官方网站下载太慢
2021-11-17 21:17:27 140.07MB Cifar10
1
里面包含TensorFlow和sklearn基于CIFAR-10数据集的前馈神经网络实现,以及各自的结果图片。
2021-11-17 15:39:54 807KB 机器学习
1
使用CIFAR数据集进行残留网络实验。 更新(2018/06/15) 我们使用了一种称为HTD的新学习率调度程序。 您可以在或在我们的玩具演示代码。 原始存储库 该存储库是关于CIFAR-10和CIFAR-100的学习率的一些实验。 原始论文以0.1的学习率开始,在32k( 81 epoch )和48k( 122 epoch )迭代中将其除以10 ,并在64k迭代(总共200 epoch )时终止训练。 我基于相同的架构进行了其他实验。 唯一的区别是学习率时间表。 所有张量板日志和预训练模型都可以在 怎么跑 您可以运行脚本run.sh来启动所有实验。 或仅运行以下命令: python3 ResNet_keras.py --epochs 200 --stack_n 3 --lr_scheduler 1 --dataset cifar100 实验的准确性 如有任何疑问,请随时与我联
2021-11-13 18:59:29 458KB tensorflow keras resnet learning-rate
1
CIFAR-10数据集是深度学习中的一个通用的用于图像识别的基础数据集,官网下载太慢了,可以用这个学习交流。
2021-11-13 17:24:24 162.17MB cifar10 深度学习
1
cifar-100-python cifar-100-python cifar-100-python 免费下载
2021-11-13 12:39:14 161.2MB cifar-100-python
1
GoogLeNet用于图像分类 TensorFlow的实现一起(CVPR'15)。 该存储库包含使用预训练模型进行自然图像分类的示例,以及从头开始在数据集上训练Inception网络(测试集的准确度为93.64%)。 可以从 下载CIFAR-10上的预训练模型。 本文的GoogLeNet架构: 要求 Python 3.3以上 实施细节 GoogLeNet模型在定义。 Inception模块在定义。 使用预训练模型进行图像分类的示例在 。 在example ,有一个在CIFAR-10上从头开始训练网络的 。 用于测试预训练模型 重新缩放图像,使最小边等于224,然后再输入模型。 这
2021-11-12 15:07:49 9.44MB tensorflow image-classification inception cifar
1
MobileNetV2_pytorch_cifar 这是MobileNetv2在PyTorch中的完整实现,可以在CIFAR10,CIFAR100或您自己的数据集中进行训练。 该网络来自下面的论文 残差和线性瓶颈:用于分类,检测和细分的移动网络 在该网络中,使用了反向残差结构和深度卷积。 请参阅该论文以获取更多详细信息 用法 此项目已编译并在Python 2.7和PyTorch 0.4.0上运行。以下是一些必需的依赖项: torch 0.4.0 torchvision 0.2.1 numpy 1.14.3 tensorboardX 1.2 使用pip首先安装它们 训练与测试 下载CIFAR10或CIFAR100数据集,或准备自己的数据集,如PyTorch中定义的数据加载器 将config.py修改为您自己的配置,例如。 更改image_size或其他 运行python main.py
2021-11-11 20:58:38 13.29MB Python
1
Transfer_Learning_ResNet50 在此存储库中,我们将执行转移学习,以在Keras中的ResNet50模型上训练CIFAR-10数据集。
2021-11-11 17:02:32 4KB JupyterNotebook
1
卷积神经网络CNN识别图像集Cifar10,使用Jupyter Notebook 编写的 Python代码,含建模及测试,代码注释清晰,十分适合新手
2021-11-09 16:19:54 140KB Cifar CNN Python Keras
1
模仿CIFAR数据集格式制作自己的数据集
2021-11-09 11:17:10 4KB cifar
1