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. drost2010CVPR中文翻译版.pdf

  2. Model Globally, Match Locally: Efficient and Robust 3D Object Recognition 中文翻译 ；原网页为：http://campar.in.tum.de/pub/drost2010CVPR/drost2010CVPR.pdfHash table I1. n A (m1,m2) F i.11 m;, (Key to (ms, m6) F1=m2 hash table 图2.(a)两个定向点的点对特征F.分量F1被设置为点F2和F3与法

  3. 所属分类：机器学习

    • 发布日期：2019-07-16
    • 文件大小：1mb
    • 提供者：qq_28250697

  1. nvdla 入门翻译文档.pdf

  2. 翻译的NVDLA 加速引擎的文档，学习交流，一块进步！PU cPU Microcontroller DRAM AVULA NVD_A DODI SFAMI Small NVDLA system Large"NVDLA system 小NDLA模型 小型 NVDLA模型在以前不可行的领域开辟了深度学习技术。此模型非常适合对成本因素 比较敏感的物联网(IoT)类设备、A丨以及面向自动化的系统领域。这些系统具有明确的应 用方向,其成本、面积和功率是主要注意事项。通过N√DLA可配置实现资源节约(在成本

  3. 所属分类：硬件开发

    • 发布日期：2019-08-31
    • 文件大小：499kb
    • 提供者：weixin_42119147

  1. pytorch逐元素比较tensor大小实例

  2. 今天小编就为大家分享一篇pytorch逐元素比较tensor大小实例，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：28kb
    • 提供者：weixin_38617851

  1. tensorflow对图像进行拼接的例子

  2. tensorflow对图像进行多个块的行列拼接tf.concat(), tf.stack() 在深度学习过程中，通过卷积得到的图像块大小是8×8×1024的图像块，对得到的图像块进行reshape得到[8×8]×[32×32]，其中[8×8]是图像块的个数，[32×32]是小图像的大小。通过tf.concat对小块的图像进行拼接。 -在做图像卷积的过程中，做了这样一个比较麻烦的拼接，现在还没想到更好的拼接方法，因为是块拼接，开始的时候使用了reshape，但是得到的结果不对，需要确定清楚数据的维

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：44kb
    • 提供者：weixin_38571603

  1. drrmsan:DRRMSAN-源码

  2. DRRMSAN DRRMSAN：用于医学图像分割的深度残差正则化多尺度注意力网络。 [] 抽象的 通常，医疗领域面临着以高精度分割图像的挑战。 提出了一种新颖的深度学习架构，该架构可以在多个尺度上分割图像，从而在大多数具有挑战性的数据集中，其中感兴趣的区域具有不同的形状和大小，从而导致较高的骰子系数。 在体系结构内使用注意模块在一定程度上提高了模型专注于相关区域的能力。 计算不同比例的损失还有助于逐步重建分割蒙版。 与其他现有技术模型的比较表明，该模型的性能要比大多数模型好，而且计算开销也很

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：580mb
    • 提供者：weixin_42125826

  1. pytorch逐元素比较tensor大小实例

  2. 如下所示： import torch a = torch.tensor([[0.01, 0.011], [0.009, 0.9]]) mask = a.gt(0.01) print(mask) tensor比较大小可以用tensor.gt属性。上面比较了a中每个元素和0.01的大小，大于0.01的元素输出True。输出结果： tensor([[False, True], [False, True]]) 我们取出tenor a中对应的大于0.01的值： a[mask] 将对应满足条件

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：32kb
    • 提供者：weixin_38517728