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. caffe预测、特征可视化python接口调用

  2. caffe预测、特征可视化python接口调用

  3. 所属分类：其它

    • 发布日期：2016-08-02
    • 文件大小：311kb
    • 提供者：dcxhun3

  1. caffe classify 修改文件

  2. 对caffe框架的python/classify.py文件进行修改，解决需要输入mean文件，更好地可视化输出分类信息，方便传输label文件。

  3. 所属分类：Android

    • 发布日期：2016-10-13
    • 文件大小：5kb
    • 提供者：chen_zhongming

  1. caffe for python官方教程（中文版翻译）00-classification+可视化每一层feature map

  2. 利用caffe的python接口实现分类+可视化每一层（卷积层+池化层+全链接层），官网教程的加强版

  3. 所属分类：Python

    • 发布日期：2016-10-13
    • 文件大小：2mb
    • 提供者：lwslove911

  1. Caffe可视化

  2. 为了更好的学习深度学习，抓们做一个可视化程序，方便看清楚吗，，每一层到底学习了什么，方便后期的学习与调参！

  3. 所属分类：其它

    • 发布日期：2016-11-12
    • 文件大小：2mb
    • 提供者：gzq0723

  1. visualize.zip

  2. 将模型的weights和featuremap的可视化，c++实现

  3. 所属分类：深度学习

    • 发布日期：2017-07-11
    • 文件大小：21mb
    • 提供者：qq_14845119

  1. CNN_UCMerced-LandUse_Caffe_finetune

  2. # CNN_UCMerced-LandUse_Caffe（数据：http://vision.ucmerced.edu/datasets/landuse.html） 主要任务：基于深度学习框架完成对光学遥感图像UCMerced LandUse数据集的分类。 数据特点：共包含21类土地类型图片，每类100张，每张像素大小为256*256，数据类内距离大，类间小。 完成情况：数据量太小，训练数据出现过拟合；为了克服这个问题，又减小训练时间，采用caffe框架，在别人训练好的bvlc_referenc

  3. 所属分类：深度学习

    • 发布日期：2017-08-03
    • 文件大小：1mb
    • 提供者：flyyoung0709

  1. caffe学习笔记完整版

  2. 以具体的实例讲解caffe的使用（附代码），包括MNIST、CIFAR10在caffe的应用，可视化卷积层，如何训练自己的网络等。

  3. 所属分类：深度学习

    • 发布日期：2017-11-08
    • 文件大小：3mb
    • 提供者：haoshu2015

  1. 201 矩阵模型

  2. caffemodel里面保存的就是模型各层的参数，因此我们可以把这些参数提取出来，进行可视化

  3. 所属分类：.Net

    • 发布日期：2018-06-14
    • 文件大小：77mb
    • 提供者：m18961447109

  1. caffe学习笔记

  2. 此文档为小编在学习caffe过程中对caffe的整理训练流程、caffe自带mnist、cifar10实例、各个层参数讲解及对caffe可视化等总结的学习笔记，适用于caffe学习。

  3. 所属分类：深度学习

    • 发布日期：2018-07-25
    • 文件大小：1mb
    • 提供者：qq_29893385

  1. Caffe日志文件可视化分析

  2. 可代码是用QT，基于QCHART开发的，CAFFE日志的可视化分析工具，可以同时画出train loss、test loss、test accuracy

  3. 所属分类：深度学习

    • 发布日期：2019-01-28
    • 文件大小：2mb
    • 提供者：jackyhuangch

  1. Deep_Inside_Convolutional_Networks, 这是一个caffe实现，用于可视化学习的模型.zip

  2. Deep_Inside_Convolutional_Networks, 这是一个caffe实现，用于可视化学习的模型 Deep_Inside_Convolutional_Networks这是一个caffe实现，用于可视化学习的模型。Tech的一个课程项目的一部分。问题语句 Simonyan，K，Vedaldi，A，Zisserman，A: 深层内

  3. 所属分类：其它

  1. deepdraw, 如何使用Caffe生成类可视化的笔记本示例.zip

  2. deepdraw, 如何使用Caffe生成类可视化的笔记本示例 DeepDraw 用 DeepDraw networks生成类可视性( 如上面的一个)，是一个用 Caffe语句生成类可视化的一。 本笔记本的示例和设置基于使用Caffe的pretrained GoogLeNet模型，但是很容易修改

  3. 所属分类：其它

  1. 【最新版】Netron-4.0.4-mac.zip【亲测可用】最好的用于神经网络，深度学习和机器学习模型的可视化工具

  2. Netron是神经网络，深度学习和机器学习模型的查看者。 Netron支持ONNX （ .onnx ， .pb ， .pbtxt ）， .pbtxt （ .h5 ， .keras ）， Core ML （ .mlmodel ）， Caffe （ .caffemodel ， .prototxt ）， Caffe2 （ predict_net.pb ， predict_net.pbtxt ）， Darknet （ .cfg ）， MXNet （ .model ， -symbol.json ），

  3. 所属分类：深度学习

    • 发布日期：2020-04-10
    • 文件大小：66mb
    • 提供者：hu_zhenghui

  1. 用于神经网络，深度学习和机器学习模型的可视化工具

  2. 支持ONNX（.onnx，.pb，.pbtxt），Keras（.h5，.keras），Caffe（.caffemodel，.prototxt），Caffe2（predict_net.pb，predict_net.pbtxt），MXNet（.model，-symbol.json），ncnn（.param）和TensorFlow等模型可视化

  3. 所属分类：深度学习

    • 发布日期：2020-04-07
    • 文件大小：50mb
    • 提供者：qq_34795071

  1. netron模型可视化工具（4.6.3）

  2. Netron 是神经网络、深度学习与机器学习模型的可视化工具, 支持Caffe, tensorflow, onnx, mxnet。github上下载很慢

  3. 所属分类：深度学习

    • 发布日期：2020-12-03
    • 文件大小：55mb
    • 提供者：tofro

  1. PY-GOTURN:这是来自GOTURN纸的单对象跟踪的python-caffe实现-源码

  2. PY-GOTURN 更新 由于不再维护官方的Caffe，因此该存储库将没有任何新更新。 但是，只要您成功编译了Caffe，该存储库就应该可以正常工作。 相反，在此处尝试版本。 其他一些使用此存储库的工作： 注意：请切换到goturn-0.1分支以试用稳定版本。 这是GOTURN的python + Caffe实现：使用回归网络进行通用对象跟踪。 ， ，， ， 产出 车 遮阳篷 当已经可用时，为什么要在python中实现？ 易于详细了解算法的整体流程 轻松尝试新想法 使用工具轻松调试和可视

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：52mb
    • 提供者：weixin_42098759

  1. PyTorch可视化理解卷积神经网络

  2. 本文来自于segmentfault，文章使用图片加代码的形式讲解CNN网络，并对每层的输出进行可视化。如今，机器已经能够在理解、识别图像中的特征和对象等领域实现99％级别的准确率。生活中，我们每天都会运用到这一点，比如，智能手机拍照的时候能够识别脸部、在类似于谷歌搜图中搜索特定照片、从条形码扫描文本或扫描书籍等。造就机器能够获得在这些视觉方面取得优异性能可能是源于一种特定类型的神经网络——卷积神经网络（CNN）。如果你是一个深度学习爱好者，你可能早已听说过这种神经网络，并且可能已经使用一些深度学

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：874kb
    • 提供者：weixin_38746918

  1. MMdnn：MMdnn是一组工具，可帮助用户在不同的深度学习框架之间进行互操作。 例如模型转换和可视化。 在Caffe，Keras，MXNet，Tensorflow，CNTK，PyTorch Onnx和CoreML之间转换模型-源码

  2. MMdnn MMdnn是一个综合的跨框架工具，用于转换，可视化和诊断深度学习（DL）模型。 “ MM”代表模型管理，“ dnn”代表深度神经网络。 主要功能包括： 我们实现了一个通用转换器，可以在框架之间转换DL模型，这意味着您可以使用一个框架训练模型，然后使用另一个框架进行部署。 模型再训练 在模型转换期间，我们生成一些代码片段以简化以后的重新训练或推断。 模型搜索和可视化 我们提供了一个以帮助您找到一些流行的模型。 我们提供了一个以更直观地显示网络体系结构。 模型部署 我们提供一

  3. 所属分类：其它

  1. 试管：Python库，可轻松记录实验并并行化神经网络的超参数搜索-源码

  2. 试管 记录，组织和并行化用于深度学习实验的超参数搜索 文件 试管是一个python库，用于跟踪和并行化深度学习和ML实验的超参数搜索。 它与框架无关，并基于python argparse API构建，易于使用。 pip install test_tube 主要试管用途 （跨多个GPU或CPU）。 使用SLURM跨HPC集群。 记录实验超参数和实验数据。 跨模型进行 。 使用可视化 与Python兼容的任何Python ML库，例如Tensorflow，Keras，Pytorch，Caff

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：699kb
    • 提供者：weixin_42134117

  1. PyTorch可视化理解卷积神经网络

  2. 本文来自于segmentfault，文章使用图片加代码的形式讲解CNN网络，并对每层的输出进行可视化。如今，机器已经能够在理解、识别图像中的特征和对象等领域实现99％级别的准确率。生活中，我们每天都会运用到这一点，比如，智能手机拍照的时候能够识别脸部、在类似于谷歌搜图中搜索特定照片、从条形码扫描文本或扫描书籍等。造就机器能够获得在这些视觉方面取得优异性能可能是源于一种特定类型的神经网络——卷积神经网络（CNN）。如果你是一个深度学习爱好者，你可能早已听说过这种神经网络，并且可能已经使用一些深度学

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：862kb
    • 提供者：weixin_38733281
« 12 »