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. Object detection at 200 Frames Per Second

  2. 为了解决检测算法计算复杂度过高、内存占用过大的问题，本文提出了一种快而有效的方法，能够在保持高检 测率的同时，达到每秒 200 帧的检测速度。

  3. 所属分类：深度学习

    • 发布日期：2018-08-27
    • 文件大小：4mb
    • 提供者：nihate

  1. PDF 分割/重组好帮手

  2. 　PDF-Tools允许创作（从图像文件格式、 图像扫描仪/网络摄像头和文本文件等）和 Adobe 兼容的 PDF 文件的操作，是恭维你现有的 PDF 创作应用程序中的或作为单独的工具它自己的权利的理想工具 ！PDF-Tools不需要额外的插件或应用程序，如 Adobe Acrobat 或蒸馏器。现在还包括新的PDF-XChange Editor PRO*与标记的视觉手段和修改您的 PDF 文件!或获得PDF-Tools作为一部分PDF-XChange Pro。

  3. 所属分类：图像处理

  1. distillation.zip

  2. 这个是一位博主写的蒸馏代码例子使用的是resnet18网络作为教师网络，自定义cnn为学生网络，也提供了训练好的模型

  3. 所属分类：深度学习

    • 发布日期：2020-04-20
    • 文件大小：14mb
    • 提供者：weixin_32759777

  1. 人工神经网络-基团键贡献耦合模型预测煤液化油的偏心因子

  2. 为探索预测煤直接液化油窄馏分的偏心因子的新方法,建立了基于人工神经网络-基团键贡献耦合模型(ANN-GBC),以煤直接液化油包含的45个基团键和常压沸点(T_b)共46个参数作为该模型的输入参数,研究了煤直接液化油15个窄馏分的偏心因子与分子结构之间的相关性。结果表明,通过计算20个模型化合物的偏心因子,表明ANN-GBC模型具有较好的模拟推算功能,计算值与理论值平均相对误差均在2.5%以下。偏心因子ω随蒸馏切割馏分温度的升高而增大,ANN-GBC模型预测值普遍高于Watanasiri、NEDO

  3. 所属分类：其它

  1. AlembicForUnity.unitypackage

  2. Alembic的unity插件。Alembic是一个开放的计算机图形交换框架。Alembic将复杂的动画场景提炼成非程序化，独立于应用程序的烘焙几何结果集。这种将烘烤几何的场景“完全类似于照明的蒸馏和将场景渲染成渲染图像数据。 Alembic专注于有效地存储复杂程序几何结构的计算结果。它非常特别地不关心存储用于创建计算结果的过程工具的复杂依赖图。例如，Alembic将有效地存储由任意复杂的动画和模拟过程产生的动画顶点位置和动画变换，这些变化可能涉及包络，校正形状，体积保留模拟，布和肉体模拟

  3. 所属分类：C#

    • 发布日期：2020-01-03
    • 文件大小：7mb
    • 提供者：cccyy7861

  1. 常减压蒸馏换热网络夹点节能应用

  2. 常减压蒸馏换热网络夹点节能应用，丁智刚，封子文，换热网络的优化设计一直是化工系统工程最活跃的研究领域。本文阐述了夹点技术工程设计的基本原理、工程要求与热力学分析方法，并

  3. 所属分类：其它

    • 发布日期：2019-12-30
    • 文件大小：337kb
    • 提供者：weixin_38622962

  1. 艾默生(罗斯蒙特)温度产品样本.pdf

  2. 艾默生(罗斯蒙特)温度产品样本pdf,提供艾默生(罗斯蒙特)温度产品样本资料下载，资料主要介绍了温度产品的规格及应用成功的应用 全面的支持 ·利用无线温度变送器测量回转窑中区的 全球运营 温度,使产量提高了5% 艾默生温度产品由遍布全球的生产基地制造,因此无论 ·热备份功能使临界化学反应器重要温度 您在哪里,只要您需要,我们都可以为您提供最佳的交 点的测量数据丢失风险降低80% 付和支持服务。我们在主要基地设有广泛的服务和支持 ·已获专利的蓝宝石传感器使得气化反应 人员网络,包括本地维修和现场服

  3. 所属分类：其它

  1. 最新《知识蒸馏》2020综述论文（来自悉尼大学）

  2. 近年来，深度神经网络在工业和学术界取得了巨大的成功，特别是在视觉识别和神经语言处理方面的应用。深度学习的巨大成功，主要归功于其巨大的可扩展性，既有大规模的数据样本，也有数十亿的模型参数。

  3. 所属分类：机器学习

    • 发布日期：2020-06-14
    • 文件大小：1mb
    • 提供者：syp_net

  1. 知识蒸馏论文读书笔记

  2. 突然觉得，我应该做一点笔记，梳理一下学过的东西，否则年一过，整个人就跟失忆了一样。 知识蒸馏这个名字非常高大上（不得不说大佬不仅想法清新脱俗，名字也起的情形脱俗啊）。如果直白地说老师学生模型，那就不酷了。 下面是论文的总结梳理， 第一次尝试-Model Compression 在2015年hinton 的知识蒸馏文章发表出来之前，就有人尝试过让一个小模型去学习一个大模型的表现，以期能够达到与大模型等同的性能。 这篇文章的标题就叫“Model Comperssion”，是2006年的文章，大家都还

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：270kb
    • 提供者：weixin_38723527

  1. awesome-self-supervised-gnn:关于图神经网络（GNN）的预训练和自我监督学习的论文-源码

  2. 很棒的自我监督 关于图神经网络（GNN）上自我监督学习的论文。如果您认为缺少与相关主题相关的论文，请随时通过问题或请求请求告知我们。 2021年 [arXiv 2021]使用基于子结构对比的图形表示学习进行药物目标预测 [arXiv 2021]通过元学习进行图神经网络的自我监督辅助学习 [arXiv 2021]图自我监督学习：一项调查 [arXiv 2021]迈向鲁棒图对比学习 [arXiv 2021]动态图神经网络的预训练 [arXiv 2021]图神经网络的自我监督学习：统一审查

  3. 所属分类：其它

  1. carle:细胞自动机强化学习环境-源码

  2. 卡尔 细胞自动机强化学习环境。 在随机网络蒸馏中，给定当前观测值，预测器网络会尝试预测随机网络的输出。 不良的预测对应于新颖的刺激，并有助于探索奖励信号。 （ ） 有关实验，请参见 。

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：19mb
    • 提供者：weixin_42099070

  1. post--multimodal:人工神经网络中的多模态神经元-源码

  2. 蒸馏后-示例 文章的样式和某些功能（例如脚注，引用和数学渲染）取决于 。 我们将模板构建为样式和的独立库，以允许您使用所需的任何Web开发工作流。 但是，如果您对此没有强烈的意见，而只想使用一种开箱即用的入门工具包，该怎么办？ 这是一个入门工具包。 这是使用webpack进行打包，使用svelte和svelte-loader来构建交互式组件/图表，以及使用ejs来内联ejs与我们在构建雄心勃勃的文章（例如时使用的技术选择相同。 开始吧 分叉并重命名，或者简单地复制此存储库。 首次设置 克隆您

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：38mb
    • 提供者：weixin_42114046

  1. 新想法！Geoffrey Hinton独自署名44页论文，如何在神经网络中表示部分-整体层次结构，结构化表示获取可解释性

  2. 本文没有描述一个工作系统。相反，它提出了一个关于表示的单一想法，允许几个不同群体的进步被组合成一个虚构的系统，称为GLOM。这些进展包括transformers、神经域、对比表示学习、蒸馏和胶囊。

  3. 所属分类：机器学习

    • 发布日期：2021-03-01
    • 文件大小：875kb
    • 提供者：syp_net

  1. kill-the-bits：代码为：“而位下降：重新审视神经网络的量化”-源码

  2. 然后下降 该存储库包含我们论文的实现：（ICLR 2020）以及我们获得的压缩模型（ResNets和Mask R-CNN）。 我们的压缩方法基于矢量量化。 它以已经训练有素的神经网络作为输入，并通过所有层级的蒸馏过程和微调阶段来优化网络的准确性。 对于标准网络（如ResNet-18和ResNet-50），此方法优于最新的wrt压缩/精度折衷（请参见）。 安装 我们的代码适用于Python 3.6和最新版本。 要运行代码，您必须安装以下软件包： （版本1.0.1.post2） 这些依赖项

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：26mb
    • 提供者：weixin_42133415

  1. pytorch_classification：利用pytorch实现图像分类的一个完整的代码，训练，预测，TTA，模型融合，模型部署，cnn提取特征，svm或者随机森林等进行分类，模型蒸馏，一个完整的代码-源码

  2. pytorch_classification 利用pytorch实现图像分类，其中包含的密集网，resnext，mobilenet，efficiencynet，resnet等图像分类网络，可以根据需要再行利用torchvision扩展其他的分类算法 实现功能 基础功能利用pytorch实现图像分类 包含带有warmup的cosine学习率调整 warmup的step学习率优调整 多模型融合预测，修正与投票融合 利用flask实现模型云端api部署 使用tta测试时增强进行预测 添加label s

  3. 所属分类：其它

  1. mt-dnn：用于自然语言理解的多任务深度神经网络-源码

  2. 新品发布我们发布了针对LM预训练/微调和f散度的对抗训练。 LM的大规模对抗训练： 。 如果要使用旧版本，请使用以下cmd克隆代码： git clone -b v0.1 https://github.com/namisan/mt-dnn.git 用于自然语言理解的多任务深度神经网络 该PyTorch软件包实现了用于自然语言理解的多任务深度神经网络（MT-DNN），如下所述： 刘晓东*，何鹏程*，陈伟柱和高建峰用于自然语言理解的多任务深度神经网络 *：平等贡献 刘晓东，何鹏程，陈伟柱，高建峰

  3. 所属分类：其它

  1. bert_distill：BERT蒸馏（基于BERT的蒸馏实验）-源码

  2. 基于BERT的蒸馏实验 参考论文《从BERT提取任务特定的知识到简单神经网络》 分别采用keras和pytorch基于textcnn和bilstm（gru）进行了实验 实验数据分割成1（有标签训练）：8（无标签训练）：1（测试） 在情感2分类服装的数据集上初步结果如下： 小模型（textcnn＆bilstm）准确率在0.80〜0.81 BERT模型准确率在0.90〜0.91 蒸馏模型准确率在0.87〜0.88 实验结果与论文某些基本一致，与预期相符 后续将尝试其他更有效的蒸馏方案 使用方法 首

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：30mb
    • 提供者：weixin_42146086

  1. 高效深度神经网络综述

  2. 近年来，深度神经网络（DNN）在计算机视觉、自然语言处理等AI领域中取得了巨大的成功。得益于更深更大的网络结构，DNN的性能正在迅速提升。然而，更深更大的深度神经网络需要巨大的计算和内存资源，在资源受限的场景中，很难部署较大的神经网络模型。如何设计轻量并且高效的深度神经网络来加速其在嵌入式设备上的运行速度，对于推进深度神经网络技术的落地意义巨大。对近年来具有代表性的高效深度神经网络的研究方法和工作进行回顾和总结，包括参数剪枝、模型量化、知识蒸馏、网络搜索和量化。同时分析了不同方法的优点和缺点以及

  3. 所属分类：其它

    • 发布日期：2021-01-19
    • 文件大小：158kb
    • 提供者：weixin_38608866

  1. 无线传感器网络技术在茅台酒生产中的应用

  2. 利用无线传感器网络技术对茅台酒基酒生产过程的蒸馏、晾糟、堆积发酵、窖期发酵条件参数进行监控，实现生产工艺操作的规范化、管 介绍了关于无线传感器网络技术在茅台酒生产中的应用的详细说明，提供传感器的技术资料的下载。

  3. 所属分类：其它

    • 发布日期：2021-03-30
    • 文件大小：292kb
    • 提供者：weixin_38733525

  1. 神经网络加速的渐进式分块知识蒸馏

  2. 神经网络加速的渐进式分块知识蒸馏

  3. 所属分类：其它

    • 发布日期：2021-03-29
    • 文件大小：261kb
    • 提供者：weixin_38670707
« 12 »