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. 神经池：图神经网络的神经池-源码

  2. 图神经网络的神经池化 这是我的IAS SRFP 2020项目“图形神经网络的神经池”的代码。 Neural-Pooling文件夹包含代码。 Papers文件夹包含一些引用的论文。 Presentations文件夹包含每周的主题演讲。 系统要求 程式语言 Python 3.6 Python包 PyTorch > 1.0.0, tqdm, networkx, numpy 设置 如果您想尝试我们提出的神经池化方法，请复制graphcnn.py文件从以下任一位置进入Neural-Pooling/

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：41mb
    • 提供者：weixin_42131439

  1. DeepLearningTensorflow：使用TensorFlow进行深度学习和机器学习的练习文件-源码

  2. 使用TensorFlow进行深度学习和机器学习 按 这些是使用进行的练习文件。 课程大纲可以在下面找到 第一天 第1单元入门 什么是TensorFlow 安装并运行TensorFlow 模块2基本Tensorflow操作 持续的 图操作 数学 矩阵 占位符 多变的 模块3数据集 MNIST手写数字数据集 CIFAR图像数据集 一种热编码/解码 将数据集拆分为培训/测试 第4单元TF上的机器学习 回归ML模型 损失函数 优化器 训练 保存并加载模型 单元5神经网络（NN） 什么是神经网

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：21kb
    • 提供者：weixin_42139302

  1. twitter-turing-test：一种游戏，您需要猜测一条推文是来自人类的，还是来自经过某类推文训练的神经网络语言模型-源码

  2. Twitter图灵测试 一个游戏，您需要猜测一条推文是来自人类的，还是来自经过某类推文训练的神经网络语言模型。 总览 该项目使用以下开源项目来开发我们的模型： 用于从一组用户名中抓取Twitter数据。 对于某些较大的数据集， 用作代理池，以避免Twitter的IP黑名单。 ，可根据其他数据微调模型。 将模型部署到以获得实时HTTP端点。 前端React应用程序是静态推文和Model Zoo HTTP端点的数据集的包装。 有关更多详细信息，请参见。 如何训练和部署自己的语言模型 准备数据

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：26mb
    • 提供者：weixin_42114041

  1. spektral：具有Keras和Tensorflow 2的图神经网络-源码

  2. 欢迎来到Spektral Spektral是一个基于Keras API和TensorFlow 2的用于图深度学习的Python库。该项目的主要目标是提供一个简单而灵活的框架来创建图神经网络（GNN）。 您可以使用Spektral对社交网络的用户进行分类，预测分子特性，使用GAN生成新图形，聚类节点，预测链接以及图形描述数据的任何其他任务。 Spektral实现了一些最流行的图深度学习层，包括： 和许多其他（请参阅）。 您还可以找到，包括： 全局池 Spektral还包括许多实用程序，用于

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：213kb
    • 提供者：weixin_42123456

  1. devol：使用Keras进行遗传神经体系结构搜索-源码

  2. DEvol-深度神经网络演进 DEvol（DeepEvolution）是Keras中进行遗传结构搜索的基本概念证明。 当前设置是为解决分类问题而设计的，尽管可以将其扩展为包括任何其他输出类型。 有关简单示例，请参见example/demo.ipynb 。 演化 每种模型都表示为固定宽度的基因组，其编码有关网络结构的信息。 在当前设置中，模型包含多个卷积层，多个密集层和一个优化器。 卷积层可以演变为包括不同数量的特征图，不同的激活函数，不同比例的辍学以及是否执行批量归一化和/或最大池化。 除最大

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：14kb
    • 提供者：weixin_42134234

  1. MeshCNN：PyTorch中用于3D网格的卷积神经网络-源码

  2. PyTorch中的MeshCNN SIGGRAPH 2019 MeshCNN是用于3D三角形网格的通用深度神经网络，可用于诸如3D形状分类或分割之类的任务。 该框架包括直接应用于网格边缘的卷积，池化和解池层。 该代码由和在支持下编写。 入门 安装 克隆此仓库： git clone https://github.com/ranahanocka/MeshCNN.git cd MeshCNN 安装依赖项： 1.2版。 可选： 用于训练图。 通过新的conda环境conda env crea

  3. 所属分类：其它

  1. SoftPool:近似指数最大池的代码-源码

  2. 使用SoftPool完善激活下采样 抽象的 卷积神经网络（CNN）使用合并来减小激活图的大小。这个过程对于局部实现空间不变性和增加后续卷积的接收场至关重要。池操作应最大程度地减少激活图中的信息丢失。同时，应限制计算和内存开销。为了满足这些要求，我们提出了SoftPool：一种快速有效的方法，可以对指数加权的激活求和。与一系列其他合并方法相比，SoftPool在下采样的激活图中保留了更多信息。更精细的下采样可导致更好的分类准确性。在ImageNet1K上，对于一系列流行的CNN架构，用SoftPo

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：105mb
    • 提供者：weixin_42097914