RNN和Temporal-ConvNet进行活动识别 ，（等额缴纳） 论文代码： （在杂志上接受，2019年） 项目： 抽象的 在这项工作中，我们使用ResNet-101演示了一个强大的基线两流ConvNet。 我们使用此基线来彻底检查RNN和Temporal-ConvNets的使用，以提取时空信息。 基于我们的实验结果，然后我们提出并研究了两个不同的网络，以进一步整合时空信息：1）时域RNN和2）初始样式的Temporal-ConvNet。 我们的分析确定了每种方法的特定局限性，这些局限性可能构成未来工作的基础。 我们在UCF101和HMDB51数据集上的实验结果分别达到了94.1％和69.0％的最新性能，而无需大量的时间增强。 我们如何解决活动识别问题？ 演示版 GIF展示了我们的TS-LSTM和“时间-开始”方法的前3个预测结果。 顶部的文本是基本事实，三个文本是每种方法的预

StatNLP语义解析器版本0.3-n ACL-18论文的代码：学习用于语义分析的跨语言分布式逻辑表示形式。 本文从使用不同语言注释的数据中学习了逻辑表达式的分布式表示形式。 它进一步研究了如何学习到的包含不同语言的内容共享信息的学习表示形式可用于提高单语语义解析器的性能。 安装 Java 1.8 sudo add-apt-repository ppa:webupd8team/java sudo apt-get update sudo apt-get install oracle-java8-installer 零MQ git clone https://github.com/zeromq/libzmq cd libzmq ./autogen.sh && ./configure && make -j 4 make check && sudo make install && sudo

jetson nx等开发板上torch和torchvision的完美解决方案（基于ubuntu18.04，cuda10.2,python3.6,aarch64）

torch-1.1.0-cp36-cp36m-linux_aarch64.whl jetson nano 的torch文件 要求JetPack4.3 python3.6

该实现是基于深度学习中的torch包为主进行的线性回归的反向传播原理编写，直接可以使用，更改自己需要的参数即可！

下载TX2专用torch包,Cuda版本为10.2，python版本为3.6.9，Jetpack版本为4.6，最后选择安装Pytorch v1.10.0。官网半天下不下来，难顶。

jetson上的whl包

jetson上的whl包

开发瑞芯微的rv1126时，对于pytorch训练好的模型需要进行转换，rknn安装需要torch版本为1.6.0，本资源提供torch-1.6.0-cp36-cp36m-manylinux1_x86_64.whl安装包，以便快速完成环境配置

torch-1.10.2-cp36-cp36m-manylinux1_x86_64.whltorch-1.10.2-cp36-cp36m-manylinux1_x86_64.whltorch-1.10.2-cp36-cp36m-manylinux1_x86_64.whltorch-1.10.2-cp36-cp36m-manylinux1_x86_64.whltorch-1.10.2-cp36-cp36m-manylinux1_x86_64.whltorch-1.10.2-cp36-cp36m-manylinux1_x86_64.whltorch-1.10.2-cp36-cp36m-manylinux1_x86_64.whltorch-1.10.2-cp36-cp36m-manylinux1_x86_64.whltorch-1.10.2-cp36-cp36m-manylinux1_x86_64.whltorch-1.10.2-cp36-cp36m-manylinux1_x86_64.whltorch-1.10.2-cp36-cp36m-manylinux1_x86_64.whltorch