基于 Transformer 的锂电池寿命预测（Remaining Useful Life，RUL）（Python完整源码和数据）
Packages
pytorch 1.8.0
pandas 0.24.2
基于 Pytorch 的 Transformer 锂电池寿命预测（Remaining Useful Life，RUL）
2023-06-24 16:50:39
209.17MB
PyTorch中文教程
PyTorch是一个针对深度学习，并且使用GPU和CPU来优化的张量库（张量库）
介绍
欢迎任何人参与和完善：一个人可以走的很快，但是一群人却可以走的更远。
组织重建[网站]
GitHub Pages（国外）： :
Gitee Pages（国内）： ://apachecn.gitee.io/pytorch-doc-zh
第三方站长[网站]
pytorch中文文档： ://www.bookstack.cn/search/result?wd pytorch
地址A：xxx（欢迎留言，我们完善补充）
其他补充
版本特性
PyTorch官方入口
中文文档： :
2023-06-07 21:32:25
28.89MB
1
该数据集包含动态和变化背景下的风力涡轮机图像。我设计这个数据集时考虑到了无人机摄影师。商业市场上的许多无人机都预装了软件开发工具包或sdk(如大疆无人机)，允许用户用Python等语言对无人机进行编程。因此，具有高质量摄像头的商用无人机可以与其SDK配对，以创建令人难以置信的计算机视觉项目!这些项目是无限的，所以我将继续为这个数据集做出贡献。请继续关注!
格式:
YOLO v7 PyTorch
特点:
水平翻转的概率是50%
0到3像素之间的随机高斯模糊
随机曝光调整介于- 25%和+ 25%之间
预分割:87%训练，9%验证，4%测试(2885张图像)
类似的数据集:
皮肤癌二元分类数据集
标签:
Roboflow -免费的图像标签
该数据集包含动态和变化背景下的风力涡轮机图像。我设计这个数据集时考虑到了无人机摄影师。商业市场上的许多无人机都预装了软件开发工具包或sdk(如大疆无人机)，允许用户用Python等语言对无人机进行编程。因此，具有高质量摄像头的商用无人机可以与其SDK配对，以创建令人难以置信的计算机视觉项目!这些项目是无限的，所以我将继续为这个数据集做出贡献。请继续关
2023-06-07 20:14:01
359.98MB
1
目标检测 pytorch复现Fast_RCNN目标检测项目
利用coco2017数据集训练Fast-RCNN模型（训练过程详细步骤记录）：
（1）检测数据集利用选择搜索算法（selective-search）生成一定数量的候选框，
（2）将候选框与真实标注框进行IOU（交并比）计算，将真是标注框的作为正样本，将0.1
2023-05-30 11:21:01
509.93MB
1
pytorch中的训练模型示例
PyTorch中的深度学习算法的一些实现。
排名-学习排名
排名网
前馈NN，最小化文档对交叉熵损失函数
训练模型
python ranking/RankNet.py --lr 0.001 --debug --standardize
--debug打印参数规范和参数grad规范。 这可以评估是否存在梯度消失和梯度爆炸问题- --standardize可确保将输入缩放为平均值为0且标准差为1.0
NN结构：136-> 64-> 16-> 1，ReLU6作为激活函数
优化器
r
时代
损失（火车）
损失（评估）
ndcg @ 10
ndcg @ 30
秒/纪元
因式分解
对/秒
亚当
0.001
25
0.63002
0.635508
0.41785
0.49337
312
损失函数
203739
亚当
0.001
50
0.6
2023-05-22 21:19:36
154KB
1
pytorch实现基于LSTM的高速公路车辆轨迹预测源码+数据集.zip 第1步：轨迹数据滤波，将原始US101和I-80的原始数据放入下图文件夹，运行代码"trajectory_denoise.py"，结果如下：
image
第2步：移除不必要特征以及添加新特征，运行代码"preprocess.py"，结果如下：
image
第3步：根据需要添加横、纵向速度和加速度特征，运行代码"add_v_a.py"，结果如下：
image
第4步：按照滑动窗口法提取所需8s轨迹序列，运行代码"final_DP.py"，结果如下：
image
第5步：最终合并US101和I-80数据集，为保证数据的均衡性以及充分利用数据集，随机采样10组数据集，每组按照6:2:2的比例划分训练集、测试集和验证集；运行代码"merge_data.py".
模型训练及测试
MTF-LSTM模型训练，运行代码"MTF-LSTM.py"
MTF-LSTM-SP模型训练，运行代码"MTF-LSTM-SP.py"
本文训练好的MTF-LSTM和MTF-LSTM-SP模型保存在文件夹/algorithm
2023-05-21 14:04:07
311KB
分享一套图神经网络视频教程——《深度学习-图神经网络实战》，视频+源码+数据+文档资料下载！
《深度学习-图神经网络实战》课程旨在帮助同学们快速掌握深度学习在图模型领域算法及其应⽤项⽬。内容主要包括三个模块：
1、图神经⽹络经典算法解读，详细解读GNN,GCN,注意⼒机制图模型等算法 ；
2 、图神经⽹络框架PyTorch-Geometric，全程实战解读图神经⽹络框架应⽤⽅法；
3 、图神经⽹络项⽬实战，基于真实数据集与实际项⽬展开图数据集构建与模型训练并应⽤到实际场景中。
整体⻛格通俗易懂，提供全部数据与代码。
2023-05-19 18:57:42
1KB
1