deep learning with pytorch英问书籍，入门pytorch必备书籍。。
2023-03-06 22:35:12
7.29MB
1
THUMT：神经机器翻译的开源工具包
内容
介绍
机器翻译是一种自然语言处理任务，旨在自动使用计算机翻译自然语言。 最近几年见证了端到端神经机器翻译的飞速发展，这已成为实际MT系统中的新主流方法。
THUMT是由开发的用于神经机器翻译的开源工具包。 THUMT的网站是： ://thumt.thunlp.org/。
在线演示
THUMT的在线演示可从。 涉及的语言包括古代汉语，阿拉伯语，中文，英语，法语，德语，印尼语，日语，葡萄牙语，俄语和西班牙语。
实作
THUMT当前具有三个主要实现：
：与开发的新实现。 它实现了Transformer模型（ Transformer ）（ ）。
2023-03-04 21:32:10
57KB
1
MobileNetV3的PyTorch实现这是MobileNetV3架构的PyTorch实现，如论文Searching MobileNetV3中所述。
一些细节可能与原始论文有所不同，欢迎讨论MobileNetV3的PyTorch实现。这是论文Searching MobileNetV3中描述的MobileNetV3体系结构的PyTorch实现。
一些细节可能与原始论文有所不同，欢迎讨论并帮助我解决。
[NEW]小版本mobilenet-v3的预训练模型在线，准确性达到与纸张相同的水平。
[NEW]该文件于5月17日更新，因此我为此更新了代码，但仍然存在一些错误。
[NEW]我在全局AV之前删除了SE
2023-03-03 20:17:12
8KB
1
使用TensorLy的Python中的Tensor方法
该存储库包含一系列有关张量学习的教程和示例，以及使用在Python中的实现以及如何使用 ， 和框架作为后端将张量方法与深度学习结合在一起。
安装
您将需要安装TensorLy的最新版本才能按照说明中的运行这些示例。
最简单的方法是克隆存储库：
git clone https://github.com/tensorly/tensorly
cd tensorly
pip install -e .
然后只需克隆此存储库：
git clone https://github.com/JeanKossaifi/tensorly_notebooks
您准备好出发了！
目录
1-张量基础
2-张量分解
塔克分解
3-张量回归
低秩张量回归
4-Tensor方法和MXNet后端的深度学习
通过梯度下降的塔克分解
张量回归网络
5-使用PyT
2023-03-03 14:11:54
1.43MB
1
Chatbot_CN
基于深度学习、强化学习、对话引擎的多场景对话机器人
•
•
•
•
•
•
•
•
Made by Xu • :globe_with_meridians:
项目说明
Chatbot_CN 是一个基于第三代对话系统的多轮对话机器人项目，旨在于开发一个结合规则系统、深度学习、强化学习、知识图谱、多轮对话策略管理的 聊天机器人，目前随着时间的慢慢发展，从最初的一个 Chatbot_CN 项目，发展成了一个 Chatbot_* 的多个项目。目前已经包含了在多轮任务型对话的场景中，基于话术（Story）、知识图谱（K-G）、端到端对话（E2E）。目的是为了实现一个可以快速切换场景、对话灵活的任务型机器人。
同时，Chatbot_CN 不仅仅是一个对话系统，而是一套针对客服场景下的完整人工智能解决方案。对话是解决方案的核心和最重要一环，但不仅限于对话，还包括智能决策
2023-03-02 16:35:14
1.74MB
1
深度照明器
Deep Illuminator是设计用于图像重新照明的数据增强工具。 它可用于轻松高效地生成单个图像的多种照明方式。 它已通过多个数据集和模型进行了测试，并已成功改善了性能。 它具有使用创建的内置可视化工具，以预览如何对目标图像进行照明。
增强实例
用法
使用此工具的最简单方法是通过Docker Hub：
docker pull kartvel/deep-illuminator
可视化器
有了Deep Illuminator图像后，请运行以下命令以启动可视化器：
docker run -it --rm --gpus all \
-p 8501:8501 --entrypoint streamlit \
kartvel/deep-illuminator run streamlit/streamlit_app.py
您将可以在localhost:8501上与它进行交互。
2023-03-02 10:34:05
5.22MB
1
Gluon CV工具包
| | | |
GluonCV提供了计算机视觉中最先进的（SOTA）深度学习模型的实现。
它是为工程师，研究人员和学生设计的，用于基于这些模型快速制作原型产品和研究思路。 该工具包提供四个主要功能：
训练脚本以重现研究论文中报告的SOTA结果
同时支持PyTorch和MXNet
大量的预训练模型
精心设计的API，可大大降低实施复杂性
社区支持
演示版
在或检查高清视频。
支持的应用
应用
插图
可用型号
识别图像中的物体。
50多个模型，包括 ， ， ， ，...
用它们的检测多个对象图像中的边界框。
， ，
关联图像的每个像素带有分类标签。
， ， ， ， ， ，
检测物体并关联对象区域内的每个像素都有一个实例标签。
检测人体姿势从图像。
认识人类的行为在视频中。
MXNet： ， ， ， ， ， ， ，， PyTorch： ， ， ， ，， ， ，
预测深度图从图像。
生成视觉欺骗性图像
， ，
重新识别场景中的行人
安装
GluonCV构建在MXNe
2023-02-25 13:13:37
30.57MB
1
弱监督定位调查：使用PyTorch中预先训练的CNN进行弱监督对象定位的各种算法的调查
2023-02-23 22:59:47
2.59MB
1