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. 人脸识别代码

  2. ----------------- # DFace • [![License](http://pic.dface.io/apache2.svg)](https://opensource.org/licenses/Apache-2.0) | **`Linux CPU`** | **`Linux GPU`** | **`Mac OS CPU`** | **`Windows CPU`** | |-----------------|---------------------|----------

  3. 所属分类：机器学习

    • 发布日期：2018-03-20
    • 文件大小：2097152
    • 提供者：ihftujb

  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实现建立自己的数据集(以mnist为例)

  2. 今天小编就为大家分享一篇pytorch实现建立自己的数据集(以mnist为例)，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：192512
    • 提供者：weixin_38609913

  1. 详解PyTorch手写数字识别(MNIST数据集)

  2. MNIST 手写数字识别是一个比较简单的入门项目，相当于深度学习中的 Hello World，可以让我们快速了解构建神经网络的大致过程。虽然网上的案例比较多，但还是要自己实现一遍。代码采用 PyTorch 1.0 编写并运行。 导入相关库 import torch import torch.nn as nn import torch.nn.functional as F import torch.optim as optim from torchvision import datasets,

  3. 所属分类：其它

    • 发布日期：2020-12-31
    • 文件大小：105472
    • 提供者：weixin_38661087

  1. GraphLog:用于访问GraphLog数据集的API-源码

  2. 图形日志 与GraphLog数据集接口的API。 GraphLog是使用基于一阶逻辑的规则构建的多用途，多关系图数据集。 | 消息 GraphLog的Core Generator逻辑现在在其自己的存储库发布了！该存储库将包含GLC的特定实例，可用于创建GraphLog的各种设置。敬请期待更多的更新！ 安装 支持的Python版本：3.6、3.7、3.8 从安装PyTorch 从安装pytorch-geometric（和其他依赖项）。确保pytorch和pytorch-geometric等的cpu

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：6291456
    • 提供者：weixin_42177768

  1. Point-Then-Operate:ACL 2019论文的代码``无监督文本样式传输的分层增强序列操作方法''-源码

  2. 即点即用 该存储库包含ACL2019论文“无监督文本样式传输的分层增强序列操作方法”的PyTorch实现。 概述 data/yelp/和data/amazon/分别是Yelp和Amazon数据集的占位符目录 PTO-yelp/和PTO-amazon/包含针对Yelp和Amazon数据集的拟议方法的实现 在以下各行中， {}表示或，例如{yelp, amazon}表示yelp或amazon 所有命令应在PTO-{yelp, amazon}/ ，而不是在根目录中运行 PTO-{yelp, ama

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：1048576
    • 提供者：weixin_42099070

  1. transformers_rda-源码

  2. PyTorch和TensorFlow 2.0的最新自然语言处理 :hugging_face: 变形金刚提供了数千种经过预训练的模型，可以对100多种语言的文本执行任务，例如分类，信息提取，问题解答，摘要，翻译，文本生成等。 其目的是使尖端的NLP易于所有人使用。 :hugging_face: Transformers提供了API，可以在给定的文本上快速下载和使用那些经过预训练的模型，在您自己的数据集上对其进行微调，然后在我们的上与社区共享。 同时，每个定义架构的python模块都可以独立使

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：8388608
    • 提供者：weixin_42133753

  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. CNN-Numpy-Implementation：手动实现卷积神经网络，而无需使用诸如pytorch和tensorflow之类的现代库-源码

  2. CNN-Numpy-实施 手动实现卷积神经网络，而无需使用诸如pytorch和tensorflow之类的现代库。 换句话说，我从头开始构建了一个神经网络，其中涉及实现正向和反向传播。 我手动编写了反向传播代码，并使用numpy手动实现了每一层的偏导数。 我在这里使用的方程式示例可以在这里找到。 E.Bendersky（2016年10月28日）。 Softmax函数及其导数。 取自 我最完善，最成功的网络是跟踪多个功能的多元回归CNN。 它可以正确确定两个图像之间的形状数量差异以及是否存在反射

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：321912832
    • 提供者：weixin_42099936

  1. deep-cross-modal-hashing：PyTorch中的深度学习交叉模式哈希-源码

  2. 深层交叉模式哈希（torchcmh） torchcmh是一个基于PyTorch构建的库，用于深度学习交叉模式哈希。 包含： 数据可视化 基线方法 多个数据读取API 损失函数API 配置调用 数据集 我自己整理了四个数据集（Mirflickr25k，Nus Wide，MS coco，IAPR TC-12），如果要使用这些数据集，请在数据集包中按自述文件下载mat文件和图像文件。 请阅读数据集包中的“” 模型 您可以创建模型或使用现有模型。 我们支持一些预训练模型，您可以详细了解文件。 依存

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：79872
    • 提供者：weixin_42131785

  1. 变形金刚：:hugging_face:变形金刚：Pytorch和TensorFlow 2.0的最新自然语言处理-源码

  2. PyTorch和TensorFlow 2.0的最新自然语言处理 :hugging_face: 变形金刚提供了数千种经过预训练的模型，可以对文本执行多种任务，例如100多种语言的分类，信息提取，问题解答，摘要，翻译，文本生成等。 其目的是使尖端的NLP易于所有人使用。 :hugging_face: Transformers提供了API，可在给定的文本上快速下载和使用那些经过预训练的模型，在您自己的数据集上对其进行微调，然后在我们的上与社区共享。 同时，每个定义架构的python模块都可以独立

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：7340032
    • 提供者：weixin_42173205

  1. RecNN：围绕pytorch 1.7构建的增强推荐工具包-源码

  2. 这是我的学校项目。 它侧重于强化学习以进行个性化新闻推荐。 主要区别在于，它试图通过动态生成的项目嵌入来解决在线非政策学习。 我想使用SOTA算法创建一个库，以加强学习建议，并提供您喜欢的抽象级别。 :bar_chart: 这些功能可以总结为 根据您的决定进行抽象：您可以导入整个算法（例如DDPG）并将其告诉ddpg.learn（batch），可以分别导入网络和学习功能，为任务创建自定义加载程序，也可以自己定义所有内容。 示例不包含任何垃圾代码或变通办法：纯模型定义和算法本身在一个文件中。

  3. 所属分类：其它

    • 发布日期：2021-02-02
    • 文件大小：2097152
    • 提供者：weixin_42135754

  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. GPT2:OpenAI GPT-2的PyTorch实施-源码

  2. GPT-2 PyTorch实施 目录 介绍 该项目是OpenAI GPT-2模型的PyTorch实现。 它提供模型训练，句子生成和量度可视化。 它被认为是可以理解和优化的。 我们设计的代码易于理解。 另外，我们使用来提高性能。 依存关系 正则表达式 tqdm 火炬 麻木 matplotlib 用法 怎么训练？ 在训练GPT-2模型之前，应准备语料库数据集。 我们建议使用构建自己的语料库。 相反，训练模块需要带有词汇表文件的标记化训练和评估数据集。 准备数据集后，可以使用以下方法训练GPT-

  3. 所属分类：其它

    • 发布日期：2021-03-31
    • 文件大小：156672
    • 提供者：weixin_42131628

  1. AdaCare:AdaCare的源代码-Car source code

  2. AdaCare：可通过比例自适应特征提取和重新校准进行的可解释的临床健康状况表示学习 AdaCare的源代码：通过比例自适应特征提取和重新校准的可解释的临床健康状况表示学习 可视化 欢迎测试我们的可视化工具的原型。 临床隐藏状态由我们最新的表示学习模型ConCare 和AdaCare建立。 国际化的多语言支持即将推出。 要求 安装python，pytorch。 我们使用Python 3.7.3，Pytorch 1.1。 如果您打算使用GPU计算，请安装CUDA 资料准备 我们不提供MIMIC-

  3. 所属分类：其它

    • 发布日期：2021-03-25
    • 文件大小：2097152
    • 提供者：weixin_42114046