1. pytorch学习教程之自定义数据集

  2. 自定义数据集 在训练深度学习模型之前，样本集的制作非常重要。在pytorch中，提供了一些接口和类，方便我们定义自己的数据集合，下面完整的试验自定义样本集的整个流程。 开发环境 Ubuntu 18.04 pytorch 1.0 pycharm 实验目的 掌握pytorch中数据集相关的API接口和类 熟悉数据集制作的整个流程 实验过程 1.收集图像样本 以简单的猫狗二分类为例，可以在网上下载一些猫狗图片。创建以下目录： data————-根目录 data/test——

  3. 所属分类：其它

    • 发布日期：2020-12-16
    • 文件大小：803840
    • 提供者：weixin_38684892

  1. pytorch+resnet18实现长尾数据集分类(一)

  2. 实验基于论文： Class-Balanced Loss Based on Effective Number of Samples Class-balanced-loss代码地址：https://github.com/vandit15/Class-balanced-loss-pytorch resnet18代码参考链接：https://blog.csdn.net/sunqiande88/article/details/80100891 制作数据集 论文中通过公式n=niuin = n_iu^in=

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：58368
    • 提供者：weixin_38725260

  1. tez:Tez是用于PyTorch的超级简单且轻巧的Trainer。 它还带有许多实用程序，可用于解决PyTorch中90％以上的深度学习项目-源码

  2. Tez：简单的pytorch培训师 注意：当前，我们不接受任何拉取请求！ 所有公共关系将被关闭。 如果您需要某个功能或某些功能不起作用，请创建一个问题。 意思是“锐利，快速，活跃”。 这是一个简单的要点库，使您的pytorch培训变得容易。 该库目前处于初期阶段！ 因此，可能会有重大变化。 关于tez的想法很简单： 使事情尽可能简单 使它尽可能可定制 干净的代码 更快的原型制作 准备生产 目前，tez支持cpu和gpu培训。 更多即将推出！ 使用tez非常容易。 我们不希望您远离pyto

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：28672
    • 提供者：weixin_42139357

  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. 宇宙：用于快速原型制作的数据科学框架和工具-源码

  2. 宇宙化 用于快速原型制作的数据科学框架和工具。 在pytorch中实现的数据集，模型和学习器 重量轻，模块化，可扩展 pytorch = 1.6，CUDA = 10.1 有关实现的详细信息，请参见setup_notes.txt 有关示例，请参见experiment.ipynb 参见repo icanswim / qchem，了解利用宇宙化的项目的示例

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：16384
    • 提供者：weixin_42121754

  1. 手写数字生成：PyTorch实现-使用MNIST数据集的GAN模型识别手写数字-源码

  2. 手写数字生成 PyTorch实现-使用MNIST数据集的GAN模型生成/识别手写数字 项目目标 目标是使用在MNIST数据集上训练的生成对抗网络（GAN）生成新的手写数字。 GAN（生成对抗网络） GAN最早是在2014年由Ian Goodfellow和Yoshua Bengio实验室的其他人报道的。 从那时起，GAN爆炸式增长。 GAN的思想是使用两个网络相互竞争，即生成器G和鉴别器D。 生成器使“伪”数据传递到鉴别器。 鉴别器还可以看到真实的训练数据，并预测接收到的数据是真实的还是伪造的。

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：2097152
    • 提供者：weixin_42164931

  1. 生成文本电视系列：递归神经网络-源码

  2. Chandhini Grandhi， 抽象的 当流行的90年代情景喜剧-朋友结束时，您是否感到难过？ 机器学习助您一臂之力！ 在这个项目中，我将为受欢迎的电视连续剧制作一个假剧本。 该项目将使用的数据集是从获得的10个Friends情节。该项目基于LSTM构建了一个2层RNN。 数据被处理并标记为单词袋。 然后，处理后的数据将被馈送到在Pytorch中实现的2层神经网络。 我计划通过更改训练纪元的数量，嵌入尺寸和批量大小来进行实验。 一旦确定了超参数，该项目将生成100个场景，每个角色作为关

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：42991616
    • 提供者：weixin_42144366

  1. 基于像素梯度的深度学习：Pytorch：基于像素梯度的深度学习（HOG + CNN）-源码

  2. Pytorch：基于像素梯度的深度学习（HOG + CNN） 概述 一种新颖的基于像素梯度的CNN。 为CNN的输入制作“像素渐变数组” 。 与基于灰度图像的普通CNN相比，精度更高。 Pytorch实现为自定义的torchvision.transforms 。 像素渐变阵列 图像的梯度方向是图像处理中的基本组成部分之一，并且经典用于“定向直方图（HOG）功能”，这是最成功的描述符之一。 该存储库是将其带入深度学习领域的建议： 制作量化像素渐变的3维数组（=“像素渐变数组”）。 使用像

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：217088
    • 提供者：weixin_42117082

  1. 姿势产生-源码

  2. VIBE：用于人体姿势和形状估计的视频推理[CVPR-2020] 请查看下面的YouTube视频，了解更多详细信息。 纸质视频 定性结果 ， ， ， ， 2020年IEEE计算机视觉和模式识别 特征 视频我nference对于B ODY姿势和体形ëstimation（VIBE）是视频姿势和形状推定方法。 它为输入视频的每一帧预测SMPL人体模型的参数。 请参阅我们的以获取更多详细信息。 此实现： 具有仅在PyTorch中实现的VIBE的演示和培训代码， 可以与多个人一起制作任

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：71303168
    • 提供者：weixin_42121754

  1. 引擎盖：引擎盖：机器人语义分割的开源培训和部署框架-源码

  2. Bonnet：机器人技术中语义分割的开源培训和部署框架。 作者： 波恩大学。 （对于新的Pytorch版本，请） 对城市景观的理解。 人员细分 作物与杂草语义分割。 描述 该代码提供了一个框架，可以轻松添加架构和数据集，以便为机器人训练和部署CNN。 它包含使用Tensorflow和OpenCVpython完整培训管道，还包含一些C ++应用程序以在ROS和独立环境中部署冻结的protobuf。 C ++库的制作方式允许添加其他后端（例如TensorRT和MvNCS），但目前仅实现T

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：173056
    • 提供者：weixin_42109639

  1. vqa.pytorch：Pytorch中的可视问题解答-源码

  2. pytorch中的视觉问答 /！\适用于VQA的pytorch的新版本可在此处获取： ： 此由 （LIP6）和 （LIP6-Heuritech），两名在从事VQA工作以及他们的教授 （LIP6）和 （LIP6-CNAM）制作。 我们在名为的研究论文框架中开发了此代码（据我们所知）是上的最新技术。 此存储库的目标有两个： 为了更轻松地再现我们的结果， 为社区提供有效的模块化代码库，以进一步研究其他VQA数据集。 如果您对我们的代码或模型有任何疑问，请随时与我们联系或提交任何问题。 拉请

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：2097152
    • 提供者：weixin_42139302

  1. PyTorch：二、构建卷积神经网络

  2. 一、制作自己的数据集 源代码 import torch from torch.utils.data import Dataset import pandas as pd import numpy as np # txt文件内容 路径 \t 类别 \t 长度 \n txt_path = 'G:/stock/path.txt' class SocktData(Dataset): dataset = [] # 【data,label】形式初始化 def __init__(sel

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：80896
    • 提供者：weixin_38719890

  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. avalanche:雪崩-源码

  2. 雪崩：用于持续学习的端到端库 | | Avalanche是一个基于Pytorch的端到端持续学习库，其源于ContinualAI，其独特目标是提供共享和协作的开源（由MIT许可）的代码库，以进行快速原型设计，培训和可重复评估的持续学习算法。 雪崩可以通过多种方式帮助持续学习研究人员： 编写更少的代码，更快地制作原型并减少错误 提高重现性 改善模块化和可重用性 提高代码效率，可伸缩性和可移植性 研究产品的增强效果和可用性 该库分为四个主要模块： ：此模块维护用于数据处理的统一API：主要从一

  3. 所属分类：其它

    • 发布日期：2021-04-01
    • 文件大小：4194304
    • 提供者：weixin_42131628