pytorch-pwc
这是使用PyTorch对PWC-Net [1]的个人重新实现。 如果您要利用这项工作，请相应地引用本文。 另外，请确保遵守作者的。 如果您要使用此特定实现，请适当确认它[2]。
有关这项工作的原始版本，请参见： : 我的另一个光流实现： : 我的另一个光流实现： : 我的另一种光流实现： :
背景
幸运的是，PWC-Net的作者已经在PyTorch中提供了参考实现。 但是，其初始版本未达到原始Caffe版本的性能。 这就是为什么我创建此存储库的原因，在其中我通过利用其权重来复制Caffe官方版本的性能。
从那时起，正式的PyTorch实施就采用了我使用Caffe权重的方法，这就是为什么它们现在都表现出色的原因。 但是，许多人在尝试运行正式的PyTorch版本时都报告了CUDA的问题，而我的重新实现似乎不受此类问题的影响。
设置
相关层是使用Cu
2022-07-21 21:01:56
1.65MB
1
PWC-Net（PyTorch v1.0.1）
Pytorch实现 。 我们将其作为现成的软件包提供：
安装后，只需将整个文件夹PWC_src复制到您的代码库即可使用。 有关详细信息，请参见demo.py。
环境
此代码已经过Python3.6和PyTorch1.0.1和Tesla K80 GPU的测试。 系统为Ubuntu 14.04，CUDA版本为10.0。 所有必需的python包都可以在requirements.txt找到。
安装
# install custom layers
cd PWC_src/correlation_package
python setup.py install
注意：根据您使用的GPU，您可能需要在添加gencode 。 您可以和找到有关gencode更多信息。
转换后的Caffe预训练模型
您可以在models文件夹中找到它们。
推论模式
修改输入的
2022-05-09 10:28:03
65.55MB
1
PWC-Net：使用金字塔，翘曲和成本量的光流量CNN PWC-Net：使用金字塔，翘曲和成本量的光流量CNN版权所有（C）2018 NVIDIA Corporation。
版权所有。
根据CC BY-NC-SA 4.0许可（https://creativecommons.org/licenses/by-nc-sa/4.0/legalcode）获得许可。
用法对于Caffe用户，请参阅Caffe / README.md。
对于PyTorch用户，请参阅PyTorch / README.md。PyTorch实现几乎与Caffe实现匹配（Sintel训练集最后一次通过时的平均EPE：2.31，由Pytorc提供）
2021-10-09 21:51:02
212.38MB
1
使用Tensorflow进行光流预测
此存储库提供了基于DesSun的精彩论文“ PWC-Net：使用金字塔，扭曲和成本量进行光流的CNN”的基于TensorFlow的实现。 （CVPR 2018）。
已经有一些尝试使用TensorFlow实施PWC-Net。 但是，它们要么使用本文CNN网络的过时架构，要么仅提供TF推断（不提供TF训练），要么仅在Linux平台上工作，并且不支持多GPU训练。
此实现同时提供基于TF的训练和推理。 它具有可移植性：因为它不使用任何基于CUDA的动态加载的TensorFlow用户操作，因此可以在Linux和Windows上运行。 它还支持多GPU训练（此处
2021-10-09 21:43:42
87.53MB
1
资料目录.bat
企业员工关系流程与风险管控.ppt
风控培训：公司治理与内部控制.ppt
风控培训：内部审计概论与实务.ppt
风控培训：内部控制理论的发展.ppt
风控培训：内部管理报告流程.doc
风控培训：经济资本-风险和价值管理的核心.pdf
风控培训：风控角度理解企业管理.docx
风控案例：偿二代二支柱暨风险管理调查报告.pdf
风控案例：银行业风险控制.ppt
2021-07-16 18:03:14
10.51MB