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. docker_images-源码

  2. 适用于Python和ROS的Docker映像 此存储库中的所有docker映像均已配置为能够显示本地主机上容器内部的任何弹出窗口。 run.sh脚本基本上都是相同的。 Python 通用Python-Python 3.8准系统安装（miniconda） Pytorch-使用Pytorch的Python 3.8 Tensorflow-具有Tensorflow的Python 3.8（将添加） ROS 带有RViz的ROS-进入时建立一个柳絮工作区。 可以从Docker内部打开RViz / r

  3. 所属分类：其它

  1. aps360-fake-news:用PyTorch编写的虚假新闻分类器-源码

  2. aps360-假新闻 多伦多大学为2020年夏季学期创建的APS360项目。 依存关系 为了使用该模型，必须安装所需的依赖项。根据模型的运行方式，有几种安装依赖项的选项。这些安装方法仅一种是必需的。 通过点 安装在找到的pip ： pip install -r requirements.txt 通过Anaconda 安装位于environment.yml中的conda ： conda env create -f environment.yml 通过Docker 构建在找到的Docker映

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：20kb
    • 提供者：weixin_42138780

  1. tensorrt_inference-源码

  2. TensorRT模型从ONNX部署 安装依赖 参见 从Docker构建 docker build -t tensorrt_inference:0.1.0_rc . 支持的型号 楷模 框架 操作说明 火炬 从模型训练到TensorRT模型部署的示例 MXNet Gluon MXNet Gluon示例 MXNet符号 MXNet符号和面部识别示例 昂尼克斯 重写ONNX模型和人脸检测示例 凯拉斯 Keras到ONNX的示例 MXNet符号 MXNet符号和面部关键点检测示例 GluonCV

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：16mb
    • 提供者：weixin_42131790

  1. yolov5_train_jetsonnx-源码

  2. 在NVIDIA Jetson NX上训练yolov5模型 假设Jetson已经建立 验证cuda版本（10.2），驱动程序版本 运行此命令以检查您正在运行的是哪个版本的jetpack dpkg-query --show nvidia-l4t-core 在Jetson中使用什么docker映像，我们将使用pytorch 使用robolflow之类的工具进行注释，我们还可以使用labelImage *积分器 *最佳 *张量流 训练更多的时代 正确的割炬版本很重要 从Yolov5回购中获得的文件夹

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：15kb
    • 提供者：weixin_42098759

  1. Atlas:阿特拉斯-源码

  2. ATLAS：从摆放的图像进行端到端3D场景重建 | | | | ， ， ，Ayan Sinha，Vijay Badrinarayanan和Andrew Rabinovich 快速开始 我们提供了一个来尝试推理。 安装 我们提供具有所有依赖项的Docker/Dockerfile映像Docker/Dockerfile 。 或者，您可以自己安装它们： conda install -y pytorch=1.5.0 torchvision=0.6.0 cudatoolkit=10.2 -c py

  3. 所属分类：其它

  1. test_pytorch_cuda-源码

  2. 项目 在docker上测试pytorch和tensorboard

  3. 所属分类：其它

  1. pytorch-arm:适用于ARM armv7l的PyTorch车轮（WHL），具有视觉，音频，文本和CSPRNG-源码

  2. 火炬臂 于ARM / armv7l设备的 ，，，和轮子（WHL） pip install torch -f https://torch.maku.ml/whl/stable.html 该仓库用于释放arm轮。 有关自述文件，脚本和更多详细信息，请检查主项目： 环境 是的，提取一个armv7l映像，运行它，您现在正在仿真ARMv7。 它的速度不及使用gcc-arm-linux-gnu ，但是就这么简单。 主机：x86 目标：ARMv7 / armv7l 操作系统：Debian Bus

  3. 所属分类：其它

  1. Voice-Cloning-App-源码

  2. 语音克隆应用 一个Python / Pytorch项目，可轻松合成人的声音。 安装 Windows Install Demo： : 这个专案需要NVIDIA GPU进行训练，可支援440.33以上版本以及至少4GB的GPU记忆体 安装并运行该应用程序后，应在浏览器中打开 码头工人 克隆此存储库 运行docker build -t voice-cloning:latest . 运行docker run -d -p 5000:5000 voice-cloning Linux 克隆此存储库

  3. 所属分类：其它

  1. CoupletAI:基于CNN + Bi-LSTM + Attention的自动对对联系统-源码

  2. 对联AI 用PyTorch实现的自动对对联系统，支持多种模型。一般而言，给定一句话生成另一句话是序列生成问题，本项目根据上下联字数不同的特点将其转化为序列标注问题，即用下联去标注上联。 依存关系 python 3.6+ pytorch 1.2+ 烧瓶（可选） 数据集 数据集包含70多万条对联数据（26MB），下载请，或者（提取码：wude）。 用法 将下载到的数据集解压到当前目录（解压后的文件夹名称为couplet ） 运行preprocess.py进行数据预 运行main.py [-m m

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：33kb
    • 提供者：weixin_42139460

  1. ReAgent:推理系统的平台（强化学习，语境匪徒等）-源码

  2. 应用强化学习 Facebook 概述 ReAgent是一个用于Facebook上开发和使用的应用强化学习（RL）的开源端到端平台。 ReAgent是用Python构建的，并使用PyTorch进行建模和培训，并使用Torchscr ipt进行模型服务。 该平台包含用于训练流行的深度RL算法的工作流，包括数据预处理，功能转换，分布式训练，反事实策略评估和优化服务。 有关ReAgent的更多详细信息，请参见的白皮书。 该平台曾被命名为“ Horizo​​n”，但最近我们采用了“ ReAgent”这个

  3. 所属分类：其它

  1. dla:音频处理的深度学习-源码

  2. 音频深度学习（DLA） 每周的讲座和研讨会资料位于./week*文件夹中，有关资料和说明，请参阅README.md。 任何技术问题，想法，课程资料中的错误，贡献想法-添加问题 该课程的当前版本于2020年秋季在的进行 教学大纲 数字信号处理简介 讲座：信号，傅立叶变换，频谱图，MFCC等 研讨会：PyTorch简介，DevOps，深度学习研发 自动语音识别I 讲座：指标，注意力，LAS，CTC，BeamSearch 研讨会：Docker，W＆B，音频增强 自动语音识别II 演讲：LM融

  3. 所属分类：其它

  1. MCV-M5-Team7:模块5的项目存储库-源码

  2. MCV-M5-Team7 模块5项目的存储库：组7的可视识别（名称尚未定义）。 团队成员 拉里·比比拉什维利（Lali Bibilashvili）（ ） 胡安·查韦斯（ ） 卡门·加西亚（ ） Mohamed El Atiki（ ） 叠加项目 您可以在访问我们的背面页报告。 帮助 码头工人 提供了一个具有tensorflow + keras和火炬（包括pytorch）工作版本的简单Dockerfile。 我还是很菜鸟，所以肯定有更好的方法 安装 首先，使用以下命令构建docker

  3. 所属分类：其它

  1. pytorch-docker-源码

  2. pytorch-码头工人 关于 A100，RTX3090のために作った。 想定环境 docker --version Docker version 20.10.3, build 48d30b5 docker-compose --version docker-compose version 1.28.4, build cabd5cfb sudo nvidia-docker version NVIDIA Docker: 2.5.0 Client: Docker Engine - Communit

  3. 所属分类：其它

  1. entropix:计算训练后的神经网络的信息内容-源码

  2. 计算神经信息内容 · 入门 运行单元测试： python unit_test.py 运行主脚本： python main.py 使用Jupyter笔记本make_plots.ipynb生成图。 环境细节 该代码在以下位置运行： 火炬1.5.0 使用Docker容器nvcr.io/nvidia/pytorch:20.03-py3 在NVIDIA Titan RTX GPU上，驱动程序版本为440.82，CUDA版本为：10.2 引文 如果您认为此代码有用，请随时引用： misc

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：329kb
    • 提供者：weixin_42143161

  1. ClipBERT：[CVPR 2021口头] ClipBERT的官方PyTorch代码，这是一个有效的框架，可用于图像文本和视频文本任务的端到端学习-源码

  2. 卡伯特 *，*，，，，， ClipBERT的官方PyTorch代码，这是一个有效的框架，可用于图像文本和视频文本任务的端到端学习。 它以原始视频/图像+文本作为输入，并输出任务预测。 ClipBERT是基于2D CNN和转换器设计的，并使用稀疏采样策略来实现高效的端到端视频和语言学习。 在此存储库中，我们支持以下任务的端到端预培训和微调： 对COCO和VG字幕进行图像文本预训练。 在MSRVTT，DiDeMo和ActivityNet字幕上进行文本到视频检索的微调。 在TGIF-QA和MSR

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：115kb
    • 提供者：weixin_42166623

  1. pytorch-docker-for-pycharm：这是pycharm的pytorch docker仓库-源码

  2. pytorch-docker-for-pycharm 这是pytorm的pytorch docker-composit仓库 安装 安装步骤1：Docker 安装步骤2：nvidia工具包（用于gpu） 步骤2-1 sudo apt-get install -y apt-transport-https ca-certificates curl gnupg-agent software-properties-common 步骤2-2 distribution=$(. /etc/os-rel

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：270kb
    • 提供者：weixin_42159267

  1. 项目：一些副项目-源码

  2. 专案 pytorch频谱图+ CNN + LSTM网络，用于数据集上的音频分类 keras / tensorflow执行国家的最先进的物体探测系统 对贡献 GPU上的或频谱图： 对贡献 更改以允许mlflow docker项目 ： 使用和 （拓扑数据分析技术）的实现，用于从高维数据中提取见解 .cfg文件的简单pytorch模型解析器

  3. 所属分类：其它

    • 发布日期：2021-02-19
    • 文件大小：61mb
    • 提供者：weixin_42107561

  1. nvidia-bert：在NVIDIADeepLearningExamplesPyTorchLanguageModelingBERT的fork上使用onnxruntime后端-源码

  2. BERT对于PyTorch 该存储库提供了脚本和配方来训练PyTorch的BERT模型，以实现最先进的准确性，并且已由NVIDIA测试和维护。 此示例包含Microsoft进行的修改，以将onnxruntime用作PyTorch的培训后端。 性能数字来自原始的NVIDIA存储库，并不反映onnxruntime的使用。 目录 型号概述 BERT，或来自变压器的双向编码器表示，是一种预训练语言表示的新方法，它可以在各种自然语言处理（NLP）任务中获得最新的结果。 该模型基于 。 NVIDIA的BE

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：425kb
    • 提供者：weixin_42171208

  1. docker-pytorch：PyTorch的Docker映像-源码

  2. PyTorch Docker映像 Ubuntu + PyTorch + CUDA（可选） 要求 为了使用此映像，您必须安装Docker Engine。 上了设置Docker Engine的说明。 CUDA要求 如果您具有兼容CUDA的NVIDIA图形卡，则可以使用启用CUDA的PyTorch映像版本来启用硬件加速。 我仅在Ubuntu Linux中对此进行了测试。 首先，请确保您安装了适当的NVIDIA驱动程序。 在Ubuntu上，我发现确保安装正确版本的驱动程序的最简单方法是，通过安装至少

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：18kb
    • 提供者：weixin_42128393

  1. WSISPDR：在MICCAI2019中通过检测响应的传播来弱监督细胞实例分割-源码

  2. 弱监督的细胞实例分割通过从检测响应传播 西村一也（Kazuya Nishimura），柯达菲·埃尔默（Ker Dai Fei Elmer），龙马·比色（Ryoma Bise） 先决条件 CPU或GPU（NVIDIA驱动程序> = 430） 安装 Python设置 conda用户 conda env create -f=requirement.yml conda activate pytorch Docker用户 docker build ./docker sh run_docker.sh

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：51mb
    • 提供者：weixin_42098892
« 12 3 »