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模型存储的2种实现方法

  2. 今天小编就为大家分享一篇pytorch模型存储的2种实现方法，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：2020-09-17
    • 文件大小：28kb
    • 提供者：weixin_38519234

  1. pytorch模型存储的2种实现方法

  2. 1、保存整个网络结构信息和模型参数信息： torch.save(model_object, ‘./model.pth’) 直接加载即可使用： model = torch.load(‘./model.pth’) 2、只保存网络的模型参数-推荐使用 torch.save(model_object.state_dict(), ‘./params.pth’) 加载则要先从本地网络模块导入网络，然后再加载参数： from models import AgeModel model = AgeM

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：30kb
    • 提供者：weixin_38692707

  1. stargan：StarGAN-官方PyTorch实施（CVPR 2018）-源码

  2. StarGAN-官方PyTorch实施 *****新增功能：可从获得StarGAN v2 ***** 该存储库提供了以下论文的官方PyTorch实现： StarGAN：用于多域图像到图像翻译的统一生成对抗网络1,2， 1,2， 2,3，2，2,4， 1,2- 1韩国大学， 2 Clova AI研究，NAVER Corp. 3香港科技大学新泽西学院4 摘要：最近的研究表明，在两个领域的图像到图像翻译中取得了巨大的成功。 但是，由于应为每对图像域分别构建不同的模型，因此现有方法在处理两个以上

  3. 所属分类：其它

  1. FewShot_GAN-Unet3D：本文的Tensorflow实现：使用生成式对抗学习的少量镜头3D多模式医学图像分割-源码

  2. 使用生成式对抗学习的3D医学图像分割很少 该存储库包含我们在同名论文中提出的模型的tensorflow和pytorch实现： 该代码在tensorflow和pytorch中都可用。 要运行该项目，请参考各个自述文件。 数据集 选择了数据集来证实我们提出的方法。 它包含10个标记的训练对象和13个未标记的测试对象的3D多模式脑MRI数据。 我们将这10个标记的训练数据分为两个模型的训练，验证和测试图像。（例如，2,1和7）13个未标记的测试图像中的其余部分仅用于训练基于GAN的模型。 数据集也用

  3. 所属分类：其它

  1. deep_learning_NLP：用于NLP的深度学习架构的Keras，PyTorch和NumPy实现-源码

  2. :red_heart: 适用于NLP的深度学习架构 该存储库包含一些针对NLP的深度学习架构的Keras，PyTorch和NumPy实现。 有关NLP深度学习的快速理论介绍，我建议您阅读我的。 PyTorch中的神经机器翻译（NMT） 经典seq2seq模型“基于注意力的神经机器翻译的有效方法” （ ）的紧凑，功能齐全且备受好评的PyTorch实现，并支持该方法第3.1小节中介绍的三种全球注意力机制论文：（1）点，（2）常规和（3）concat，以及堆叠与非堆叠RNN编码器和解码器，以及双

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：54mb
    • 提供者：weixin_42175776

  1. simpletod:“ SimpleTOD的官方存储库-源码

  2. SimpleTOD：面向任务的对话的简单语言模型 作者： ， ， ， 和 介绍 面向任务的对话（TOD）系统实现了用户用自然语言描述的目标。 他们经常使用管道方法。 这种方法要求自然语言理解（NLU）用于信念状态跟踪，对话管理（DM）用于根据这些信念确定要采取的行动，以及自然语言生成（NLG）用于生成响应。 我们建议将面向任务的对话重铸为一种简单的因果（单向）语言建模任务。 我们证明了这种方法可以使用多任务最大似然训练以统一的方式解决所有子任务。 所提出的面向简单任务的对话（Simp

  3. 所属分类：其它

    • 发布日期：2021-04-01
    • 文件大小：14mb
    • 提供者：weixin_42131890

  1. MVAE:MVAE的官方PyTorch实施用于音频源分离-源码

  2. MVAE-用于音频源分离的多通道可变自动编码器- 该存储库提供了以下论文中提出的多通道可变自动编码器（MVAE）的官方PyTorch实现。 我们还提供了针对论文＃1中所述的扬声器关闭情况和论文＃2中所述的扬声器打开情况的预训练模型。 Kameoka Hirokazu，Li Li，Intaue Shota Inoue和Makino Shoji，“使用多通道可变自动编码器的监督确定源分离”，神经计算，第1卷。 31号9，第1891-1914页，2019年9月。 Li Li，Hirokazu

  3. 所属分类：其它

    • 发布日期：2021-03-30
    • 文件大小：12kb
    • 提供者：weixin_42146086