您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 单路径NAS:导出设备优化网络的快速神经网络架构搜索技术

  2. 单路径NAS:导出设备优化网络的快速神经网络架构搜索技术,Thoughts on Single-Path NAS — A fast neural architecture search technique for deriving a device-optimized network。
  3. 所属分类:深度学习

    • 发布日期:2019-04-12
    • 文件大小:1mb
    • 提供者:tox33
  1. Python-Mnasnet的PyTorch实现MnasNet平台感知神经架构搜索移动

  2. A PyTorch implementation of Mnasnet: MnasNet: Platform-Aware Neural Architecture Search for Mobile.
  3. 所属分类:其它

  1. Python-MoGA超越MobileNetV3的神经架构搜索小米AI的最新NAS成果

  2. MoGA: 超越MobileNetV3的神经架构搜索,小米AI的最新NAS成果
  3. 所属分类:其它

    • 发布日期:2019-08-11
    • 文件大小:512kb
    • 提供者:weixin_39841856
  1. Python-实现论文AutoDeepLab分层神经架构搜索语义图像分割

  2. 实现论文Auto-DeepLab分层神经架构搜索语义图像分割
  3. 所属分类:其它

    • 发布日期:2019-08-11
    • 文件大小:26kb
    • 提供者:weixin_39840924
  1. Python-NASBench神经架构搜索数据集和基准

  2. NASBench: 神经架构搜索数据集和基准
  3. 所属分类:其它

    • 发布日期:2019-08-11
    • 文件大小:274kb
    • 提供者:weixin_39840515
  1. Python-TensorFlow增强学习神经网络架构搜索手把手指南

  2. TensorFlow增强学习神经网络架构搜索手把手指南
  3. 所属分类:其它

    • 发布日期:2019-08-11
    • 文件大小:11mb
    • 提供者:weixin_39841856
  1. 神经架构搜索鲁棒性(来源于CVPR 2020-港中文-MIT ).pdf

  2. 对抗攻击的最新进展揭示了现代深层神经网络的内在弱点。从那时起,人们就致力于通过专门的学习算法和损失函数来增强深度网络的鲁棒性。在这项工作中,我们从体系结构的角度研究了网络体系结构的模式,这些模式对对抗攻击具有弹性。
  3. 所属分类:机器学习

    • 发布日期:2020-04-08
    • 文件大小:1mb
    • 提供者:syp_net
  1. 百度AutoDL「自动深度学习: 理论、算法、平台和应用」【附132页ppt】.zip

  2. 百度研究院大数据实验室窦德景博士等人给了关于自动深度学习的教程包括AutoDL的理论、算法、平台和应用,共132PPT,涵盖神经架构搜索、迁移学习和元学习,以及深度学习模型压缩。该教程将包括对最先进的算法和系统的全面调研。是了解工业界学术界的最好自动深度资料。
  3. 所属分类:机器学习

    • 发布日期:2020-02-05
    • 文件大小:118mb
    • 提供者:syp_net
  1. 最新《神经架构搜索NAS》(来自西北大学)

  2. 神经架构搜索Neural Architecture Search (NAS)是深度学习研究热点。NAS旨在通过使用有限的计算资源,以尽可能少的人工干预的自动化方式设计具有最佳性能的网络架构。西北大学等学者发布了关于神经架构搜索的综述论文,对NAS进行了全面、系统的综述。
  3. 所属分类:机器学习

    • 发布日期:2020-06-05
    • 文件大小:1mb
    • 提供者:syp_net
  1. 《神经架构搜索NAS》最新进展综述

  2. 神经架构搜索(NAS)自动化网络结构工程。它的目标是学习一种网络拓扑,可以在特定任务上获得最佳性能。通过将NAS的方法分解为三个组件:搜索空间、搜索算法和子模型演化策略,这篇文章回顾了许多更好、更快、更经济的自动神经结构搜索的有趣想法。
  3. 所属分类:机器学习

    • 发布日期:2020-08-13
    • 文件大小:6mb
    • 提供者:syp_net
  1. automl-神经架构搜索(NAS)-综述

  2. 综述文章 Neural Architecture Search: A Survey (神经网络结构搜索survey) 神经架构搜索的几个研究视角 搜索空间/模型结构 搜索空间定义了NAS算法可以搜索的神经网络的类型,同时也定义了应该如何描述神经网络结构。神经网络所实现的计算可以抽象成一个无孤立节点的有向无环图(DAG),图的节点代表神经网络的层(卷积网络中的特征图),边代表数据的流动(进行的操作:卷积、池化等)。每个节点从其前驱节点(有边射入)接收数据,经过计算之后将数据输出到后续节点(有
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:326kb
    • 提供者:weixin_38621386
  1. SNAG:CIKM-CSSA 2020论文SNAG的源代码“图形神经网络的简化神经体系结构搜索”-Search source code

  2. 简化图神经网络的架构搜索 概述 这是我们在CSSA-CIKM 2020中发布的论文《的代码。这是用于图神经网络(GNN)的神经体系结构搜索(NAS)。 为了获得最佳的数据特定的GNN架构,我们提出了SNAG框架,该框架由一个更简单但更具表现力的搜索空间和一个基于RL的搜索算法组成。 该框架是在和的基础上实现的。 与GraphNAS的主要区别是: 1. We provide the implementation of weight sharing strategy. 2. The finetu
  3. 所属分类:其它

    • 发布日期:2021-03-24
    • 文件大小:88kb
    • 提供者:weixin_42168230
  1. Fast_Seg:此仓库在Pytorch的CityScapesCamvid DataSet上提供了快速的语义分割模型-源码

  2. :high_voltage: Fast_Seg :high_voltage: 此回购尝试在道路场景数据集(CityScape,Mapillary,Camvid)上实现最新的快速语义分割模型。 此回购协议的目的是什么? 此存储库旨在进行实验并验证快速语义分段的想法,并且该存储库还提供了一些快速模型。 我们的ICnet实施实现了74.5%的mIoU ,比原始纸张高5% 。 !!!!!此处: 精确段的另一个链接: 提供了一些最新的准确方法实现。 动物园模型(更新中) ICNet:ICnet,用于
  3. 所属分类:其它

  1. AI-Surveys:整理AI相关领域的一些概述-源码

  2. 人工智能调查 本repo主要整理AI相关领域的一些概述,起因是看到了这个非常棒的项目。 目前添加了『自然语言处理』模块的部分觉得不错的概述。 欢迎有兴趣的小伙伴们一起整理。 自然语言处理(NLP) 文本分类(文本分类) 情感分析 命名实体识别(命名实体识别) 关系抽取(关系提取) 文本匹配(文本匹配) 阅读理解(阅读理解) 机器翻译(机器翻译) 文本生成(文本生成) 摘要抽取(Abstractive Summarization) 对话系统 知识图谱(知识图) 深度学习(深度学习) 迁移学习(转移
  3. 所属分类:其它

  1. NATS-Bench:TPAMI 2021-源码

  2. 神经架构搜索(NAS)吸引了很多关注,并且在过去的几年中被证明可以在大量应用中带来明显的好处。 网络拓扑和网络规模已被视为深度学习模型性能的两个最重要方面,并且社区为神经体系结构的这两个方面催生了许多搜索算法。 但是,这些搜索算法的性能增益是在不同的搜索空间和训练设置下实现的。 这使得算法的整体性能无与伦比,并且对搜索模型的子模块的改进尚不清楚。 在本文中,我们提出了NATS-Bench,这是(几乎)任何最新的NAS算法在搜索拓扑和大小时的统一基准。 NATS-Bench在三个数据集中包含用于结
  3. 所属分类:其它

    • 发布日期:2021-03-17
    • 文件大小:412kb
    • 提供者:weixin_42166918
  1. akanametov.github.io:关于我-源码

  2. 阿扎玛特·卡纳梅托夫(Azamat Kanametov) 驻德国柏林的软件工程师(有时还是记者) / / :laptop:技术经验 高级实验室助理(2020年11月至今) 神经架构搜索的优化 提供分类任务数据集的实验 使用的技术: Python,Pytorch,Torchvision,Numpy,Matplotlib。 :graduation_cap:教育 生成对抗网络专长 -Coursera (2021年1月-2021年2月) 数学和物理学理学硕士俄罗斯莫斯科(2020年9月至今)
  3. 所属分类:其它

    • 发布日期:2021-03-16
    • 文件大小:15kb
    • 提供者:weixin_42160278
  1. 深度神经网络同时进行特征学习和哈希编码

  2. 保留相似性的哈希是在大型图像检索任务中用于最近邻居搜索的一种广泛使用的方法。 对于大多数现有的散列方法,首先将图像编码为人工设计视觉特征的向量,然后再进行另一个单独的生成二进制代码的投影或量化步骤。 然而,这样的视觉特征向量可能与编码过程不是最佳兼容的,因此产生了次优的哈希码。 在本文中,我们提出了一种用于监督哈希的深度体系结构,该体系结构中的图像通过精心设计的深度神经网络映射为二进制代码。 所提出的深层架构的管线由三个构建块组成:1)带有一堆卷积层的子网,以产生有效的中间图像特征; 2)分割编
  3. 所属分类:其它

    • 发布日期:2021-03-14
    • 文件大小:354kb
    • 提供者:weixin_38704830
  1. 深度图贝叶斯优化的深度神经架构搜索

  2. 深度图贝叶斯优化的深度神经架构搜索
  3. 所属分类:其它

    • 发布日期:2021-03-08
    • 文件大小:401kb
    • 提供者:weixin_38703669
  1. 自动模型:用于神经架构搜索的模型参数化-源码

  2. 神经体系结构搜索的模型参数化 可用于NAS的模型定义 MobileNetV2
  3. 所属分类:其它

    • 发布日期:2021-02-17
    • 文件大小:25kb
    • 提供者:weixin_42174098
  1. nni:用于自动化机器学习生命周期的开源AutoML工具包,包括功能工程,神经体系结构搜索,模型压缩和超参数调整-源码

  2. | NNI(神经网络智能)是一个轻量级但功能强大的工具包,可帮助用户自动化,,超参数和。 该工具管理自动机器学习(AutoML)实验,调度和运行由调整算法生成的实验性试验工作,以搜索最佳训练条件下的最佳神经体系结构和/或超参数,例如,, , , , , , ,其他云选项甚至。 谁应该考虑使用NNI 那些想在他们的训练代码/模型中尝试不同的AutoML算法的人。 那些想在不同环境中运行AutoML试用作业以加快搜索速度的人。 想要轻松实现和试验新的AutoML算法的研究人员和数
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:17mb
    • 提供者:weixin_42143221
« 12 3 »