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. torch.rb:由LibTorch支持的Ruby深度学习-源码

  2. 火炬 :fire: 由支持的Ruby深度学习 退房： 用于计算机视觉任务 用于文本和NLP任务的 用于音频任务 安装 首先， 。 对于自制软件，请使用： brew install libtorch 将此行添加到您的应用程序的Gemfile中： gem 'torch-rb' 编译扩展可能需要几分钟。 入门 使用GPU，深度学习的速度明显加快。 如果您没有NVIDIA GPU，建议您使用云服务。 有一个很棒的免费计划。 我们整理了一个以使其易于上手。 在Paperspace上，创建一

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：194kb
    • 提供者：weixin_42115074

  1. pika:基于Pytorch和（Py）Kaldi的轻量级语音处理工具包-源码

  2. PIKA：基于Pytorch和（Py）Kaldi的轻量级语音处理工具包 PIKA是基于Pytorch和（Py）Kaldi的轻量级语音处理工具包。 第一个版本侧重于端到端语音识别。 我们使用作为深度学习引擎，使用进行数据格式化和特征提取。 主要特点 即时数据扩充和特征提取加载程序 TDNN变压器编码器以及基于卷积和变压器的解码器模型结构 RNNT训练和批量解码 带有外部Ngram FST的RNNT解码（即时记录，aka浅层融合） RNNT最低贝叶斯风险（MBR）培训 用于RNNT的LAS前向和后

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：95kb
    • 提供者：weixin_42166105

  1. Multi-class-Peer-Loss-functions:通过采用对等预测损失功能来学习带有噪声的标签（深度学习和多类版本）-源码

  2. 对等丢失功能 此存储库是ICML2020接受的“”的Pytorch Pytorch实现。 所需的包装和环境 支持的操作系统： Windows，Linux，Mac OS X； 的Python：3.6 / 3.7; 深度学习库： PyTorch（需要GPU） 所需软件包： Numpy，Pandas，random，sklearn，tqdm，csv，火炬（如果要估计噪声转换矩阵，则需要Keras）。 实用工具 该存储库包括： :clipboard: 对等丢失功能的多类实现； :clipboa

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：128mb
    • 提供者：weixin_42139871

  1. 带有火炬的深度学习-源码

  2. 带有火炬的深度学习

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：28kb
    • 提供者：weixin_42117340

  1. ImageClassifier：基于神经网络的图像分类器，带有python命令行界面应用程序-源码

  2. 深度学习•挑战：深度学习模块的Udacity数据科学家纳米学位项目名为“具有深度学习的图像分类器”，它试图训练图像分类器识别不同种类的花朵。 我们可以想象在电话应用程序中使用类似的内容，告诉您相机正在查看的花朵的名称。 实际上，我们必须训练该分类器，然后将其导出以用于我们的应用程序。 我们使用了102种花卉类别的数据集（ ）。 •解决方案：使用火炬视觉加载数据。 数据集分为三个部分：训练，验证和测试。 对于训练，应用了变换，例如随机缩放，裁剪和翻转。 这将有助于网络泛化，从而带来更好的性能。

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：538kb
    • 提供者：weixin_42137723

  1. keras-grad-cam：带有keras的Grad-CAM的实现-源码

  2. 在Keras中实现Grad-CAM 梯度类激活图是用于深度学习网络的可视化技术。 参见论文： : 该论文的作者实现了火炬实施： ： 该代码假定Tensorflow尺寸顺序，并默认在keras.applications中使用VGG16网络（网络权重将在首次使用时下载）。 用法： python grad-cam.py 例子 示例图片： '拳击手'（在keras中为243或242） '老虎猫'（在keras中为283或282）

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：189kb
    • 提供者：weixin_42097819

  1. 带有火炬的深度增强学习：DQN，AC，ACER，A2C，A3C，PG，DDPG，TRPO，PPO，SAC，TD3和PyTorch实施...-源码

  2. 状态：活动（在活动开发中，可能会发生重大更改） 该存储库将实现经典且最新的深度强化学习算法。 该存储库的目的是为人们提供清晰的pytorch代码，以供他们学习深度强化学习算法。 将来，将添加更多最先进的算法，并且还将保留现有代码。 要求 python = 0.10 火炬> = 0.4 请注意，tensorflow不支持python3.7 安装 pip install -r requirements.txt 如果失败： 安装健身房 pip install gym 安装pytorc

  3. 所属分类：其它