塞特-火炬
由于原始论文（使用变压器从序列到序列的角度重新思考语义分割）没有官方代码，因此我使用pytorch实现了SETR-Progressive UPsampling（SETR-PUP）。
原始论文：
维生素
Vit模型也已实现，您可以将其用于图像分类。
用法SETR
from SETR . transformer_seg import SETRModel
import torch
if __name__ == "__main__" :
net = SETRModel ( patch_size = ( 32 , 32 ),
in_channels = 3 ,
out_channels = 1 ,
hidden_size = 1024 ,
2021-12-02 11:00:00
184KB
1
这是有关MOEA/D的原始论文的源代码（Qingfu Zhang），算例齐备，直接可以使用，有详细的解释，并且附带论文
2021-11-22 16:11:34
1.43MB
1
GAN原始论文的中文翻译版 - 来自七月翻译组
生成式对抗网络（GAN, Generative Adversarial Networks ）是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。模型通过框架中（至少）两个模块：生成模型（Generative Model）和判别模型（Discriminative Model）的互相博弈学习产生相当好的输出。原始 GAN 理论中，并不要求 G 和 D 都是神经网络，只需要是能拟合相应生成和判别的函数即可。但实用中一般均使用深度神经网络作为 G 和 D 。一个优秀的GAN应用需要有良好的训练方法，否则可能由于神经网络模型的自由性而导致输出不理想。
2021-08-08 19:24:54
691KB
1
https://blog.csdn.net/qq_46418503/article/details/118946311?spm=1001.2014.3001.5501
2021-07-23 15:06:26
2.65MB
1
是从lda原始论文作者Blei的主页下载下来的C语言代码，在vs2013中可顺利运行，自己添加了详细注释。
2021-05-26 22:28:24
1.72MB
1
A n^2.5 algorithm for maximum matchings in bipartite graphs-[英文版, John E. Hopcroft & Richard M. Karp]
A n^2.5 algorithm for maximum matchings in bipartite graphs-[中文版, John E. Hopcroft & Richard M. Karp]
Hopcroft-Karp是计算二分图最大匹配的最快算法（根据《算法导论》第二版；但维基百科说有理论上更快的算法，不过实际效果不如Hopcroft-Karp，因为实际的图多为稀疏的，更快算法对稠密的图效果会更好）。
算法发表于1973年，附带翻译的中文版。
本人邮箱：xionghuaidong@163.com
2019-12-21 21:05:07
684KB
1