您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. pytorch版可变形卷积代码DCNv2.zip

  2. pytorch版可变形卷积代码DCNv2,下载编译可直接使用,内附编译过程及详细使用方法。在Ubuntu环境下使用的。
  3. 所属分类:深度学习

    • 发布日期:2020-04-09
    • 文件大小:22kb
    • 提供者:m0_37407756
  1. Pytorch之卷积层的使用详解

  2. 今天小编就为大家分享一篇Pytorch之卷积层的使用详解,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_38736529
  1. PyTorch 普通卷积和空洞卷积实例

  2. 今天小编就为大家分享一篇PyTorch 普通卷积和空洞卷积实例,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:65kb
    • 提供者:weixin_38586279
  1. 空洞卷积+残差网络.rar

  2. 博客见:https://blog.csdn.net/qq_37534947/article/details/109727232,主要是空洞卷积以及残差网络的代码实现,包含数据集,框架是pytorch
  3. 所属分类:互联网

    • 发布日期:2020-11-16
    • 文件大小:151mb
    • 提供者:qq_37534947
  1. 基于站点数据的图卷积神经网络的实现 pyotrch

  2. 基于站点数据的图卷积神经网络的实现 pyotrch问题描述数据的预处理 问题描述 基于简单数据的图卷积神经网络展示,假设有5个空间相关的点(nodes),每个点有一个特征(feature),通过图卷积利用5个点的数据对某一点数据进行订正。 参考多篇博客和github代码基于python编译了图卷积神经网络,主要使用pytorch实现图卷积,具体是否正确还请各位大佬多多指教。 数据的预处理 数据预处理 研究中基于点的距离建立了***adjacency matrix***,代码如下 lon_lat
  3. 所属分类:其它

    • 发布日期:2020-12-22
    • 文件大小:62kb
    • 提供者:weixin_38743481
  1. pytorch实现CNN卷积神经网络

  2. 本文为大家讲解了pytorch实现CNN卷积神经网络,供大家参考,具体内容如下 我对卷积神经网络的一些认识     卷积神经网络是时下最为流行的一种深度学习网络,由于其具有局部感受野等特性,让其与人眼识别图像具有相似性,因此被广泛应用于图像识别中,本人是研究机械故障诊断方面的,一般利用旋转机械的振动信号作为数据。     对一维信号,通常采取的方法有两种,第一,直接对其做一维卷积,第二,反映到时频图像上,这就变成了图像识别,此前一直都在利用keras搭建网络,最近学了pytroch搭建cnn的方
  3. 所属分类:其它

    • 发布日期:2020-12-20
    • 文件大小:49kb
    • 提供者:weixin_38718434
  1. pyconv:金字塔形卷积-源码

  2. 金字塔形卷积 这是我们的论文的PyTorch实现。 (请注意,这是ImageNet上图像识别的代码。有关语义图像分割/解析的信息,请参见以下存储库: : ) 在ImageNet上训练的模型可以在找到。 PyConv能够提供比基线更高的识别能力(有关详细信息,请参见)。 ImageNet上的准确性(使用默认培训设置): 网络 50层 101层 152层 ResNet 76.12%( ) 78.00%( ) 78.45%( ) PyConvHGResNet 78.48 %( )
  3. 所属分类:其它

    • 发布日期:2021-03-19
    • 文件大小:202kb
    • 提供者:weixin_42135753
  1. tiny_cnn:卷积,关联和合并是神经网络的基本单元。 该测试希望您在CC ++中编写这三部分的功能-源码

  2. tiny_CNN性能测试 卷积,Relu以及池化是卷积神经网络的基本单元,这个项目采用C ++实现了这三个基本单元的前进和后退计算。并且实现了将这三个单元组合为一体的模块以提高性能,组合后有1.2倍的性能提升。该项目采用OpenMP支持多核并行。 目录 介绍 1.项目结构 ./src原始码 ./lib开源第三方矩阵库Eigen(长期可调用MKL) ./data mnist数据集 ./python numpy实现算法demo以及Pytorch作基准 ./main.cpp测试性能代码 2.建立 m
  3. 所属分类:其它

    • 发布日期:2021-03-16
    • 文件大小:11mb
    • 提供者:weixin_42102358
  1. neurvps:通过圆锥卷积的神经消失点扫描-源码

  2. NeurVPS:通过圆锥卷积的神经消失点扫描 该存储库包含该文件的官方PyTorch实施:,,,。 。 NeurIPS 2019。 介绍 NeurVPS是一个端到端的可训练深度网络,具有受几何启发的卷积运算符,用于检测图像中的消失点。 凭借数据驱动方法和几何先验的能力,NeurVPS能够胜过诸如和之类的最新技术消失点检测方法。 主要结果 定性措施 随机抽样的结果可以在论文的中找到。 量化措施 此处,x轴表示检测到的消失点的角度精度,y轴表示误差小于此值的结果的百分比。 我们的圆锥卷积网络优
  3. 所属分类:其它

    • 发布日期:2021-03-10
    • 文件大小:945kb
    • 提供者:weixin_42174098
  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. box-convolutions:“具有Box卷积的深度神经网络”论文的PyTorch代码-源码

  2. ConvNets的盒卷积层 单箱转换网络(来自`examples / mnist.py`)学习MNIST上的模式 这是什么 这是2018 NeurIPS 介绍的盒卷积层的PyTorch实现: Burkov,E.,&Lempitsky,V.(2018)带盒卷积的深度神经网络。 神经信息处理系统的进展31,6214-6224。 如何使用 正在安装 python3 -m pip install git+https://github.com/shrubb/box-convolutions.git p
  3. 所属分类:其它

    • 发布日期:2021-02-20
    • 文件大小:49kb
    • 提供者:weixin_42127020
  1. CondConvContinual:涂成浩,吴成恩和陈楚松,“扩展条件卷积结构以增强多任务持续学习”,亚太信号和信息处理协会亚太峰会,APSIPA ASC 2020年会-源码

  2. CondConvContinual 这是Pytorch官方实现 屠成浩,吴成恩和陈楚松创作 该代码仅供学术研究使用。 对于商业用途,请联系教授( )。 基准测试 介绍 在最近的深度学习研究中,条件运算已经引起了很多关注,以促进模型的预测准确性。 向此方向的最新进展是条件参数卷积(CondConv),提出利用条件深层模型权重提供的附加容量来增强性能,而对模型的计算复杂性的影响则要小得多。 CondConv使用依赖于输入的融合参数,这些参数可以自适应地组合多列卷积内核以提高性能。 在运行时,内核
  3. 所属分类:其它

    • 发布日期:2021-02-19
    • 文件大小:582kb
    • 提供者:weixin_42104181
  1. RHGNN:通过PyTorch中的强化学习进行的自适应双曲图卷积神经网络-源码

  2. PyTorch中的RAHGCN 1.概述 该存储库是PyTorch中通过强化学习(RAHGCN)实现的自适应双曲图卷积神经网络。 下游任务包括: 链接预测( lp ) 节点分类( nc ) 2.设定 2.1下载代码 首先从Github下载源代码。 git clone gitgithub.com:fuxingcheng/RHGNN.git" cd rahgcn 2.2启动虚拟环境 我们建议在虚拟环境中设置我们的项目。 您可以选择conda或virtualenv来创建和管理虚拟环境。 如果
  3. 所属分类:其它

  1. stconvs2s:“ STConvS2S:时空卷积序列到天气预报的序列网络”的代码(Neurocomputing,Elsevier)-源码

  2. STConvS2S:时空卷积序列到序列网络以进行天气预报 更新:随着我们架构的变化而发布的新代码。 请参阅以了解详细信息(2020年11月) 该存储库具有称为STConvS2S的新体系结构的开源实现。 综上所述,我们的方法(STConvS2S)仅使用3D卷积神经网络(CNN)来处理使用时空数据的序列到序列任务。 我们将结果与最新架构进行比较。 ( 版本)上的详细信息。 要求 主要,我们的代码使用Python 3.6和PyTorch 1.0。 有关其他要求,请参见 。 要以与执行实验相同的版
  3. 所属分类:其它

  1. 注意转移:通过注意转移改善卷积网络(ICLR 2017)-源码

  2. 注意转移 PyTorch代码“更多地关注注意力:通过注意力转移提高卷积神经网络的性能” ICLR2017会议论文: ://openreview.net/forum id Sks9_ajex 到目前为止,此仓库中有什么: 用于CIFAR-10实验的基于激活的AT代码 ImageNet实验代码(ResNet-18-ResNet-34学生教师) Jupyter笔记本可视化ResNet-34的注意力图 未来: 基于研究生的AT 基于场景和CUB激活的AT代码 该代码使用PyTorch
  3. 所属分类:其它

    • 发布日期:2021-02-05
    • 文件大小:403kb
    • 提供者:weixin_42129970
  1. gcn-over-pruned-trees:修剪后的依赖树上的图形卷积可改善关系提取(作者的PyTorch实现)-源码

  2. 修剪后的依赖树上的图卷积用于关系提取 此回购包含PyTorch代码,用于修剪。 本文/代码在修剪的依赖树上引入了图卷积神经网络(GCN),用于关系提取的任务。 还引入了一种特殊的树修剪技术,称为“以路径为中心的修剪”,以从树中消除不相关的信息,同时最大程度地维护相关信息。 与诸如各种基于LSTM的模型之类的序列模型相比,此GCN模型利用依赖结构桥接远程单词,因此提高了远程关系的性能。 与以前的递归模型(如TreeLSTM)相比,此GCN模型在获得更好的性能的同时,也更早地实现了并行化,因此效率
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:602kb
    • 提供者:weixin_42144086
  1. AGGCN:用于关系提取的注意力导向图卷积网络(ACL19论文的作者PyTorch实现)-源码

  2. 用于关系提取的注意力导向图卷积网络 本文/代码介绍了依赖树上的注意力导向图卷积图卷积网络(AGGCN),用于大规模句子级关系提取任务(TACRED)。 你可以在找到论文 参见下面的模型架构概述: 要求 我们的模型在Nvidia DGX的GPU Tesla P100-SXM2上进行了训练。 Python 3(在3.6.8上测试) PyTorch(经过0.4.1测试) CUDA(在9.0上测试) tqdm 解压缩,wget(仅用于下载) 我们已经在此仓库中发布了训练有素的模型和训练日志
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:135mb
    • 提供者:weixin_42101384
  1. crnn:卷积递归神经网络(CRNN),用于基于图像的序列识别-源码

  2. 卷积递归神经网络 该软件实现了卷积递归神经网络(CRNN),它结合了CNN,RNN和CTC损失,可用于基于图像的序列识别任务,例如场景文本识别和OCR。 有关详细信息,请参阅我们的论文 。 更新2017年3月14日,一个Docker文件已添加到项目中。 感谢 。 UPDATE 2017年5月1日一PyTorch已作出 。 更新2017年6月19日对于端到端文本检测器+识别器,请通过签出 。 建立 该软件仅在Ubuntu 14.04(x64)上经过测试。 需要启用CUDA的GPU。 要构建项
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:67kb
    • 提供者:weixin_42131785
  1. MeshCNN:PyTorch中用于3D网格的卷积神经网络-源码

  2. PyTorch中的MeshCNN SIGGRAPH 2019 MeshCNN是用于3D三角形网格的通用深度神经网络,可用于诸如3D形状分类或分割之类的任务。 该框架包括直接应用于网格边缘的卷积,池化和解池层。 该代码由和在支持下编写。 入门 安装 克隆此仓库: git clone https://github.com/ranahanocka/MeshCNN.git cd MeshCNN 安装依赖项: 1.2版。 可选: 用于训练图。 通过新的conda环境conda env crea
  3. 所属分类:其它

  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 3 4 5 6 »