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. 深度学习 论文

  2. Layer Normalization (2016), J. Ba et al. Learning to learn by gradient descent by gradient descent (2016), M. Andrychowicz et al. Domain-adversarial training of neural networks (2016), Y. Ganin et al. WaveNet: A Generative Model for Raw Audio (2016)

  3. 所属分类：其它

    • 发布日期：2017-02-22
    • 文件大小：45088768
    • 提供者：oscer2016

  1. 用wavenet训练VCTK-corpus的模型-100000step

  2. 用wavene训练的VCTK-corpus，step=100000，里面包括model.ckpt-99999.data-00000-of-00001，model.ckpt-99999.index，model.ckpt-99999.meta，大家想测试的可以试试，训练一个model需要好久，保存一下。

  3. 所属分类：深度学习

    • 发布日期：2018-09-25
    • 文件大小：31457280
    • 提供者：lc22xytcedu

  1. Music generator.ipynb

  2. 通过python实现深度学习，通过wavenet模型对数据集进行训练，从而通过大量得钢琴曲来实现自动生成一段音乐。

  3. 所属分类：电信

    • 发布日期：2020-07-05
    • 文件大小：26624
    • 提供者：xiwanglh

  1. Tesi_suono-源码

  2. GST Tacotron（使用全局样式令牌的富有表现力的端到端语音合成） 的张量流实现以及。 音频样本 使用默认超级参数使用此存储库训练的模型中的。 使用带有和不带有全局样式标记（GST）的集进行了训练。 我发现合成音频可以学习参考音频的韵律。 音频质量不如纸质。 也许更多的数据，更多的训练步骤以及Wavenet声码器将改善质量，并改善注意力机制。 快速开始： 安装依赖 安装Python 3。 为您的平台安装最新版本的 。 为了获得更好的性能，请安装GPU支持（如果有）。 该代码可与Te

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：36864
    • 提供者：weixin_42116713

  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. PedalNetRT:使用WaveNet和PyTorch进行实时吉他效果仿真的深度学习网络-源码

  2. 脚踏网 PedalNet-RealTime训练吉他效果/放大器神经​​网络模型，以与SmartGuitarPedal，SmartGuitarAmp和WaveNetVA插件一起使用。 您可以使用此存储库训练模型，然后将其转换为可以加载到VST插件中的.json模型。 对建模失真样式效果或电子管放大器有效。 在进行模型训练和用法的视频演练 以下存储库与转换后的.json模型兼容，可与通过DAW插件或独立应用程序进行实时吉他演奏一起使用： 通过电子邮件将您最好的json模型发送到 ，它们可能会包含

  3. 所属分类：其它

    • 发布日期：2021-04-01
    • 文件大小：70254592
    • 提供者：weixin_42169971

  1. LSTM_Stock_Modeling-源码

  2. 使用深度神经网络复制增强的时间序列动量策略-CS496项目：深度学习中的高级主题 栏目 介绍 CLC数据集 代码 复制我们的结果 进一步改进 进一步阅读 介绍 时间序列动量或趋势动量由包含近期收益为正的多头资产和近期收益为负的空头资产组成的投资组合来衡量。学术证据表明，优化时间序列动量的策略可提高投资组合的风险调整后收益。 这些时间序列动量策略具有两个主要属性，即趋势估计和头寸调整。最近的研究已经实施了各种监督学习模型来预测这些组成部分。但是，这些模型并未考虑波动性和其他风险特征，因此需要手动规

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：128000
    • 提供者：weixin_42144554