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. Pytorch：保存和提取模型

  2. 原文地址 分类目录——Pytorch 这里在我写的 Pytorch：一个简单的神经网络——分类 的基础上进行对模型的保存和提取操作。 为了检验保存的模型就是训练好的模型，先用训练好的模型做个测试 print(net(torch.tensor([2., 5.]))) # 用模型判断（2，5）这个点所属的类别 # tensor([0.9701, 0.0299], grad_fn=) # 数据0、1两个类的概率 Pytorch对模型的报讯提取有两种方式 torch.save(net, 'classn

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：158kb
    • 提供者：weixin_38682254

  1. descriptor-transformer:音频描述符变压器-源码

  2. 描述符变压器 提取音频描述符，并学习使用转换器生成它们。 发展 选项1：通用 如果需要，请安装python >= 3.6并为pytorch提供GPU支持。 pip install -r requirements.txt 运行测试 pytest 选项2：使用nix和direnv 安装软件包管理器和 。 direnv插入您的外壳。 在此存储库的检出中direnv allow 。 用法 首先从文件夹中的.wav文件中提取音频功能（例如my_folder ），然后将其保存到文件中（例如my_fe

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：44kb
    • 提供者：weixin_42136791

  1. GTS:论文“面向方面的细粒度意见提取的网格标记方案”的代码和数据。 方面意见对数据集和方面三元组数据集-源码

  2. GTS 。 吴震，应成灿，赵飞，范志芳，戴新宇，夏瑞。 在《 EMNLP的发现》中，2020年。 数据 [] [ （来自拥抱面）] 数据格式描述在。 注：我们认为三重数据集是从我们以前的工作的比对数据集和原始SemEval ， ， 的数据集。 要求 有关详细信息，请参见require.txt或Pipfile pytorch == 1.7.1 变形金刚== 3.4.0 Python= 3.6 用法 训练 例如，您可以使用以下命令对OPE任务上的Bert进行微调（预先训练的Bert模型

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：19mb
    • 提供者：weixin_42131861

  1. ManiGAN:ManiGAN的Pytorch实现-源码

  2. 马尼甘 ManiGAN的Pytorch实现：文本引导的图像处理。 目的是根据给定的文本在语义上编辑图像的各个部分，同时保留与文本无关的内容。 概述 。 ，，，。 牛津大学CVPR 2020 数据 下载和的预处理元数据，然后将两者保存到data/ 下载数据集并将图像提取到data/birds/ 下载数据集并将图像提取到data/coco/ 训练 所有代码都是在带有Python 3.7（Anaconda）和PyTorch 1.1的CentOS 7上开发和测试的。 模型包括文本编码器和图像编码器

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：521kb
    • 提供者：weixin_42181888

  1. delta-learning-for-ed:ACL 2019中论文“用于通过Delta表示学习进行事件检测的蒸馏区分和泛化知识”的源代码-Source code learning

  2. Delta-Learning用于事件检测 这是ACL 2019中论文``用于通过Delta表示学习进行事件检测的提炼区分和泛化知识''的源代码。 要求 Python 2.7 PyTorch> = 0.4.0 六 恩特克 h5py（用于预先计算的elmo表示） 用法 训练和测试模型 python train_event_detector.py python eval_event_detector.py 本文中的超参数保存在选项文件“ base / option.py”和运行脚本“ s

  3. 所属分类：其它

    • 发布日期：2021-03-25
    • 文件大小：41mb
    • 提供者：weixin_42135754

  1. AdaCare:AdaCare的源代码-Car source code

  2. AdaCare：可通过比例自适应特征提取和重新校准进行的可解释的临床健康状况表示学习 AdaCare的源代码：通过比例自适应特征提取和重新校准的可解释的临床健康状况表示学习 可视化 欢迎测试我们的可视化工具的原型。 临床隐藏状态由我们最新的表示学习模型ConCare 和AdaCare建立。 国际化的多语言支持即将推出。 要求 安装python，pytorch。 我们使用Python 3.7.3，Pytorch 1.1。 如果您打算使用GPU计算，请安装CUDA 资料准备 我们不提供MIMIC-

  3. 所属分类：其它