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. simclr:SimCLRv2-大型自我监督模型是强大的半监督学习者-源码

  2. SimCLR-视觉表示形式对比学习的简单框架 消息！ 我们发布了SimCLR的TF2实现（以及TF2中的转换后的检查点），它们位于。 消息！ 新增了用于Colabs，请参见。 SimCLR的插图（来自 ）。 SimCLRv2的预训练模型 我们在这里开源了总共65个经过预训练的模型，与论文的表1中的模型相对应： 深度 宽度 SK 参数（M） 金融时报（1％） FT（10％） FT（100％） 线性评估 监督下 50 1倍 错误的 24 57.9 68.4 76.3 71

  3. 所属分类：其它

  1. neuro-vectorizer:NeuroVectorizer是一个框架，该框架使用深度强化学习（RL）来预测C和C ++代码中for循环的最佳矢量化编译器实用程序-源码

  2. NeuroVectorizer v0.0.1 Neurovectorizer是一个框架，该框架使用深度强化学习（RL）来预测C和C ++代码中for loops最佳矢量化编译器实用程序。 该框架当前与LLVM编译器集成，可以注入矢量化和交织因子。 通过将其添加为RL环境中的操作，也可以支持展开因素。 本文提供了更多详细信息。 这篇论文出现在CGO2020上，并通过了所有工件评估以确保可重复性。 依存关系： TF2（ pip install tensorflow ）。 雷（ pip ins

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：14mb
    • 提供者：weixin_42131276

  1. tf2-源码

  2. 设置说明 从2021年2月开始，为了在GeForce GTX 1660 Ti上运行，应将TF 2.4.1配置为使用与CUDA兼容的库，如下所示： Python 3.8（TF没有为Python 3.9发行任何东西） CUDA版本10.2（推荐-11岁以上） cuDNN版本8.1（对于所有相关的CUDA版本） CUPTI：根据 （2020年12月1日）：“将cupti64_2020.1.1.dll复制到cupti64_110.dll以在Windows上使用探查器。我们将针对TF 2.5修复此

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：10mb
    • 提供者：weixin_42134554

  1. amyloid_PET_denoise-源码

  2. NCU毕业项目-具有欠采样数据的合成后期淀粉样蛋白PET图像 抽象的： 我们应用U-net使用5分钟图像合成20分钟后期淀粉样蛋白PET图像。 U网修改： 用于3D输入和输出的3D层 添加了一些批处理规范化层以加快收敛速度 结论： 从PSNR，SSIM和RMSE来看，图像质量确实得到了改善。 资源 设置 以下是一些设置建议。 水蟒 在完成此项目时，我们正在使用Anaconda 2019.07。 不需要下载此特定版本。 较新的版本应该可以正常工作。 Python需求 下载Anaconda之后

  3. 所属分类：其它

  1. 用python-tf2.0进行深度学习-源码

  2. 딥러닝 습니있습니。 。이내용과다。 이소스소포함합니다。 tensorflow 1.14 CPU版本3.6，版本2.2.2，版本2.2.4。 목차 2장： 3장： 4장： 5장： 6장： 8장：

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：224mb
    • 提供者：weixin_42104778

  1. 语义分段tf2：unet进行的语义分段-源码

  2. 语义分割 概要 语义分割を行うスクリプトを作成を。本スクリプトを実行する前に，setup.mdを参考に実行环境の准备を行う必要がある。 推论结果・评価结果 推论结果 成功例① 车・植生・建物・路面が绮丽に分割できている。 成功例② 人间の识别が割とうまく行っている。 失败例 路肩のブロックを路面と混同している。 评価结果 各クラスごとに，以下のmetricで评価を行った。 ou 精确 记起 f1_score 定量的な评価结果は以下の通価。（2020.4.12时点の评価） ou 精确

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：644kb
    • 提供者：weixin_42135753

  1. tf2.4-源码

  2. tf2.4

  3. 所属分类：其它

  1. 威斯康星州乳腺癌：[ICMLSC 2018]乳腺癌检测：机器学习算法在威斯康星州诊断数据集上的应用-源码

  2. 乳腺癌检测：机器学习算法在威斯康星州诊断数据集上的应用 注意：此存储库已淘汰，不会移植为使用TF2。 但是，您可以以此为参考。 该论文于2018年2月2-4日在越南富国岛举行的第二届机器学习与软计算国际会议（ICMLSC）上发表。 有关该项目的全文，请访问 。 抽象 本文对威斯康星州的六种机器学习（ML）算法进行了比较： ，线性回归，多层感知器（MLP），最近邻（NN）搜索，Softmax回归和支持向量机（SVM）诊断性乳腺癌（WDBC）数据集通过测量其分类测试的准确性以及其敏感性和特

  3. 所属分类：其它

  1. yolo-tf2：keras和tensorflow 2.4中的yolo（所有版本）实现-源码

  2. Yolo（所有版本）TensorFlow 2.4中的实时对象检测器 。 · 去做 转移学习 YoloV4配置 YoloV4培训 YoloV4损失功能调整。 现场积失 命令行选项 YoloV3微小 Rasberry Pi支持 目录 入门 安装 克隆仓库 git clone https://github.com/emadboctorx/yolo-tf2 安装 注意：如果您具有与cuda兼容的GPU，请在requirements.txt取消注释tensorflow-gpu cd y

  3. 所属分类：其它

  1. cleverhans：一个对抗示例库，用于构建攻击，构建防御以及对两者进行基准测试-源码

  2. CleverHans（最新版本：v3.1.0） 注意：这是CleverHans v3的最终版本，它支持TensorFlow 1，Python 3和Python2。在我们的版本4更新中，我们放弃了对TF1和Python 2的支持，并在Python 3上过渡到JAX，PyTorch和TF2。 。 该版本最近在Ubuntu 14.04.5 LTS（Trusty Tahr）上使用Python 3.5和Tensorflow {1.8，1.12}进行了测试。 欢迎您继续使用它，但不再对其进行维护。 该

  3. 所属分类：其它

  1. TensorFlow-2.x教程：TensorFlow 2.x版本的教程和示例，包括CNN，RNN，GAN，自动编码器，FasterRCNN，GPT，BERT示例等。TF 2.0版入门实例代码，实战教程-源码

  2. TensorFlow 2.0教程 我们的回购。 是的赢家 。 时间线： 2019年10月1日：TensorFlow 2.0稳定！ 2019年8月24日： 2019年6月8日： 2019年3月7日： 2019年1月11日： 2018年8月14日： 安装 确保您使用的是python3.x。 CPU安装 pip install tensorflow - U GPU安装 自己安装CUDA 10.0 （或cudnn ）和cudnn 。 并设置LD_LIBRARY_PATH 。 pip

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：105mb
    • 提供者：weixin_42138525

  1. SimpleHTR：使用TensorFlow实现的手写文本识别（HTR）系统-源码

  2. 使用TensorFlow进行手写文本识别 2021年更新：更强大的模型，更快的数据加载器，仅Python3 2020年更新：代码与TF2兼容 使用TensorFlow（TF）实现并在IAM离线HTR数据集上接受训练的手写文本识别（HTR）系统。 这种神经网络（NN）模型可识别分段词图像中包含的文本，如下图所示。 正确识别了验证集中的3/4个单词，字符错误率约为11％。 运行演示 IAM数据集上训练。 将下载的文件model.zip的内容放入存储库的model目录中。 然后，转到src目录并运行

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：512kb
    • 提供者：weixin_42116794

  1. tf2autobot：tf2autobot：tf2-automatic的改进版本-源码

  2. TF2汽车人 一个自由和开放源码上全自动TF2交易机器人广告使用价格从 。 TF2Autobot是原来的TF2自动所作的改进和功能丰富的版本 。 您可以找到有关原始存储库的更多信息。 IdiNium制造的TF2Autobot 在安装机器人之前，您需要满足以下条件： 您需要一个带有移动身份验证器的单独的 Steam帐户。 我建议使用验证器对帐户进行身份验证，并获取用于自动生成2FA代码和管理移动确认的密钥。 NodeJS版本10.x或更高版本 打字稿4.1或以上 JetBrains支持

  3. 所属分类：其它

    • 发布日期：2021-02-02
    • 文件大小：374kb
    • 提供者：weixin_42168265

  1. xcenternet:基于CenterNet（对象作为点）和TTFNet（培训时间友好的网络）的快速无锚对象检测。在TensorFlow 2.4+中实现-源码

  2. 修改TensorFlow 2.4及以上（或2.2，如果您使用XCenterNet标记为V1.0.0）上述tf.keras实施CenterNet对象检测在描述由兴义周，王德泉，菲利普·克雷恩布尔和TTFNet刘屠征，徐国栋，杨正，刘海峰，蔡登。有关原始实现，请参阅和。 此实现不是本文或pytorch实现的精确副本，因为我们已根据需要对其进行了修改，因此此回购协议具有一些功能： 使用tf2.2 + keras模型train_step和tf.data.dataset 使用来自tf2.3 +的tenso

  3. 所属分类：其它

  1. yolov4-tf2:这是一个yolo4-tf2（tensorflow2）的源码，可以用于训练自己的模型-源码

  2. YOLOV4：您只看一次目标检测模型在Tensorflow2当中的实现 2021年2月7日更新：加入letterbox_image的选项，关闭letterbox_image后网络的地图得到大幅度提升。 目录 性能情况 训练数据集 权值文件名称 测试数据集 输入图片大小 行动计划0.5：0.95 行动计划0.5 VOC07 ​​+ 12 +可可 VOC-Test07 416x416 -- 88.9 2017年COCO火车 COCO-Val2017 416x416 46.4 70

  3. 所属分类：其它