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. Pro Deep Learning with TensorFlow

  2. 本文讨论生成对抗网络，简称GANs。在生成任务或更广泛的无监督学习中，GANs是为数不多在此领域表现较好的机器学习技术之一。特别是他们在图像生成相关任务上拥有出色表现。深度学习领域先驱Yann LeCun，称赞GAN是机器学习近十年来最好的想法

  3. 所属分类：深度学习

    • 发布日期：2018-05-17
    • 文件大小：5242880
    • 提供者：shenliang1985

  1. Python-UGATIT的官方Tensorflow实现

  2. U-GAT-IT的官方Tensorflow实现：具有自适应层实例规范化的无监督生成注意网络，用于图像到图像的转换

  3. 所属分类：其它

    • 发布日期：2019-08-11
    • 文件大小：4194304
    • 提供者：weixin_39841848

  1. domain-transfer-network, 无监督交叉域图像生成的TensorFlow实现.zip

  2. domain-transfer-network, 无监督交叉域图像生成的TensorFlow实现 域传输网络( DTN )无监督交叉域图像生成的TensorFlow实现。 要求python 2.7TensorFlow 0.12scipy用法克隆存储库$ git clone https://githu

  3. 所属分类：其它

    • 发布日期：2019-09-17
    • 文件大小：4194304
    • 提供者：weixin_38744435

  1. Python-无监督数据增强UDA的TensorFlow代码

  2. 无监督数据增强（UDA）的TensorFlow代码

  3. 所属分类：其它

    • 发布日期：2019-08-09
    • 文件大小：331776
    • 提供者：weixin_39841848

  1. tensorflow-源码

  2. 张量流 参考/学分-https: tensorflow hello_world监督 张量流中间监督 tensorflow专家监督 张量流生产监督 tensorflow hello_world无监督 tensorflow中间无监督 tensorflow专家不受监督 张量流生产不受监督

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：70254592
    • 提供者：weixin_42121725

  1. msgan:本文的Tensorflow代码“自我监督GAN-源码

  2. 自我监督GAN：使用多类Minimax游戏进行分析和改进 论文“ Self-supervised GAN：使用多类Minimax游戏进行分析和改进”的Tensorflow代码。 依存关系 Python（2.7、3.5、3.6），Numpy，Tensorflow，SciPy，scikit-learn 最近的NVIDIA GPU 数据 支持的数据集：MNIST，堆叠的MNIST（或MNIST 1K），CelebA，CIFAR-10 / 100，STL-10和ImageNet 32​​x32。 首

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：11534336
    • 提供者：weixin_42165508

  1. Face_generation_using_DCGAN：Tensorflow 1.x用于构建能够生成假名人面Kong的DCGAN-源码

  2. 使用DCGAN生成人脸 生成建模是机器学习中的无监督学习任务，涉及自动发现和学习输入数据中的模式，以使模型可用于生成不在原始数据集中的新示例。 DCGAN或Deep Convolutional GAN是一种网络体系结构，能够生成大小为64x64的RGB图像。 深卷积生成对抗网络的想法，在此提出了。 概述 该项目使用DCGAN生成名人的假脸图像，该模型在上进行了训练。 下面的GIF显示了生成器如何学会随着时间的推移生成假脸。 该模型经过了150个时期的训练，然后能够生成不错的假人脸图像，下面给出

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：6291456
    • 提供者：weixin_42114645

  1. UGATIT：U-GAT-IT的正式Tensorflow实施：具有图像到图像转换的自适应层实例规范化的无监督生成注意网络（ICLR 2020）-源码

  2. U-GAT-IT —正式TensorFlow实施（ICLR 2020） ：具有图像到图像转换的自适应层实例规范化的无监督生成注意网络 | 该存储库提供以下论文的正式Tensorflow实现： U-GAT-IT：具有图像到图像转换的自适应层实例规范化的无监督生成注意网络Kim Junho（NCSOFT） ，Minjae Kim（NCSOFT），Hyeonwoo Kang（NCSOFT），Kwanghee Lee（波音韩国） 摘要我们提出了一种新的无监督图像到图像翻译方法，该方法以端到端的方式结

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：4194304
    • 提供者：weixin_42110070

  1. stylegan：StyleGAN-官方TensorFlow实施-源码

  2. StyleGAN — TensorFlow官方实施 图片：这些人不是真实的-他们是由我们的生成器生成的，可以控制图像的不同方面。 该存储库包含以下论文的正式TensorFlow实现： 用于生成对抗网络的基于样式的生成器体系结构Tero Karras（NVIDIA），Samuli Laine（NVIDIA），Timo Aila（NVIDIA） 摘要：我们借鉴样式转移文献，提出了一种用于生成对抗网络的替代生成器体系结构。 新的架构可自动学习，无监督地分离高级属性（例如，当在人脸上训练时的姿

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：1048576
    • 提供者：weixin_42098759

  1. MUNIT-Tensorflow：“多模式无监督图像到图像翻译”的简单Tensorflow实现（ECCV 2018）-源码

  2. MUNIT-Tensorflow 简单Tensorflow实现 要求 Tensorflow 1.4 Python 3.6 问题 作者使用了这么多迭代（1M = 1,000,000） 作者使用LSGAN，但不要将G和D分别乘以0.5 用法 ├── dataset    └── YOUR_DATASET_NAME    ├── trainA           ├── xxx.jpg (name, format doesn't matter) ├── yyy.p

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：3145728
    • 提供者：weixin_42165018

  1. pycadl：Python程序包，包含源于“ TensorFlow的深度学习的创造性应用”课程的源代码-源码

  2. 介绍 该软件包是Kadenze学院计划“使用一部分。 （免费审核） 第一节：TensorFlow简介第2节：使用TensorFlow训练网络第三节：无监督和有监督的学习第四节：可视化和产生幻觉第五节：生成模型 （程序专有） 第一节：云计算，GPU，部署第二节：混合物密度网络第3节：使用RNN进行注意力建模，DRAW 第四节：使用GAN进行图像到图像的翻译 （程序专有） 第1节：音乐和艺术建模：Google Brain的洋红色实验室第二节：建模语言：自然语言处理专题3：带有PixelCNN的自回

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：663552
    • 提供者：weixin_42131261

  1. NTM-One-Shot-TF：在Tensorflow中使用基于神经图灵机架构的记忆增强神经网络（MANN）进行一枪学习-源码

  2. 在Tensorflow中使用记忆增强神经网络进行一枪学习。 更新：添加了对Tensorflow v1 *的支持。 本文采用记忆增强神经网络的一站式学习的Tensorflow实现。 目前的执行进度： 实用功能： 图像处理器 指标（精度） 相似度（余弦相似度） LSTM控制器和存储单元 批处理发生器 Omniglot测试人员代码 通过自动编码器进行无监督功能学习 牛/新出生识别 基准数据集是。 所有数据集都应放置在文件夹中。 亚当·桑托罗，谢尔盖Bartunov，马修Bot

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：18432
    • 提供者：weixin_42133680

  1. UnFlow：UnFlow：具有双向人口普查损失的无监督光流学习-源码

  2. UnFlow ：具有双向人口普查损失的无监督光流学习 该存储库包含本文的TensorFlow实现 （AAAI 2018） （ ， ）和（ 。 滑梯 引文 如果您发现UnFlow在您的研究中很有用，请考虑引用： inproceedings{Meister:2018:UUL, title = {{UnFlow}: Unsupervised Learning of Optical Flow with a Bidirectional Census Loss},

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：82944
    • 提供者：weixin_42139042

  1. 模拟无监督张量流：“通过对抗训练从模拟和无监督图像中学习”的TensorFlow实现-源码

  2. TensorFlow中的模拟+无监督（S + U）学习 中TensorFlow实现。 要求 Python 2.7 0.12.1 用法 生成综合数据集： 运行 ，将resolution更改为640x480并将Camera parameters更改为[0, 0, 20, 40] [0, 0, 20, 40] 。 将生成的图像和json文件移动到data/gaze/UnityEyes 。 data目录应类似于： data ├── gaze │   ├── MPIIGaze │ │

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：1048576
    • 提供者：weixin_42151305

  1. SfMLearner：单眼视频的深度和自我运动估计的无监督学习框架-源码

  2. SfM学习者 该代码库实现了本文所述的系统： 通过视频无监督地学习深度和自我运动 ，，， 在CVPR 2017（口头）中。 有关更多详细信息，请参见。 如有任何疑问，请联系（ ）。 先决条件 该代码库是使用Tensorflow 1.0，CUDA 8.0和Ubuntu 16.04开发和测试的。 运行单视图深度演示 我们提供了用于运行我们的单视图深度预测模型的演示代码。 首先，通过运行以下命令下载预训练的模型 bash ./models/download_depth_model.sh 然后，

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：6291456
    • 提供者：weixin_42150360

  1. deepdetect：C ++ 11中的深度学习API和服务器对Caffe，Caffe2，PyTorch，TensorRT，Dlib，NCNN，Tensorflow，XGBoost和TSNE的支持-源码

  2. 开源深度学习服务器和API DeepDetect（ ）是用C ++ 11编写的机器学习API和服务器。 它使最先进的机器学习易于使用并集成到现有应用程序中。 它支持训练和推理，并通过TensorRT（NVidia GPU）和NCNN（ARM CPU）自动转换为嵌入式平台。 它实现了对图像，文本，时间序列和其他数据的有监督和无监督深度学习的支持，重点是简单性和易用性，测试以及与现有应用程序的连接。 它支持分类，对象检测，分段，回归，自动编码器，... 并且它通过非常通用且灵活的API依赖于

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：6291456
    • 提供者：weixin_42140710

  1. 异常检测：帮助检测pcap文件中异常的脚本。 使用tensorflow和tshark进行异常检测-源码

  2. 使用张量流和tshark的无监督异常检测 使用张量流使用自动编码器神经网络进行无监督学习。 请参阅 使用tensorflow和tshark的监督异常检测 scr ipt to help to detect anomalies in pcap file. Using tensorflow neural network classifier and tshark -T ek -x input. Input is tshark ek json generate by: ./tshark -T ek

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：1007616
    • 提供者：weixin_42146230

  1. CADL：已存档：包含历史课程资料“ MOUSE深度学习与Tensorflow的创造性应用”免费课程的作业资料#CADL-源码

  2. 该资料库包含演讲稿和作业作业，作为Jupyter笔记本，用于的三门 课程中的第一。 它还包含一个python包，其中包含在所有三门课程中开发的所有代码。 课程1：使用TensorFlow I进行深度学习的创新应用第一节：TensorFlow简介第2节：使用TensorFlow训练网络第三节：无监督和有监督的学习第四节：可视化和产生幻觉第五节：生成模型 课程2：使用TensorFlow II进行深度学习的创新应用第一节：云计算，GPU，部署第二节：混合物密度网络第3节：使用RNN进行注意力建模，

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：55574528
    • 提供者：weixin_42117267

  1. 十四行诗：基于TensorFlow的神经网络库-源码

  2. 十四行诗 | Sonnet是在之上构建的库，旨在为机器学习研究提供简单，可组合的抽象。 介绍 Sonnet由DeepMind的研究人员设计和建造。 它可以用于构造用于许多不同目的的神经网络（无/监督学习，强化学习等）。 我们发现这对我们的组织是成功的抽象，您也可能如此！ 更具体地说，Sonnet提供了一个简单而强大的编程模型，该模型围绕一个概念： snt.Module 。 模块可以保存对在用户输入上应用某些功能的参数，其他模块和方法的引用。 Sonnet附带了许多预定义的模块（例如snt.L

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：3145728
    • 提供者：weixin_42109925

  1. PairSAGE:具有用户项对设置的GraphSAGE算法的Tensorflow实现-源码

  2. 配对 概述 作者：张佑英基本算法：GraphSAGE 基础Github： 原始纸： 韩文撰写的论文评论文章： 该算法基于GraphSAGE算法。 最初，GraphSAGE用于仅具有一个类型节点的同质图。 在建立推荐系统时，我们通常会遇到二部图。 该二部图由用户项对设置组成，每个节点都有独特的特征。 因此，必须使用不同的权重矩阵分别训练用户节点和项目节点。 一对在PairSAGE插入强调的用户和项之间对关系的重要性。 该项目可用于通用推荐系统。 如果功能多种多样，并且经常添加新节点，则此项目可

  3. 所属分类：其它

    • 发布日期：2021-03-28
    • 文件大小：5242880
    • 提供者：weixin_42169245
« 12 3 »