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识别验证码.zip

  2. 使用pytorch识别验证码中的数字，验证码为python自带库ImageCaptcha生成的数字验证码。使用LeNeT-5多层神经网络，尝试了学习率退火、激活函数Sigmoid改为ReLU、BN算法归一化等策略，识别精确度大约稳定在90%左右。

  3. 所属分类：机器学习

  1. pytorch 归一化与反归一化实例

  2. 今天小编就为大家分享一篇pytorch 归一化与反归一化实例，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：30kb
    • 提供者：weixin_38711778

  1. pytorch方法测试详解——归一化(BatchNorm2d)

  2. 今天小编就为大家分享一篇pytorch方法测试详解——归一化(BatchNorm2d)，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：39kb
    • 提供者：weixin_38635684

  1. 批量归一化代码 适用所有网络框架

  2. 自用BN操作 适用所有的算法 只需要改一些必要的层链接 深度学习 批量归一化 python余语言 tensorflow pytorch 均可使用

  3. 所属分类：深度学习

    • 发布日期：2020-09-23
    • 文件大小：3kb
    • 提供者：qq_37692302

  1. pytorch 归一化与反归一化实例

  2. ToTensor中就有转到0-1之间了。 # -*- coding:utf-8 -*- import time import torch from torchvision import transforms import cv2 transform_val_list = [ # transforms.Resize(size=(160, 160), interpolation=3), # Image.BICUBIC transforms.ToTensor(), transforms.

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：30kb
    • 提供者：weixin_38537315

  1. Pytorch 保存模型生成图片方式

  2. 三通道数组转成彩色图片 img=np.array(img1) img=img.reshape(3,img1.shape[2],img1.shape[3]) img=(img+0.5)*255##img做过归一化处理，【-0.5，0.5】 img_path='/home/isee/wei/image/imageset/result.jpg' img=cv2.merge(img) cv2.imwrite(img_path,img) 单通道数组转化成

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：30kb
    • 提供者：weixin_38582719

  1. pytorch方法测试详解——归一化(BatchNorm2d)

  2. 测试代码： import torch import torch.nn as nn m = nn.BatchNorm2d(2,affine=True) #权重w和偏重将被使用 input = torch.randn(1,2,3,4) output = m(input) print("输入图片：") print(input) print("归一化权重：") print(m.weight) print("归一化的偏重：") print(m.bias) print("归一化的输出：") print(o

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：41kb
    • 提供者：weixin_38670208

  1. PyTorch学习笔记（二）图像数据预处理

  2. Environment OS: macOS Mojave Python version: 3.7 PyTorch version: 1.4.0 IDE: PyCharm 文章目录0. 写在前面1. 基本变换类1.1 填充1.2 擦除1.3 缩放1.4 裁剪1.5 旋转1.6 翻转1.7 颜色1.8 仿射变换和线性变换1.9 归一化和标准化1.10. Lambda2. 组合变换类3. 自定义图像数据增强 0. 写在前面 本文记录了使用 PyTorch 实现图像数据预处理的方法，包括数据增强和标准

  3. 所属分类：其它

  1. PyTorch学习笔记（二）图像数据预处理

  2. Environment OS: macOS Mojave Python version: 3.7 PyTorch version: 1.4.0 IDE: PyCharm 文章目录0. 写在前面1. 基本变换类1.1 填充1.2 擦除1.3 缩放1.4 裁剪1.5 旋转1.6 翻转1.7 颜色1.8 仿射变换和线性变换1.9 归一化和标准化1.10. Lambda2. 组合变换类3. 自定义图像数据增强 0. 写在前面 本文记录了使用 PyTorch 实现图像数据预处理的方法，包括数据增强和标准

  3. 所属分类：其它

  1. pytorch梯度剪裁方式

  2. 我就废话不多说，看例子吧！ import torch.nn as nn outputs = model(data) loss= loss_fn(outputs, target) optimizer.zero_grad() loss.backward() nn.utils.clip_grad_norm_(model.parameters(), max_norm=20, norm_type=2) optimizer.step() nn.utils.clip_grad_norm_ 的参数： par

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：33kb
    • 提供者：weixin_38700790

  1. 动手学深度学习PyTorch版—day02

  2. 目录   Day02 1.过拟合，欠拟合及解决 训练误差 泛化误差 过拟合 过拟合解决方案 欠拟合 2.梯度消失，梯度爆炸 考虑环境因素 协变量偏移 标签偏移 概念偏移 3.卷积神经网络基础 ALexNet VGG GoogLeNet 4.批量归一化，残差结构，密集连接 BN 对全连接层做批量归一化 对卷积层做批量归一化 预测时的批量归⼀化 Day02 过拟合、欠拟合及解决方案；梯度消失，梯度爆炸；注意力机制与Seq2seq;卷积神经网络基础 1.过拟合，欠拟合及解决 训练误差 指模型在训练集上

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：137kb
    • 提供者：weixin_38632825

  1. 一份基于Pytorch的视频分类教程

  2. 这是一个在UCF101上使用3D RNN/CNN+RNN 进行视频分类的教程，基于Pytorch实现。 数据集 UCF101 含有包括13320个视频与101个动作，视频有不同的视觉长度，视频画面大小也不一样，最小的视频只有29帧。为了减少视频预处理工作，我们之间使用feichtenhofer预处理结束的数据。 https://github.com/feichtenhofer/twostreamfusion 模型 3D CNN 使用一些3D核和通道数N，来解决视频输入，视频可以看成是3D 的

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：215kb
    • 提供者：weixin_38628243

  1. Pytorch 深度学习 Day03 —批量归一化与残差网格

  2. 批量归一化 批量归一化的提出正是为了应对深度模型训练的挑战。在模型训练时，批量归一化利用小批量上的均值和标准差，不断调整神经网络中间输出，从而使整个神经网络在各层的中间输出的数值更稳定。批量归一化和下一节将要介绍的残差网络为训练和设计深度模型提供了两类重要思路。 批量归一化曾 对全连接层和卷积层做批量归一化的方法稍有不同。下面我们将分别介绍这两种情况下的批量归一化。 对全连接层做批量归一化 我们先考虑如何对全连接层做批量归一化。通常，我们将批量归一化层置于全连接层中的仿射变换和激活函数之间。设全

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：288kb
    • 提供者：weixin_38610682

  1. 伯禹公益AI《动手学深度学习PyTorch版》Task 06 学习笔记

  2. 伯禹公益AI《动手学深度学习PyTorch版》Task 06 学习笔记 Task 06：批量归一化和残差网络；凸优化；梯度下降 微信昵称：WarmIce 批量归一化和残差网络 BN和ResNet都没什么特别好说的。 DenseNet久闻其名，但是一直没有细节了解过其实现。这一次大开眼界，原来文章里面那么密集的连线是由于concat导致的啊。 可以想象一下作者当初提出这个网络的时候是什么想的。第一，像ResNet那样子在skip之后使用加法直接把得到的特征和原特征相加会不会破坏好不容易搞出来的特

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：54kb
    • 提供者：weixin_38637884

  1. Pytorch深度学习（4） — BN层及ResNet + DenseNet实现

  2. Pytorch深度学习（4） — BN层及ResNet + DenseNet实现1.批量归一化(BN)2.ResNet2.1 残差块2.2 ResNet 模型实现结构：3.DenseNet 稠密连接网络3.1 稠密块（DenseBlock）3.3 过滤层（transition_block）3.4 DenseNet模型总实现 1.批量归一化(BN) nn.BatchNorm2d(6) — 卷积层使用，超参数为输出通道数 nn.BatchNorm1d(120) – 全连接层使用，超参数为输出单

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：255kb
    • 提供者：weixin_38599412

  1. nlp_notes:自然语言处理学习笔记：机器学习及深度学习原理和示例，基于Tensorflow和PyTorch框架，Transformer，BERT，ALBERT等最新预训练模型以及源代码详解，以及基于预训练模型进行各种自然语言处理任务。

  2. 自然语言处理学习笔记 机器学习及深度学习原理和示例，基于Tensorflow和PyTorch框架，Transformer，BERT，ALBERT等最新预训练模型以及源代码详解，以及基于预训练模型进行各种自然语言处理任务。以及模型部署 两种传统的模型： 基于规则或模板生成对话系统 基于概率的语言模型利用语料数据，实现了简略的2-gram模型，并利用该模型判断句子的合理性 根据中国城市的位置信息，实现简单的路径规划系统 根据武汉地铁的各站点的位置信息，实现简单的路径规划系统 图的广度优先搜索及深度优

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：25mb
    • 提供者：weixin_42115003

  1. SupContrast:PyTorch实施“监督式对比学习”（顺带SimCLR）-源码

  2. SupContrast：监督式对比学习 此库使用CIFAR作为说明性示例，涵盖了PyTorch中以下论文的参考实现： （1）监督式对比学习。（2）视觉表示对比学习的简单框架。 损失函数 损耗函数在losses.py花费features （L2归一化）和labels作为输入，并返回损耗。如果labels为None或未传递给它，则它会退化为SimCLR。 用法： from losses import SupConLoss # define loss with a temperature `temp

  3. 所属分类：其它

  1. pytorch-frn:PyTorch中的滤波器响应归一化层-源码

  2. PyTorch中的滤波器响应归一化层 该存储库包含可用于最近发布的“的直接可用模块。 特征 1D，2D，3D FilterResponseNorm 可学习的epsilon参数 贡献者 基准线 参考 [1]

  3. 所属分类：其它

  1. VGG-16 with batch normalization（具有批量归一化的VGG-16）-数据集

  2. VGG-16 Pre-trained model with batch normalization for PyTorch. VGG-16具有PyTorch批处理归一化功能的预训练模型。 VGG-16 with batch normalization_datasets.txt

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：254byte
    • 提供者：weixin_38602189

  1. nfnets_pytorch：经过预训练的NFNet，其准确性为官方论文“无需归一化的高性能大规模图像识别”的99％-源码

  2. NFNet Pytorch实施 此回购包含来自未经归一化的高性能大型图像识别论文的，具有ImageNet高精度的预训练NFNet模型F0-F6。 小型模型的精度与EfficientNet-B7一样，但训练速度快了8.7倍。 大型模型在ImageNet上设置了新的SOTA top-1精度。 NFNet F0 F1 F2 F3 F4 F5 F6 + SAM 最高为1的准确性Brock等人。 83.6 84.7 85.1 85.7 85.9 86.0 86.5 此实

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：894kb
    • 提供者：weixin_42136837
« 12 3 »