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 模型训练实⽤教程_余霆嵩（去水印）

  2. 本教程内容及结构： 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

  3. 所属分类：深度学习

    • 发布日期：2018-12-20
    • 文件大小：10485760
    • 提供者：dakeboy

  1. PyTorch模型训练最新实用教程 (余霆嵩) PDF版

  2. 本教程以实际应用、工程开发为目的，着重介绍模型训练过程中遇到的实际问题和方法。如上图所示，在机器学习模型开发中，主要涉及三大部分，分别是数据、模型和损失函数及优化器。本文也按顺序的依次介绍数据、模型和损失函数及优化器，从而给大家带来清晰的机器学习结构。 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）

  3. 所属分类：Python

    • 发布日期：2018-12-24
    • 文件大小：8388608
    • 提供者：weixin_42619739

  1. 【最新版】Netron-4.0.4-mac.zip【亲测可用】最好的用于神经网络，深度学习和机器学习模型的可视化工具

  2. Netron是神经网络，深度学习和机器学习模型的查看者。 Netron支持ONNX （ .onnx ， .pb ， .pbtxt ）， .pbtxt （ .h5 ， .keras ）， Core ML （ .mlmodel ）， Caffe （ .caffemodel ， .prototxt ）， Caffe2 （ predict_net.pb ， predict_net.pbtxt ）， Darknet （ .cfg ）， MXNet （ .model ， -symbol.json ），

  3. 所属分类：深度学习

    • 发布日期：2020-04-10
    • 文件大小：69206016
    • 提供者：hu_zhenghui

  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 模型可视化的例子

  2. 今天小编就为大家分享一篇pytorch 模型可视化的例子，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：265216
    • 提供者：weixin_38737144

  1. muspy:生成符号音乐的工具包-源码

  2. 音乐 MusPy是用于生成符号音乐的开源Python库。它提供了开发音乐生成系统的基本工具，包括数据集管理，数据I / O，数据预处理和模型评估。 特征 数据集管理系统，用于具有PyTorch和TensorFlow接口的常用数据集。 常见符号音乐格式（例如MIDI，MusicXML和ABC）的数据I / O，以及与其他符号音乐库（例如music21，mido，pretty_midi和Pypianoroll）的接口。 用于音乐生成的常见音乐表示的实现，包括基于音高，基于事件，钢琴卷和基于音符的表

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：166912
    • 提供者：weixin_42118056

  1. reaction_space_ptsne:可视化化学React空间的一些工具。 该代码随附在本文中-源码

  2. 利用React差异指纹图谱和参数t-SNE探索化学React空间 利用React差异指纹图谱和参数t-SNE探索化学React空间米哈伊尔·安德罗诺夫（Mikhail G. Andronov），马克西姆·费多罗夫（Maxim V. Fedorov）和谢尔盖·索斯宁（Sergey Sosnin） 。 ChemRxiv。 预印本。 这是本文随附的存储库。 它包含参数t-SNE算法的pytorch实现和用于可视化化学React空间的预训练模型。 用法 在使用代码之前，请创建一个新的conda环境并

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：72351744
    • 提供者：weixin_42097369

  1. PopGen:用于PyTorch的生成建模工具包-源码

  2. 流行音乐 PopGen是用PyTorch编写的生成建模工具包。 它旨在提供高质量的参考实现和可重用的组件，重点在于基于可能性的模型和表示学习。 实验范例 包含的VAE示例说明了灵活的后验分布和先验分布可以在高斯基线上得到改善。 vae和vamp架构遵循描述的L = 1 VAE的设置。 vae_vamp_hsnf模型还将K = 4 引入后验分布。 每个模型在动态二值化MNIST上训练了1M步。 使用界和5000个样本来估计边际可能性。 姓名 后部 事先的 对数p（x） vae 对角高斯 标

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：43008
    • 提供者：weixin_42131728

  1. PGPPortfolio-pytorch-源码

  2. 这是我们的论文《金融投资组合管理问题的深度强化学习框架》（ ）的原始实现，以及投资组合管理研究的工具包。 深度强化学习框架是图书馆的核心部分。 该方法基本上是立即奖励的策略梯度。 可以在单独的json文件中配置拓扑，训练方法或输入数据。 训练过程将被记录，并且用户可以使用张量板可视化训练。 结果汇总和并行训练可以更好地优化超参数。 出于比较目的，基于财务模型的投资组合管理算法也被嵌入到该库中，其实现基于Li和Hoi的工具包 。 与文章版本的差异 请注意，该库是我们主项目的一部分，并且是本文

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：84992
    • 提供者：weixin_42122878

  1. Open3D-ML：Open3D的扩展，可解决3D机器学习任务-源码

  2. ML | | | | Open3D-ML是Open3D的扩展，用于3D机器学习任务。 它建立在Open3D核心库的基础上，并通过用于3D数据处理的机器学习工具进行了扩展。 此回购集中于诸如语义点云分段之类的应用程序，并提供可应用于常见任务以及训练管道的预训练模型。 Open3D-ML可与TensorFlow和PyTorch轻松集成到现有项目中，并且还提供独立于ML框架的常规功能，例如数据可视化。 安装 用户数 Open3D-ML集成在Open3D v0.11 + python发行版中，并且

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：14680064
    • 提供者：weixin_42139357

  1. MMdnn：MMdnn是一组工具，可帮助用户在不同的深度学习框架之间进行互操作。 例如模型转换和可视化。 在Caffe，Keras，MXNet，Tensorflow，CNTK，PyTorch Onnx和CoreML之间转换模型-源码

  2. MMdnn MMdnn是一个综合的跨框架工具，用于转换，可视化和诊断深度学习（DL）模型。 “ MM”代表模型管理，“ dnn”代表深度神经网络。 主要功能包括： 我们实现了一个通用转换器，可以在框架之间转换DL模型，这意味着您可以使用一个框架训练模型，然后使用另一个框架进行部署。 模型再训练 在模型转换期间，我们生成一些代码片段以简化以后的重新训练或推断。 模型搜索和可视化 我们提供了一个以帮助您找到一些流行的模型。 我们提供了一个以更直观地显示网络体系结构。 模型部署 我们提供一

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：2097152
    • 提供者：weixin_42151729

  1. adversarial_lab：基于Web的工具，可通过攻击VGG，AlexNet，ResNet等ImageNet模型来可视化和生成对抗性示例-源码

  2. 对抗实验室 网站和项目的源代码，以生成对抗性示例来欺骗常见的机器学习模型。 这是用于通过使用DTA框架Pytorch的用户友好界面，使用流行的SOTA预TorchVision TorchVision ModelZoo来可视化和比较用户上传的图像上的各种对抗攻击的存储库。 到目前为止，已实施了以下攻击，并且可以在GAE/attacks.py找到代码。 固定GSM 快速梯度符号法，无目标 有针对性的快速梯度符号法 迭代式 基本迭代方法，无目标 最小可能类的迭代方法 DeepFool，无针对性

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：90177536
    • 提供者：weixin_42138376

  1. gandissect：基于Pytorch的工具，用于可视化和理解GAN神经元。 https：gandissect.csail.mit.edu-源码

  2. 甘地 | | | 是一种检查生成对抗网络（GAN）的内部表示的方法，以了解内部单元如何与人类可解释的概念保持一致。 它是一部分。 此存储库可让您剖析GAN模型。 它以静态摘要或交互式可视化形式提供解剖结果。 试试我们的交互式，与GAN交互并绘制图像。 总览 ，， ，，，，MIT CSAIL，MIT-IBM Watson AI Lab，中大，IBM Research 在arXiv中，2018年。 分析与应用 GAN中的可解释单位 分析不同的层 诊断和改善GAN 从会议室移走物件 从不同的自

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：16777216
    • 提供者：weixin_42131261

  1. pytorch-kaggle-starter：用于Kaggle比赛的Pytorch入门套件-源码

  2. 概要 Pytorch Kaggle入门程序是用于管理Kaggle比赛中的实验的框架。 通过提供一组用于模型训练，数据加载，调整学习率，进行预测，汇总模型和格式化提交内容的辅助功能，它减少了第一次提交的时间。 内部是示例Jupyter笔记本，介绍了如何在热门比赛中获得高分： -8％ -前15％ 这些笔记本概述了基本的单一模型提交内容。 可以通过集成模型和使用测试时间扩充来显着提高分数。 产品特点 实验-从jupyter笔记本或python脚本中的python字典启动实验。 附加可视化工具

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：6291456
    • 提供者：weixin_42116701

  1. tnt：用于记录和可视化，加载和培训的简单工具-源码

  2. TNT TNT是一个库，为Python提供了强大的数据加载，日志记录和可视化实用程序。 它与紧密集成，旨在通过任何模型或训练方案实现快速迭代。 安装 TNT可以通过pip安装。 为此，请运行： pip install torchnet 如果遇到问题，请确保先安装Pytorch。 您也可以从master安装最新版本。 赶紧跑： pip install git+https://github.com/pytorch/tnt.gitmaster 要从master更新到最新版本： pip ins

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：443392
    • 提供者：weixin_42122878

  1. Vulcan：一个高级深度学习框架，可通过数据可视化，模型可解释性和性能指标方面的新增工具快速构建网络原型-源码

  2. 火神 Vulcan是Aifred Health的快速深度学习模型原型制作和分析框架。 Vulcan提供以下工具： 快速但灵活的数据预处理 快速创建模块化神经网络。 通常，我们还包括以下功能： 快照合奏 具有复杂架构的多模式网络 最先进的激活 在多台机器上训练和保存模型 模型评估 可视化的数据和网络可解释性。 通常，我们还包括： 吨位 Vulcan建立在Pytorch之上。 我们认为Pytorch很棒，因此我们建立框架的目的是促进但不妨碍对Pytorch的访问。 是否想以简单的方式做事？

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：102400
    • 提供者：weixin_42131276

  1. pytorch-toolbelt：PyTorch扩展，用于快速研发原型和Kaggle农业-源码

  2. 火炬工具带 pytorch-toolbelt是一个Python库，其中包含一组用于PyTorch的工具，用于快速R＆D原型设计和Kaggle农业： 里面有什么 使用灵活的编码器-解码器体系结构轻松建立模型。 模块：CoordConv，SCSE，超列，深度可分离卷积等。 GPU友好的测试时间扩展TTA，用于细分和分类 对巨大（5000x5000）图像的GPU友好推断 日常通用例程（修复/还原随机种子，文件系统使用率，指标） 损失：BinaryFocalLoss，Focal，ReducedF

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：251904
    • 提供者：weixin_42140846

  1. flashtorch：PyTorch中用于神经网络的可视化工具包！ 演示->-源码

  2. 火炬 使用PyTorch构建的Python可视化工具包，用于PyTorch中的神经网络。 神经网络通常被称为“黑匣子”。 缺乏对神经网络如何进行预测的理解，导致无法预测/有偏见的模型，对社会造成真正的伤害，并失去了对AI辅助系统的信任。 特征可视化是一个研究领域，旨在了解神经网络如何感知图像。 但是，实施这种技术通常很复杂。 FlashTorch就是为了解决这个问题而创建的！ 您可以在模型上应用特征可视化技术（例如和），而只需几行代码。 它与预训练模型兼容，并与内置的其他自定义模型无

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：47185920
    • 提供者：weixin_42128141

  1. tensorwatch：Python机器学习和数据科学的调试，监视和可视化-源码

  2. 欢迎来到TensorWatch TensorWatch是一种调试和可视化工具，旨在用于Microsoft Research的数据科学，深度学习和强化学习。 它可以在Jupyter Notebook中工作，以显示您的机器学习培训的实时可视化，并为您的模型和数据执行其他几个关键分析任务。 TensorWatch的设计具有灵活性和可扩展性，因此您还可以构建自己的自定义可视化效果，UI和仪表板。 除了传统的“随便看看”方法外，它还具有独特的功能，可以针对实时ML训练过程执行任意查询，作为查询结果返回

  3. 所属分类：其它

    • 发布日期：2021-02-02
    • 文件大小：13631488
    • 提供者：weixin_42162171

  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
« 12 »