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之LeNet实现（CIFAR10）.rar

  2. LetNet是卷积神经网络的祖师爷LeCun在1998年提出， 用于解决手写体识别的视觉任务， 我们用CIFAR-10数据集，验证LeNet模型的准确率， 希望能够帮助大家更好的理解LeNet的模型，以及网络训练的整个流程，谢谢大家指正。

  3. 所属分类：深度学习

    • 发布日期：2020-04-15
    • 文件大小：208mb
    • 提供者：qq_37766812

  1. PyTorch实现重写/改写Dataset并载入Dataloader

  2. 前言 众所周知，Dataset和Dataloder是pytorch中进行数据载入的部件。必须将数据载入后，再进行深度学习模型的训练。在pytorch的一些案例教学中，常使用torchvision.datasets自带的MNIST、CIFAR-10数据集，一般流程为： # 下载并存放数据集 train_dataset = torchvision.datasets.CIFAR10(root="数据集存放位置",download=True) # load数据 train_loader = torch

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：59kb
    • 提供者：weixin_38590685

  1. pytorch之ImageFolder使用详解

  2. pytorch之ImageFolder torchvision已经预先实现了常用的Dataset，包括前面使用过的CIFAR-10，以及ImageNet、COCO、MNIST、LSUN等数据集，可通过诸如torchvision.datasets.CIFAR10来调用。在这里介绍一个会经常使用到的Dataset——ImageFolder。 ImageFolder假设所有的文件按文件夹保存，每个文件夹下存储同一个类别的图片，文件夹名为类名，其构造函数如下： ImageFolder(root, tr

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：60kb
    • 提供者：weixin_38651507

  1. pytorch+resnet18实现长尾数据集分类(一)

  2. 实验基于论文： Class-Balanced Loss Based on Effective Number of Samples Class-balanced-loss代码地址：https://github.com/vandit15/Class-balanced-loss-pytorch resnet18代码参考链接：https://blog.csdn.net/sunqiande88/article/details/80100891 制作数据集 论文中通过公式n=niuin = n_iu^in=

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：57kb
    • 提供者：weixin_38725260

  1. FixMatch-pytorch:“ FixMatch”的非官方Pytorch代码-源码

  2. FixMatch-pytorch 非官方pytorch代码 NeurIPS'20。此实现可以重现结果（CIFAR10和CIFAR100），这些结果已在本文中进行了报告。此外，它还包括具有半监督和完全监督方式的训练模型（请在下面的链接中下载）。 要求 python 3.6 pytorch 1.6.0 火炬视觉0.7.0 张量板2.3.0 枕头 结果：分类准确率（％） 除了本文中半监督学习的结果外，我们还附加了完全监督学习的额外结果（50000个标签，仅支持sup）+一致性正则化（50000个标

  3. 所属分类：其它

  1. contiguous_pytorch_params:通过将参数存储在一个连续的内存块中来加速训练-源码

  2. Pytorch的连续参数 通过将参数存储在一个连续的内存块中来加速训练。 3行代码加速您的优化器！ 该图显示了使用Adam和渐变裁剪功能在Cifar10上使用Resnet50对GPU步迹进行比较，其中包含和不包含连续参数。上面的跟踪与默认优化器一起使用，下面的跟踪与参数包装器一起使用。 使用SGD在Cifar10上对Resnet50进行步骤跟踪比较。 与Apex有什么区别？ Apex在C ++中实现了完整的优化器更新，并且仅限于受支持的优化器。该包装器允许使用任何优化器，只要它就地更新参

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：210kb
    • 提供者：weixin_42144086

  1. PyTorch-StudioGAN:StudioGAN是一个Pytorch库，为有条件无条件图像生成提供代表性的生成对抗网络（GAN）的实现-源码

  2. StudioGAN是一个Pytorch库，为有条件/无条件图像生成提供了代表性的生成对抗网络（GAN）的实现。 StudioGAN旨在为现代GAN提供一个完全相同的场所，以便机器学习研究人员可以轻松比较和分析新想法。 特征 PyTorch的广泛GAN实施 使用CIFAR10，Tiny ImageNet和ImageNet数据集的GAN的综合基准 比原始实现更好的性能和更低的内存消耗 提供与最新的PyTorch环境完全兼容的预训练模型 支持多GPU（DP，DDP和多节点DistributedData

  3. 所属分类：其它

  1. scan_unsupervised:扫描+ MOCO无监督学习-源码

  2. 学习对不带标签的图像进行分类 此回购包含我们论文的Pytorch实现： ， ， ，Marc Proesmans和Luc Van Gool。 在ECCV 2020（ ）上接受。 在上Yannic Kilcher对我们论文的解释。 :trophy: SOTA有4个基准。 检出用于或不 。 :NEW_button: 对无监督语义分割感兴趣吗？ 查看我们最近的工作： 。 内容 :NEW_button: 教程部分已添加，检出 。 :NEW_button: 添加了“先行工作”部分，

  3. 所属分类：其它

  1. vdvae-jax:JAXFlax中非常深的VAE-源码

  2. JAX /亚麻中非常深的VAE 从移植而来的使用和。 我试图使该实现尽可能接近原始实现。 我能够重用大部分代码，包括仍然使用PyTorch的数据输入管道。 我建议为此安装PyTorch的仅CPU版本。 使用JAX 0.2.10，亚麻0.3.0，PyTorch 1.7.1，NumPy 1.19.2进行了测试。 我还对cifar10进行了收敛训练，并使用--conv_precision=highest从本文中复制了测试ELBO值2.87，请参见下文。 如果有人要求为cifar训练有素的检查站，

  3. 所属分类：其它

  1. Learning-Rate-Dropout:Pytorch实现学习率下降-源码

  2. 学习率下降 Pytorch实现学习率下降。 论文链接： : 为Cifar10训练ResNet-34： 跑： python main.py --model=resnet --optim=adam_lrd --lr=0.001 --LRD_p=0.5 python main.py --model=resnet --optim=adam --lr=0.001 python main.py --model=resnet --optim=sgd_lrd --lr=0.1 --LRD_p=0.5

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：188kb
    • 提供者：weixin_42166623

  1. PyTorch-Adversarial-Attack-Baselines-for-ImageNet-CIFAR10-MNIST:ImageNet，CIFAR10和MNIST的PyTorch对抗性攻击基准（最先进的攻击比较）-源码

  2. 针对ImageNet，CIFAR10和MNIST的PyTorch对抗性攻击基准 ImageNet，CIFAR10和MNIST的PyTorch对抗性攻击基准（最先进的攻击比较） 该存储库提供了用于评估各种对抗攻击的简单PyTorch实现。 该存储库显示每个数据集的最新攻击成功率。 该存储库利用了攻击库，例如 ， 等。 如果您对此存储库有疑问，请给我发送电子邮件（ ）或提出问题。 影像网 该存储库提供了一个包含1,000个类的小型ImageNet验证数据集。 该数据集每个班级有5张图像（总计

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：629mb
    • 提供者：weixin_42139042

  1. PyTorch-Adversarial-Attack-Baselines-for-ImageNet-CIFAR10-MNIST:ImageNet，CIFAR10和MNIST的PyTorch对抗性攻击基准（最先进的攻击比较）-源码

  2. 针对ImageNet，CIFAR10和MNIST的PyTorch对抗性攻击基准 ImageNet，CIFAR10和MNIST的PyTorch对抗性攻击基准（最先进的攻击比较） 该存储库提供了用于评估各种对抗攻击的简单PyTorch实现。 该存储库显示每个数据集的最新攻击成功率。 该存储库利用了攻击库，例如 ， 等。 如果您对此存储库有疑问，请给我发送电子邮件（ ）或提出问题。 影像网 该存储库提供了一个包含1,000个类的小型ImageNet验证数据集。 该数据集每个班级有5张图像（总计

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：629mb
    • 提供者：weixin_42169245

  1. pytorch-tutorials:Pytorch教程-源码

  2. PyTorch教程 通过研究，我一直在研究python和pytorch代码。 一路走来，我的编码风格发生了巨大的变化，因为我在尝试实现特定的研究思想和/或调试的过程中多次接触“堆栈溢出”和不同的编码风格。 在此仓库中，我提供了一个简单而紧凑的代码模板，用于图像分类和对抗性机器学习。 希望对初学者有帮助。 MNIST和时尚-MNIST CIFAR10

  3. 所属分类：其它

    • 发布日期：2021-03-05
    • 文件大小：110kb
    • 提供者：weixin_42107491

  1. 聚类分析-源码

  2. 扫描：学习对不带标签的图像进行分类 此仓库包含本文的Pytorch实现： ， ， ，Marc Proesmans和Luc Van Gool。 在ECCV 2020（ ）上接受。 在上Yannic Kilcher对我们论文的解释。 :NEW_button: 结果：在网站上检查基准，以进行或。 内容 :NEW_button: 教程部分已添加，结帐 。 :NEW_button: 添加了“先行工作”部分，签出“ 。 介绍 缺少地面真实注解时，是否可以将图像自动分组为语义上有意义的簇？

  3. 所属分类：其它

  1. fast_adversarial：[ICLR 2020]一个使用FGSM进行极快对抗训练的存储库-源码

  2. 使用FGSM进行快速对抗训练 使用FGSM对手实施快速对抗训练代码的存储库，能够在6分钟内训练强大的CIFAR10分类器，并在12小时内训练强大的ImageNet分类器。 由 ， 和。 请参阅我们的arXiv上的论文，这是由自由对抗训练纸灵感通过Shafahi等。 （2019）。 消息 12/19/2019-ICLR 2020接受 1/14/2019-arXiv发布并发布存储库 该存储库中有什么？ 带有针对MNIST，CIFAR10和ImageNet的随机初始化的FGSM对抗训练方法的实现 使

  3. 所属分类：其它

  1. cifar-10-cnn：使用CIFAR数据集进行深度学习-源码

  2. 用于CIFAR-10的卷积神经网络 该存储库是关于cifar10的CNN体​​系结构的一些实现的。 我只是用Keras和Tensorflow到implementate所有这些CNN模型。 （如果有时间，可能是火炬/火炬版） pytorch版本可在 要求 巨蟒（3.5） keras（> = 2.1.5） tensorflow-gpu（> = 1.4.1） 建筑与论文 第一个CNN模型： LeNet 网络中的网络 Vgg19网络 在ILSVRC 2014本地化任务的第一个地方 在

  3. 所属分类：其它

  1. 无监督数据增强：无监督数据增强的非官方PyTorch实现-源码

  2. UDA：无监督数据增强 非非官方PyTorch实现。 需要对文本数据集进行实验。 任何请求请求将不胜感激。 SVHN，使用AutoAugment的Imagenet的增强策略无法公开获得。 我们使用策略。 大多数代码来自 。 介绍 去做。 跑 $ python train.py -c confs/wresnet28x2.yaml --unsupervised 实验 Cifar10（精简版4k数据集） 复制纸的结果 WResNet 28x2 纸 我们的融合（Top1错误） 我们最好的（To

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：41kb
    • 提供者：weixin_42136837

  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. DeepInversion:PyTorch的“梦to以求”的官方实施-源码

  2. 梦to以求：通过DeepInversion进行无数据的知识转移 该存储库是在CVPR 2020上提出的``蒸馏官方实现。 该代码将有助于反转Torchvision模型（在ImageNet上经过预训练）的图像，并在另一个模型上运行图像以检查泛化。我们计划使用CIFAR10示例和师生培训来更新回购协议。 有用的链接： ：来自ResNet50v1.5，约2GB，按类组织，约140k图像。在第4.4节（无数据知识转移）中使用过，最好在gThumb中查看。 执照 版权所有（C）2020 NVIDIA C

  3. 所属分类：其它

  1. Unsupervised-Classification:扫描-源码

  2. 学习对不带标签的图像进行分类 此回购包含我们论文的Pytorch实现： ， ， ，Marc Proesmans和Luc Van Gool。 在ECCV 2020（ ）上接受。在上Yannic Kilcher对我们论文的解释。 :trophy: SOTA有4个基准。检出用于或不。 :NEW_button:对无监督语义分割感兴趣吗？查看我们最近的工作： 。 内容 :NEW_button:教程部分已添加，检出 。 :NEW_button:添加了“先前工作”部分，签出“ 。 介绍

  3. 所属分类：其它