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. tensorboard-可视化pytorch网络模型

  2. 1.Anaconda环境配置 ①pytorch 1.4 ②tensorflow（2.0版本及对应的tensorboard） ③tensorboardX（采用pytorch自带的，可能不需要再安装） 2.SummaryWriter写出需要的log信息 ①采用torch.utils.tensorboard下的SummaryWriter ②示例代码如下： ③程序运行后在程序所在文件夹上生成runs文件夹 3.执行tensorboard命令 采用Anaconda Prompt执行 采用pycha

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：187kb
    • 提供者：weixin_38738272

  1. PyTorch-StudioGAN:StudioGAN是一个Pytorch库，为有条件无条件图像生成提供代表性的生成对抗网络（GAN）的实现-源码

  2. StudioGAN是一个Pytorch库，为有条件/无条件图像生成提供了代表性的生成对抗网络（GAN）的实现。 StudioGAN旨在为现代GAN提供一个完全相同的场所，以便机器学习研究人员可以轻松比较和分析新想法。 特征 PyTorch的广泛GAN实施 使用CIFAR10，Tiny ImageNet和ImageNet数据集的GAN的综合基准 比原始实现更好的性能和更低的内存消耗 提供与最新的PyTorch环境完全兼容的预训练模型 支持多GPU（DP，DDP和多节点DistributedData

  3. 所属分类：其它

  1. pytorchnet：PyTorch的通用框架-源码

  2. 欢迎使用PyTorchNet ！ PyTorchNet是建立在之上的机器学习框架 。 并且，它使用Tensorboard（或Visdom）进行可视化。 通过创建必要的类，可以轻松自定义PyTorchNet： 数据加载：需要数据集类来加载数据。 模型设计：代表网络模型的nn.Module类。 损失方法：适当的损失类别，例如CrossEntropyLoss或MSELoss。 评估指标：衡量结果准确性的类。 结构 PyTorchNet由HAL库组成，该库具有以下软件包： HAL /数据集

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：144kb
    • 提供者：weixin_42099936

  1. human_vehicle_parsing_platform：用于人员解析和车辆解析的pytorch代码库-源码

  2. parsing_platform 一个用于人解析和车辆解析的pytorch代码库。 介绍 一个用于人解析和车辆解析的pytorch代码库。 要求 python≥3.6Linux或macOS PyTorch = 0.4.1 与Pytorch安装匹配的torchvision。 您可以在它们安装在一起以确保这一点。 张量板（可视化所需）： pip install tensorboard 支持的方法 PSP网 DeepLabV3 网络 数位网 网络 CE2P 人力资源网 编织网

  3. 所属分类：其它

  1. Labml：:test_tube:通过手机监控PyTorch和TensorFlow模型训练:mobile_phone:-源码

  2. 实验室语言 组织机器学习实验并通过移动设备监控培训进度。 :fire: 产品特点 通过监控正在运行的实验 仅与两行代码集成（请参见下面的示例） 跟踪实验，包括git commit，配置和超参数等信息 保持Tensorboard日志井井有条 可在本地浏览和管理实验运行 保存和加载检查点 自定义可视化的API 漂亮的培训进度日志 开源！ 我们还有一个用于移动网络应用的小型托管服务器 安装 您可以使用PIP安装此软件包。 pip install labml PyTorch示例 from

  3. 所属分类：其它

  1. jupyter笔记本：Jupyter笔记本和其他-源码

  2. 布局 标题 上一次更改 维基 Jupyter笔记本 2020/11/15 12:41:21 深度学习 Scikit，学习上的IRIS数据集的感知器，神经网络，Keras。 TensorFlow Implementaion在MNIST数据集。 Softmax，交叉熵损失 使用PyTorch进行梯度计算。 层调试。 验证合并，连接方法。 在文本嵌入上验证Conv1D。 验证Image数据集上的Conv2D。 验证LSTM计算。 器具Seq2Seq学习的执行加法。 器具Seq2Se

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：19mb
    • 提供者：weixin_42097208

  1. RecNN：围绕pytorch 1.7构建的增强推荐工具包-源码

  2. 这是我的学校项目。 它侧重于强化学习以进行个性化新闻推荐。 主要区别在于，它试图通过动态生成的项目嵌入来解决在线非政策学习。 我想使用SOTA算法创建一个库，以加强学习建议，并提供您喜欢的抽象级别。 :bar_chart: 这些功能可以总结为 根据您的决定进行抽象：您可以导入整个算法（例如DDPG）并将其告诉ddpg.learn（batch），可以分别导入网络和学习功能，为任务创建自定义加载程序，也可以自己定义所有内容。 示例不包含任何垃圾代码或变通办法：纯模型定义和算法本身在一个文件中。

  3. 所属分类：其它