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. ENAS PyTorch（高效神经网络结构搜索） 项目

  2. 该项目是对论文《参数共享的高效神经网络结构搜索（Efficient Neural Architecture Search (ENAS) via Parameters Sharing）》的实现。ENAS 做什么？高效神经网络结构搜索，即 ENAS 减少了计算需求，将 NAS 的 GPU 计算时间减少了 1000 倍。他们通过共享大型计算图中的子图模型之间的参数共享来完成此操作。 如何使用它的过程已经在 GitHub 页面上得到了很好的展示。实现这个库的先决条件是： Python 3.6+ 需要

  3. 所属分类：深度学习

    • 发布日期：2018-08-02
    • 文件大小：13mb
    • 提供者：michael_zzl

  1. ENAS-pytorch.zip

  2. 通过改造神经网络图像的画方法，和生成gif的方法将原来的代码兼容性更好，同时还可以单独使用gif生成方法

  3. 所属分类：搜索引擎

    • 发布日期：2020-04-15
    • 文件大小：22mb
    • 提供者：weixin_32759777

  1. ENAS-pytorch

  2. pytorchENAS修复了github上该代码的可视化（也就是后期生成gif，的时候所需要训练时生成网络结构图得 代码，和加载自己的数据集）

  3. 所属分类：深度学习

    • 发布日期：2020-06-22
    • 文件大小：234mb
    • 提供者：weixin_32759777

  1. AutoDL-Projects:在PyTorch中实现的自动化深度学习算法-源码

  2. 自动化深度学习项目（AutoDL-Projects）是一个开源，轻量级但对所有人有用的项目。 该项目实施了几种神经体系结构搜索（NAS）和超参数优化（HPO）算法。中文介绍见 谁应该考虑使用AutoDL-Projects 想要尝试不同AutoDL算法的初学者 想要尝试使用AutoDL调查AutoDL是否适用于您的项目的工程师 想要轻松实现和尝试新的AutoDL算法的研究人员。 我们为什么要使用AutoDL-Projects 简单的库依赖 所有算法都在同一代码库中 主动维护 AutoDL-

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：1002kb
    • 提供者：weixin_42099814

  1. meta-learning-CODEBRIM:我们的CVPR19论文“使用COncrete缺陷桥桥梁图像数据集进行多目标混凝土缺陷分类的元学习卷积神经体系结构”的开源代码-Source code learning

  2. 元学习CODEBRIM 我们的CVPR19论文“使用COncrete缺陷桥桥梁图像数据集进行多目标混凝土缺陷分类的元学习卷积神经体系结构”的开源代码： 或 如果您使用内容（例如数据集），请引用该论文： Martin Mundt，Sagnik Majumder，Sreenivas Murali，Panagiotis Panetsos，Visvanathan Ramesh。 具有混凝土缺陷桥图像数据集的多目标混凝土缺陷分类的元学习卷积神经体系结构。 IEEE计算机视觉与模式识别会议（CVPR）

  3. 所属分类：其它

  1. meta-learning-CODEBRIM:我们的CVPR19论文“使用COncrete缺陷桥桥梁图像数据集进行多目标混凝土缺陷分类的元学习卷积神经体系结构”的开源代码-Source code learning

  2. 元学习CODEBRIM 我们的CVPR19论文“使用COncrete缺陷桥桥梁图像数据集进行多目标混凝土缺陷分类的元学习卷积神经体系结构”的开源代码： 或 如果您使用内容（例如数据集），请引用该论文： Martin Mundt，Sagnik Majumder，Sreenivas Murali，Panagiotis Panetsos，Visvanathan Ramesh。 具有混凝土缺陷桥图像数据集的多目标混凝土缺陷分类的元学习卷积神经体系结构。 IEEE计算机视觉与模式识别会议（CVPR）

  3. 所属分类：其它