SSAGAN预训练的 DAMSM 模型，包括文本编码器text encoder和图像编码器image encoder，其中text encoder是双向LSTM模型，image encoder是CNN模型。在文件中均已经预训练好了的第200轮。
下载后将其上传到 DAMSMencoders目录下并进行解压
2022-07-24 21:05:32
87.15MB
1
torchtext的使用总结，并结合Pytorch实现LSTM
版本说明
PyTorch版本：0.4.1
火炬文字：0.2.3
python：3.6
文件说明
Test-Dataset.ipynb Test-Dataset.py使用torchtext进行文本预处理的笔记本和py版。
Test-Dataset2.ipynb使用Keras和PyTorch进行数据集进行文本预处理。
Language-Model.ipynb使用gensim加载预训练的词向量，并使用PyTorch实现语言模型。
使用说明
分别提供了笔记本版本和标准py文件版本。
从零开始逐步实现了torchtext文本预处理，
2022-07-20 01:38:55
43KB
1
高效Net-Lite火炬
Google的Pytorch实现。 提供imagenet预训练模型。
在EfficientNet-Lite中，所有的SE模块均被删除，所有的交换层都被ReLU6取代。 对于边缘设备，它比EfficientNet-B系列更友好。
型号详情：
模型
参量
MAdds
Top1 Acc（官方）
Top1 Acc（此回购）
前5名
efficiencynet-lite0
470万
407M
75.1％
71.73％
90.17％
efficiencynet-lite1
540万
631M
76.7％
74.71％
92.01％
efficiencynet-lite2
610万
899M
77.6％
77.14％
93.54％
efficiencynet-lite3
820万
1.44B
79.8％
78.91％
94.37
2022-07-19 15:03:07
18KB
1