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构建多模型实例

  2. 今天小编就为大家分享一篇pytorch构建多模型实例，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：36kb
    • 提供者：weixin_38739837

  1. pytorch构建多模型实例

  2. pytorch构建双模型 第一部分：构建”se_resnet152″,”DPN92()”双模型 import numpy as np from functools import partial import torch from torch import nn import torch.nn.functional as F from torch.optim import SGD,Adam from torch.autograd import Variable from torch.utils.

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：40kb
    • 提供者：weixin_38744557

  1. deep-person-reid：Torchreid：PyTorch中的深度学习人员重新标识-源码

  2. 火炬 Torchreid是一个用编写的用于深度学习人员重新识别的。 它具有以下特点： 多GPU训练 同时支持图像和视频 端到端培训和评估 轻松简单地准备reid数据集 多数据集训练 跨数据集评估 大多数研究论文使用的标准协议 高度可扩展（易于添加模型，数据集，训练方法等） 最先进的深度里德模型的实现 访问预训练的里德模型 进阶训练技巧 可视化工具（张量板，等级等） 代码： : 。 文档： : 。 使用说明： : 。 动物园模型： : 技术报告： : 。 您可

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：433kb
    • 提供者：weixin_42134878

  1. 确定：确定：深度学习培训平台-源码

  2. 确定：深度学习培训平台 确定的是一个开源的深度学习培训平台，该平台可以快速轻松地构建模型。 确定使您能够： 使用最新的分布式培训更快地训练模型，而无需更改模型代码 Hyperband的创建者通过高级超参数调整自动找到高质量的模型 通过智能调度从您的GPU中获得更多收益，并通过无缝使用可抢占实例来降低云GPU成本 通过开箱即用的实验跟踪来跟踪和重现您的工作，涵盖代码版本，指标，检查点和超参数 确定的将这些功能集成到一个易于使用的高性能深度学习环境中-这意味着您可以花时间建立模型而不是管理基础架构

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：11mb
    • 提供者：weixin_42134054

  1. raster-vision：一个用于卫星和航空影像深度学习的开源框架-源码

  2. Raster Vision是一个开放源代码Python框架，用于在卫星，航空和其他大型影像集（包括倾斜的无人机影像）上构建计算机视觉模型。 它允许用户（不需要成为深度学习专家！）可以快速重复地配置执行机器学习管道的实验，包括：分析训练数据，创建训练芯片，训练模型，创建预测，评估模型和捆绑模型文件和配置，以便于部署。 内置支持使用PyTorch进行芯片分类，对象检测和后端语义分割。 可以在内置支持使用在云中运行的CPU和GPU上执行实验。 该框架可扩展到新的数据源，任务（例如实例分段），后

  3. 所属分类：其它

  1. gluon-cv：Gluon CV工具包-源码

  2. Gluon CV工具包 | | | | GluonCV提供了计算机视觉中最先进的（SOTA）深度学习模型的实现。 它是为工程师，研究人员和学生设计的，用于基于这些模型快速制作原型产品和研究思路。 该工具包提供四个主要功能： 训练脚本以重现研究论文中报告的SOTA结果 同时支持PyTorch和MXNet 大量的预训练模型 精心设计的API，可大大降低实施复杂性 社区支持 演示版 在或检查高清视频。 支持的应用 应用 插图 可用型号 识别图像中的物体。 50多个模型，包括 ， ，

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：30mb
    • 提供者：weixin_42112658