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. deep-reinforcement-learning-atari-pong:强化学习DQN算法的PyTorch在OpenAI Atari Pong游戏中的应用-源码

  2. Atari Pong中的深度强化学习算法 概括 此应用程序的目标是找出深度Q学习（DQN）在OpenAI环境中对Pong的Atari 1600游戏有多准确和有效。 在DQN之上，测试了对相同算法的其他改进，包括多步DQN，Double DQN和Dueling DQN。 从下图可以看出，基本DQN仅需玩约110场游戏即可达到类似于人的准确性，而经过300场游戏即可达到极高的准确性。 此项目中考虑的DQN改进版本显示出效率和准确性方面的一些改进。 基本DQN：第1集与第216集 环保环境 Atar

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：1048576
    • 提供者：weixin_42125867

  1. deep-learning-neural-network-for-chaotic-systems-:使用yolov3，darknet，Python，PyTorch和OpenCV高级设计神经网络来预测混沌系统的结果-轮盘赌-源码

  2. 混沌系统的深度学习神经网络 介绍 iya，这将是我的高级设计项目的指南，该项目跨越普渡大学的两个学期的高级设计I（2019年Spring）和高级设计II（2019年秋季）。 该项目涉及设计和开发一个神经网络，该网络将检测轮盘的0个口袋和球，并预测轮盘比赛中球将落在哪个口袋上。 内容 设置测试 必备任务 YOLOv3 MTurk边界框实用程序 0.设置测试 这些是简单的设置过程，有助于以后创建神经网络。 这些代码大部分是用Python编写的，使用Jupyter笔记本可视化代码，或者像PyCha

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：5242880
    • 提供者：weixin_42099530

  1. deep-learning-for-image-processing:用于图像处理的深度学习，包括分类和对象检测等-源码

  2. 深度学习在图像处理中的应用教程 前言 本教程是对本人研究生期间的研究内容进行整理总结，总结的同时也希望能够帮助更多的小伙伴。 本教程会以视频的方式进行分享，教学流程如下： 1）介绍网络的结构与创新点2）使用Pytorch进行网络的建造与训练3）使用Tensorflow（内部的keras模块）进行网络的建造与训练 教程目录，单击重新相应视频（后续会根据学习内容增加） 图像分类 LeNet（已​​完成） AlexNet（已​​完成） VggNet（已​​完成） GoogLeNet（已​​完成） R

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：984064
    • 提供者：weixin_42131439

  1. GaNDLF:使用PyTorch进行细分，回归和分类的通用应用程序框架-源码

  2. 甘道夫 A G ENER一个LLYÑuanced d EEP大号赚取˚Framework进行分割，回归和分类。 为什么要使用这个？ 支持多种 深度学习模型架构 数据尺寸（2D / 3D） 频道/图像/序列 预测类 领域模式（即放射扫描和数字化组织病理学组织切片） 强大的数据增强功能，由 内置的嵌套交叉验证（和相关的组合统计信息），支持基于并行HPC的计算 处理不平衡的类别（例如，大器官中的很小的肿瘤） 多GPU（在同一台计算机上-分布式）培训 利用强大的开源软件 无需编写任何代码即可生成

  3. 所属分类：其它

    • 发布日期：2021-03-05
    • 文件大小：165888
    • 提供者：weixin_42117622

  1. d2l-pytorch：该项目复制了Dive Into Deep Learning（Dive Into Deep Learning）（www.d2l.ai）一书，将MXNet中的代码改编为PyTorch-源码

  2. 更新：请参阅，以获取完整的PyTorch端口。 我们不再维护此仓库。 该项目改编自原始的书籍，作者是Aston Zhang，Zachary C. Lipton，Mu Li，Alex J. Smola和所有社区贡献者。 原始书籍的GitHub： : 。 我们已经努力修改了这本书，并将MXnet代码片段转换为PyTorch。 注意：某些ipynb笔记本可能无法在Github中完美呈现。 我们建议cloning库或使用查看笔记本。 章节 Ch02安装 Ch03简介 第04章预备课程：速成班 4

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：164626432
    • 提供者：weixin_42179184

  1. Dive-into-DL-TensorFlow2.0：本项目将《动手学深度学习》（Dive into Deep Learning）原书中的MXNet实现替代TensorFlow 2.0实现，项目已获得李沐老师的认可-源码

  2. 将原书中MXNet代码实现转换TensorFlow2实现。通过的导师咨询李沐老师，这个项目的实施已得到李沐老师的同意。原书作者：阿斯顿·张，李沐，扎卡里C.立顿，亚历山大J.斯莫拉以及其他社区贡献者，GitHub地址： : 此书的，版本存在一些不同，本项目主要针对此书的中文版进行TensorFlow2转换。另外，本项目也参考了该书的中文版进行PyTorch替代的项目 ，在此表示感谢。 逐步更新到十章，持续更新中。。。 已项目被机器之心等多家公众号，受到并且李原作者沐的 简介 本仓库主要包含代

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：32505856
    • 提供者：weixin_42121412

  1. pytorch-Deep-Learning：深度学习（使用PyTorch）-源码

  2. 深度学习（使用PyTorch） 现在，此笔记本存储库有一个，可以在该以视频和文本格式找到所有课程资料。 入门 为了能够进行练习，您将需要一台装有Miniconda（Anaconda的最小版本）和几个Python软件包的笔记本电脑。 以下说明适用于Mac或Ubuntu Linux用户，Windows用户需要在终端中安装和使用。 下载并安装Miniconda 请访问。 为您的操作系统下载并安装适用于Python 3.7的最新Minicon

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：138412032
    • 提供者：weixin_42126677

  1. Revisiting_Deep_Metric_Learning_PyTorch:（ICML 2020）此仓库包含我们论文“重新审视深度度量学习中的培训策略和泛化性能”的代码（https-源码

  2. PyTorch中的深度度量学习研究 我在这里可以找到什么？ 该存储库包含以下代码中使用的所有代码和实现： Revisiting Training Strategies and Generalization Performance in Deep Metric Learning 接受ICML 2020 。 链接： : 该代码旨在用作深度度量学习的研究起点。通过在一致的设置下实施关键基准并记录大量指标，应该更容易确保方法收益不会因实现上的差异而增加，同时可以更好地理解驱动因素。 它以模块化的方

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：791552
    • 提供者：weixin_42102272