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. resnet101.caffemodel

  2. resnet 101 的caffemodel,不是原始的模型，经过了修改

  3. 所属分类：深度学习

    • 发布日期：2018-07-27
    • 文件大小：197132288
    • 提供者：songhui1024

  1. 对之前的残差模块的一点修改，用cifar测试可以比较快的看到效果

  2. 在之前的残差模块中bn的使用在激活函数之后，修改后在激活之前，并且在使用残差模块时一般在其之前会有一个卷积（池化可以有也可没有），在之后会有一个平均池化，这次的测试进行了修改，并且有一定效果

  3. 所属分类：深度学习

    • 发布日期：2018-08-04
    • 文件大小：218103808
    • 提供者：gaojiexcq

  1. mxnet框架的faster-rcnn测试resnet的demo文件

  2. 解决mxnet框架下faster rcnn中使用demo测试resnet网络时，出现框不准，漂移的问题，不想下载的话详见我的博客里面，有代码修改步骤。

  3. 所属分类：深度学习

    • 发布日期：2018-08-14
    • 文件大小：6144
    • 提供者：wang_ys121

  1. mxnet框架的faster-rcnn测试resnet的demo文件（含使用说明）

  2. 解决mxnet框架下faster rcnn中使用demo测试resnet网络时，出现框不准，漂移的问题，不想下载的话详见我的博客里面，有代码修改步骤。注意执行时要加多加一个参数--network resnet。全部命令是python demo-resnet.py --prefix model/e2e --epoch 10 --image demo.jpg --gpu 0 --network resnet 这个资源和https://download.csdn.net/download/wang_

  3. 所属分类：深度学习

    • 发布日期：2018-08-14
    • 文件大小：7168
    • 提供者：wang_ys121

  1. 深度学习cifar_10所有框架代码带数据集

  2. 深度学习cifar_10代码带数据集,框架代码有LeNet框架，Vgg框架，inception_net框架，resnet框架，代码已调通，修改路径即可，随下随用，随下随用，随下随用!!!

  3. 所属分类：深度学习

    • 发布日期：2019-02-27
    • 文件大小：165675008
    • 提供者：qq_40900196

  1. PSPnet-master

  2. PSPnet-master 复现PSPNet，根据pytorch的官方resnet进行修改。而caffe/tensorflow版本已经放出来。

  3. 所属分类：深度学习

    • 发布日期：2019-03-15
    • 文件大小：3072
    • 提供者：weixin_40446557

  1. pytorch实时表情识别

  2. pytorch实时表情识别框架，可选择VGG和Resnet两种模型进行训练，支持自制训练集训练、推理，可自由修改类别数、输入图片大小

  3. 所属分类：深度学习

    • 发布日期：2019-04-18
    • 文件大小：178257920
    • 提供者：gothic227

  1. Resnet50的pytorch实现

  2. 目前开源的一些resnet代码都是高度集成化，内部的层输出很难一一取出分析。为了能够对resnet每一层的输出都能操作，我修改了模型编写的方式，让resnet的代码的可读性提高。

  3. 所属分类：深度学习

    • 发布日期：2020-03-17
    • 文件大小：7168
    • 提供者：jdzwanghao

  1. Pytorch修改ResNet模型全连接层进行直接训练实例

  2. 在本篇文章里小编给大家整理的是关于Pytorch修改ResNet模型全连接层进行直接训练相关知识点，有需要的朋友们参考下。

  3. 所属分类：其它

    • 发布日期：2020-09-18
    • 文件大小：31744
    • 提供者：weixin_38644599

  1. 使用Django开发集成Pytorch\Tensorflow的人工智能网站

  2. AI_WEB 1.基础环境和软件库需求 2.Xshell远程连接服务器 3.安装Linux版本的Anaconda 4.安装并测试Django 5.Git使用 6.服务器拉取仓库代码 7.规范django开发文件 8.配置settings.py文件 9.复习一遍git,将修改后的代码上传远程仓库 10.使用django进行简单的网页开发 11.安装windows-CPU版pytorch 12.测试运行ResNet分类模型 13.将Resnet模型集成在django 14.Linux服务器端安装py

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：71680
    • 提供者：weixin_38701312

  1. Pytorch修改ResNet模型全连接层进行直接训练实例

  2. 之前在用预训练的ResNet的模型进行迁移训练时，是固定除最后一层的前面层权重，然后把全连接层输出改为自己需要的数目，进行最后一层的训练，那么现在假如想要只是把 最后一层的输出改一下，不需要加载前面层的权重，方法如下： model = torchvision.models.resnet18(pretrained=False) num_fc_ftr = model.fc.in_features model.fc = torch.nn.Linear(num_fc_ftr, 224) model =

  3. 所属分类：其它

    • 发布日期：2020-12-26
    • 文件大小：31744
    • 提供者：weixin_38699830

  1. CG-Net:学习用于空中图像中目标检测的校准指导-源码

  2. 学习用于空中图像中目标检测的校准指导 可以在这里查看论文 |骨干| +我们的|体重| mAP（％）| --- | --- | --- | --- | --- | ResNet-50 |||| 73.26 | ResNet-50 | + || 74.21 | ResNet-100 ||| 73.06 | ResNet-100 | + || 74.30 | ResNet-152 ||| 72.78 | ResNet-152 | + || 73.53 介绍 创建该代码库的目的是为航拍图像中的物体检测

  3. 所属分类：其它

    • 发布日期：2021-03-26
    • 文件大小：2097152
    • 提供者：weixin_42097369

  1. HyperNet:适用于ResNet的HyperNetworks的PyTorch实施（Ha等人，ICLR 2017）-源码

  2. 超网络 适用于ResNet的PyTorch实施（Ha等人，ICLR 2017）。该代码主要用于CIFAR-10和CIFAR-100，但是将其用于任何其他数据集都非常容易。将其用于不同深度的ResNet架构也非常容易。 我们使用pytorch闪电来控制整个管道。 怎么跑 python train.py --dataset {cifar10/cifar100} --gpus $num_gpu -j $num_workers --distributed_backend ddp 已过期。此回购协议已将H

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：6144
    • 提供者：weixin_42139042

  1. MEAL-V2:餐V2-源码

  2. 餐食-V2 这是我们论文的正式pytorch实施： 大学的和 将ImageNet上的 。 在本文中，我们介绍了一种简单而有效的方法，该方法无需任何技巧即可将ImageNet上的原始ResNet-50精度提高到80％+ Top-1。 通常，我们的方法基于最近提出的 ，即通过鉴别器进行整体知识蒸馏。 我们通过1）仅在最终输出中采用相似度损失和鉴别器，以及2）使用来自所有教师组的softmax概率的平均值作为对蒸馏的更强监督，来进一步简化它。 我们方法的一个关键观点是，在蒸馏过程中不应使用单热/硬

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：378880
    • 提供者：weixin_42138525

  1. traffic-sign-detection:交通标志检测。 论文代码“交通标志检测系统的深度神经网络评估”-源码

  2. 交通标志检测 这是论文的代码 ， ， 本文通过结合多种特征提取器（Resnet V1 50， Resnet V1 101，Inception V2，Inception Resnet V2，Mobilenet V1和Darknet-19）。 我们旨在探索这些对象检测模型的特性，这些对象通过转移学习进行了修改，并特别适合于交通标志检测问题领域。 特别是，在Microsoft COCO数据集上进行了预训练的各种公开可用的对象检测模型在数据集上进行了微调。 这些模型的评估和比较包括关键指标，例如平均

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：7340032
    • 提供者：weixin_42123456

  1. nexperia：检测半导体缺陷-源码

  2. Nexperia 这是Nexperia图像分类模型的PyTorch实现。 要求 Python> = 3.6 PyTorch> = 1.0 CUDA NumPy 大熊猫 用法 标准培训 main.py包含标准培训设置中的培训和评估功能。 可运行脚本 使用默认参数进行培训和评估 我们在目录scr ipts/提供训练脚本。 举一个具体的例子，我们可以使用以下命令在Nexperia数据集上训练默认模型（即ResNet-34）： $ bash scr ipts/nexperia/r

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：92274688
    • 提供者：weixin_42118701

  1. ResNet-Cifar.py

  2. 简单的Cifar10数据集 pytorch 框架训练代码 使用简单的ResNet-18 进行训练 代码附有详细注释，一看就懂 修改代码，补充上自己的CiFar10数据集位置，就可以直接运行

  3. 所属分类：深度学习

    • 发布日期：2021-02-08
    • 文件大小：4096
    • 提供者：xiao_9626

  1. xcenternet:基于CenterNet（对象作为点）和TTFNet（培训时间友好的网络）的快速无锚对象检测。在TensorFlow 2.4+中实现-源码

  2. 修改TensorFlow 2.4及以上（或2.2，如果您使用XCenterNet标记为V1.0.0）上述tf.keras实施CenterNet对象检测在描述由兴义周，王德泉，菲利普·克雷恩布尔和TTFNet刘屠征，徐国栋，杨正，刘海峰，蔡登。有关原始实现，请参阅和。 此实现不是本文或pytorch实现的精确副本，因为我们已根据需要对其进行了修改，因此此回购协议具有一些功能： 使用tf2.2 + keras模型train_step和tf.data.dataset 使用来自tf2.3 +的tenso

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：1048576
    • 提供者：weixin_42122881