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. Alexnet_pytorch_单GPU

  2. 使用Alexnet 网络，识别猫狗图片的分类。机子性能原因，只使用了22张图片，epoch 只迭代了10次，只实现了训练代码，纯学习pytorch，Alexnet用的

  3. 所属分类：深度学习

    • 发布日期：2018-10-20
    • 文件大小：8mb
    • 提供者：liuchaohs

  1. 小迈步第一课： MATLAB深度学习入门课堂

  2. 2019.03.14 MATLAB公开教程的PPT，课程内容： 1. 简介 深度学习：直接从数据中进行学习 卷积神经网络：用于图像识别、目标检测、语义分割等任务 2. MATLAB的优势 支持与Tensorflow/Pytorch等开源框架协作 简单易学，高质量的帮助文档和大量示例 高效的开发平台，完整的工具链 实用的数据标注和可视化工具 强大的代码生成功能 支持多平台部署 3. 仅用11行代码实现图像分类 1行代码直接导入经典的Alexnet网络模型 通过摄像头实时采集图像数据，可识别100

  3. 所属分类：深度学习

  1. PyTorch实现AlexNet示例

  2. 今天小编就为大家分享一篇PyTorch实现AlexNet示例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-18
    • 文件大小：47kb
    • 提供者：weixin_38675506

  1. Network.zip

  2. PyTorch模型 cnn网络的实现： AlexNet、VGG、ResNet、InceptionV1、InceptionV2 and InceptionV3、InceptionV4 and Inception-ResNet 轻量级网络： MobileNets、MobileNetV2、MobileNetV3、ShuffleNet、ShuffleNet V2、SqueezeNet、Xception、MixNet、GhostNet 目标检测/语义分割/实例分割 以下链接包含有效的下载资源： h

  3. 所属分类：深度学习

    • 发布日期：2020-12-10
    • 文件大小：79kb
    • 提供者：weixin_45839039

  1. 浅谈Keras的Sequential与PyTorch的Sequential的区别

  2. 深度学习库Keras中的Sequential是多个网络层的线性堆叠，在实现AlexNet与VGG等网络方面比较容易，因为它们没有ResNet那样的shortcut连接。在Keras中要实现ResNet网络则需要Model模型。 下面是Keras的Sequential具体示例： 可以通过向Sequential模型传递一个layer的list来构造该模型： from keras.models import Sequential from keras.layers import Dense, Act

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：41kb
    • 提供者：weixin_38528680

  1. Pytorch实现GoogLeNet的方法

  2. GoogLeNet也叫InceptionNet，在2014年被提出，如今已到V4版本。GoogleNet比VGGNet具有更深的网络结构，一共有22层，但是参数比AlexNet要少12倍，但是计算量是AlexNet的4倍，原因就是它采用很有效的Inception模块，并且没有全连接层。 最重要的创新点就在于使用inception模块，通过使用不同维度的卷积提取不同尺度的特征图。左图是最初的Inception模块，右图是使用的1×1得卷积对左图的改进，降低了输入的特征图维度，同时降低了网络的参数量

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：171kb
    • 提供者：weixin_38596485

  1. pytorch实现建立自己的数据集(以mnist为例)

  2. 本文将原始的numpy array数据在pytorch下封装为Dataset类的数据集，为后续深度网络训练提供数据。 加载并保存图像信息 首先导入需要的库，定义各种路径。 import os import matplotlib from keras.datasets import mnist import numpy as np from torch.utils.data.dataset import Dataset from PIL import Image import scipy.mis

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：190kb
    • 提供者：weixin_38721691

  1. 动手学深度学习(PyTorch实现)(八)–AlexNet模型

  2. AlexNet模型1. AlexNet模型介绍1.1 AlexNet的特点1.2 AlexNet的结构1.3 AlexNet参数数量2. AlexNet的PyTorch实现2.1 导入相应的包2.2 构建AlexNet网络2.3 加载数据集2.4 训练网络 1. AlexNet模型介绍 由于受到计算机性能的影响，虽然LeNet在图像分类中取得了较好的成绩，但是并没有引起很多的关注。 直到2012年，Alex等人提出的AlexNet网络在ImageNet大赛上以远超第二名的成绩夺冠，卷积神经网络乃

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：195kb
    • 提供者：weixin_38540819

  1. LeNet、AlexNet、VGG、NiN、GoogLeNet

  2. 文章目录LeNet、AlexNet、VGG、NiN、GoogLeNet全连接层与卷积层的优势对比LeNetLeNet模型LeNet的pytorch实现AlexNetAlexNet模型AlexNet的pytorch实现VGGVGG模型VGG的实现NiN(网络中的网络）NiN模型NiN的pytorch实现GooLeNetInception块完整goolenet模型GooLeNet的pytorch小结 LeNet、AlexNet、VGG、NiN、GoogLeNet 全连接层与卷积层的优势对比 使用全连

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：443kb
    • 提供者：weixin_38612811

  1. AlexNet、VGG11、NiN、GoogLeNet等网络的Pytorch实现

  2. 目录AlexNetAlexNet摘要AlexNet代码VGGVGG摘要VGG的优缺点代码NiNNiN摘要GoogLeNetGoogLeNet完整结构 AlexNet AlexNet摘要 由于受到计算机性能的影响，虽然LeNet在图像分类中取得了较好的成绩，但是并没有引起很多的关注。 知道2012年，Alex等人提出的AlexNet网络在ImageNet大赛上以远超第二名的成绩夺冠，卷积神经网络乃至深度学习重新引起了广泛的关注 AlexNet是在LeNet的基础上加深了网络的结构，学习更丰富更高维

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：365kb
    • 提供者：weixin_38571544

  1. pytorch实现VGG网络

  2. 使用重复元素的网络（VGG） AlexNet在LeNet的基础上增加了3个卷积层。但AlexNet作者对它们的卷积窗口、输出通道数和构造顺序均做了大量的调整。虽然AlexNet指明了深度卷积神经网络可以取得出色的结果，但并没有提供简单的规则以指导后来的研究者如何设计新的网络。我们将在本章的后续几节里介绍几种不同的深度网络设计思路。 本节介绍VGG，它的名字来源于论文作者所在的实验室Visual Geometry Group [1]。VGG提出了可以通过重复使用简单的基础块来构建深度模型的思路。

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：65kb
    • 提供者：weixin_38692184

  1. AlexNet手写数字识别.rar

  2. pytorch+AlexNet实现的手写数字识别

  3. 所属分类：互联网

    • 发布日期：2021-03-05
    • 文件大小：36mb
    • 提供者：qq_41964545

  1. 分层dnn解释：使用论文《神经网络预测的分层解释》中的复制ACD（ICLR 2019）-源码

  2. 从神经网络预测的层次解释论文中使用/复制ACD的官方代码（ICLR 2019 ）。 该代码为神经网络所做的单个预测生成层次解释。 注意：此存储库正在积极维护。 如有任何疑问，请提出问题。 例子/文档 安装： pip install acd （或克隆并运行python setup.py install ） 示例： 文件夹包含带有许多演示的笔记本 api ： 提供可用功能列表 src ： 文件夹包含方法实现的源 通过更改超参数允许进行不同类型的解释（在示例中进行了说明） 使用python3和

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：23mb
    • 提供者：weixin_42140846

  1. pytorch实现mnist分类的示例讲解

  2. torchvision包 包含了目前流行的数据集，模型结构和常用的图片转换工具。 torchvision.datasets中包含了以下数据集 MNIST COCO（用于图像标注和目标检测）(Captioning and Detection) LSUN Classification ImageFolder Imagenet-12 CIFAR10 and CIFAR100 STL10 torchvision.models torchvision.models模块的 子模块中包含以下模型结构。 Ale

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：40kb
    • 提供者：weixin_38689338

  1. DEEP_IMPLEMENTS-源码

  2. DEEP_IMPLEMENTS 这个项目是我使用pytorch从零开始实现流行的深度神经网络体系结构的地方。 该项目主要基于pytorch库进行设计，例如学习仅在torchvision库中给出的分类架构。 内容 影像数据 亚历克斯网 VGG16 资源网 起始时间 序列数据 RNN，LSTM，GRU n全部 注意力 变形金刚 如何使用它 有两个主要文件夹src和notebooks 。 notebooks具有实现的jupyter笔记本和python文件的src 。 我先在笔记本上实现，然后在p

  3. 所属分类：其它