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. WRN-CIFAR10-16-4-Best.h5

  2. WRN-CIFAR10-16-4-Best.h5 wrn是广泛的残余网络，比resnet更快更好！

  3. 所属分类：深度学习

    • 发布日期：2017-12-16
    • 文件大小：10mb
    • 提供者：qq_30803353

  1. DenseNet CVPR Slides

  2. 比resnet更好的卷积神经网络课件，DenseNet CVPR Slides

  3. 所属分类：深度学习

    • 发布日期：2018-06-06
    • 文件大小：833kb
    • 提供者：julialove102123

  1. EfficientDet- Scalable and Efficient Object Detection(中文版).pdf

  2. google EfficientDet 算法中文版paper.将高效网络骨架与我们提出的BiFPN 和复合尺度相结合，我们开发了一种新的对象检测器家族，称为高效Det，它始终以比以前的对象检测器更少的参数和FLOP 来获得更好的精度。图和图形显示COCO 数据集上的性能比较。在类似的精度约束下，我们的有效DET使用的FLOP 比YOLOv3 少28 倍，FLOP 比RetinaNet 少30倍，FLOP 比最近基于ResNet 的NAS-FPN 少19 倍。特别是，在单模型和单测试时间尺度下，我

  3. 所属分类：深度学习

    • 发布日期：2020-06-18
    • 文件大小：559kb
    • 提供者：myhes

  1. 图片分类比resnet好的网络.zip

  2. 这个网络比ｒｅｓｎｅｎｔ网络分类能强好多好多

  3. 所属分类：深度学习

    • 发布日期：2020-10-21
    • 文件大小：650mb
    • 提供者：weixin_32759777

  1. PyTorch-StudioGAN:StudioGAN是一个Pytorch库，为有条件无条件图像生成提供代表性的生成对抗网络（GAN）的实现-源码

  2. StudioGAN是一个Pytorch库，为有条件/无条件图像生成提供了代表性的生成对抗网络（GAN）的实现。 StudioGAN旨在为现代GAN提供一个完全相同的场所，以便机器学习研究人员可以轻松比较和分析新想法。 特征 PyTorch的广泛GAN实施 使用CIFAR10，Tiny ImageNet和ImageNet数据集的GAN的综合基准 比原始实现更好的性能和更低的内存消耗 提供与最新的PyTorch环境完全兼容的预训练模型 支持多GPU（DP，DDP和多节点DistributedData

  3. 所属分类：其它

  1. minecraft-bc-2020:MineRL2020竞争行为克隆解决方案-源码

  2. 使用行为克隆玩Minecraft，2020年版 该存储库仅包含NoActionWasted团队对的最终排名，模仿学习，排名第四。 团队成员： ， 和 。 核心成分： 写在PyTorch中。 在比赛中，动作被混淆成连续的向量。 我们在人类数据集上使用了k均值聚类来创建具有代表性的动作，效果非常好（感谢）。 连续的动作矢量被映射到最接近的质心，并且所有学习都是在这些离散的动作上完成的。 行为克隆（即训练网络以预测人类采取的行动）。 网络模型：具有LSTM层的小型ResNet（有关类似架

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：33kb
    • 提供者：weixin_42116058

  1. DenseNet：比ResNet更优的CNN模型

  2. 本文来自于个人博客，本篇文章首先介绍DenseNet的原理以及网路架构，然后讲解DenseNet在Pytorch上的实现。在计算机视觉领域，卷积神经网络（CNN）已经成为最主流的方法，比如最近的GoogLenet，VGG-19，Incepetion等模型。CNN史上的一个里程碑事件是ResNet模型的出现，ResNet可以训练出更深的CNN模型，从而实现更高的准确度。ResNet模型的核心是通过建立前面层与后面层之间的“短路连接”（shortcuts，skipconnection），这有助于训练

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：770kb
    • 提供者：weixin_38518376