[PYTORCH]用于文档分类的分层注意网络 介绍 下面是我的文件分层关注网络的文档分类描述的模型的pytorch实现。 Dbpedia数据集模型输出结果的应用程序演示示例。 我的模型对Dbpedia数据集的性能示例。 如何使用我的代码 使用我的代码，您可以： 使用任何数据集训练模型 给定我训练有素的模型或您的模型，您可以评估具有相同类集的任何测试数据集 运行一个简单的Web应用进行测试 要求： python 3.6 火炬0.4 张量板 tensorboardX （如果不使用SummaryWriter，则可以跳过此库） 麻木 数据集： 我用于实验的数据集的统计信息。 这些数

暹罗深度神经网络的语义相似性。 该存储库包含Tensorflow中的暹罗神经网络的实现，该实现基于3种不同的主要深度学习架构构建： 卷积神经网络 递归神经网络 多头注意力网络 创建该存储库的主要原因是将GitHub上主要基于CNN和RNN架构构建的Siamese神经网络的知名实现方案与基于Transformer模型最初由提出的基于多头注意力机制构建的Siamese神经网络进行比较，这论文。 。 支持的数据集 当前版本的管道支持使用3个数据集： :NEW_button: 对抗自然语言推论（ANLI）基准： ， 安装 资料准备 为了下载数据，请执行以下命令（此过程可能需要一段时间，具体取决于您的网络吞吐量）：

使用Resnet50进行图像相似度检测 介绍 给定一批图像，该程序将尝试使用基于Resnet50的特征向量提取来找到图像之间的相似性。 用法 python kreas_resnet50.py会将images文件夹中存在的所有图像python kreas_resnet50.py比较，并为每个图像提供最相似的图像。 先决条件 下载 使下载的Shell脚本可执行并安装 conda -V检查安装是否成功。 conda update conda和conda update anaconda conda update scikit-learn conda install theano conda install -c conda-forge tensorflow pip install keras export MKL_THREADING_LAYER=GNU 注意：有关更多描述性说明

Monodepth2 这是参考PyTorch实施，使用以下方法描述的方法来训练和测试深度估计模型 挖掘自我监督的单眼深度预测 ， ，和 此代码仅供非商业使用； 请参阅中的条款。 如果您发现我们的工作对您的研究有用，请考虑引用我们的论文： @article{monodepth2, title = {Digging into Self-Supervised Monocular Depth Prediction}, author = {Cl{\'{e}}ment Godard and Oisin {Mac Aodha} and

SiamTrackers 描述 年 Conf 追踪器 除错 火车 测试 数据 放 工具包 来源 VID DET 可可 青年旅社 得到 拉索 2016年 ECCV 暹罗FC :check_mark: :check_mark: :check_mark: :check_mark: 一万 非官方 暹罗FC :check_mark: :check_mark: :check_mark: :check_mark: 一万 非官方 2018年 心肺复苏术 暹罗RPN :check_mark: :check_mark: :check_mark: :check_mark: :check_mark: 一万 非官方 暹罗RPN :check_mark: :check_mark: :check_mark: :check_mark: 一万 非官方 2018年 ECCV DaSiamRPN :check_mark: :check_mark: :check_mark: :check_mark: :check_mark: :che

VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION非常经典的VGG-NET框架就是出自这篇文章

[PYTORCH]玩Flappy Bird的深度Q学习 介绍 这是我的python源代码，用于训练代理玩飞扬的小鸟。 可以将其视为强化学习应用程序的一个非常基本的示例。 结果 如何使用我的代码 使用我的代码，您可以： 通过运行python train.py从头开始训练模型 通过运行python test.py测试您训练有素的模型 训练有素的模特 您可以在trained_models / flappy_bird中找到我训练有素的模型 要求 python 3.6 pygame cv2 火炬 麻木

深度RVFL-Python python上的深层RVFL。

Twitter情绪识别 经过训练的递归神经网络（RNN）模型，用于根据英语推文预测情绪。 我们的模型适用于字符，因此我们无需进行任何预处理就将整个推文传递为RNN。 我们正在预测三种情感分类： 埃克曼的六种基本情感， 普鲁奇克的八种基本情感 情绪状态简介（POMS）的六个情绪状态。 文件和文件夹： demo.ipynb ：脚本显示了如何使用我们的模型来预测情绪或将推文嵌入Jupiter Notebook。 demo.py ：脚本显示了如何使用我们的模型来预测情绪或在Python中嵌入推文。 motion_prediction.py ：定义EmotionPredictor类的帮助脚本。

ZLUDA是Intel GPU上CUDA的直接替代品。 ZLUDA允许使用性能接近自然的Intel GPU运行未经修改的CUDA应用程序（详情请参见下文）。 它可与当前集成的Intel UHD GPU配合使用，并将与未来的Intel Xe GPU配合使用。ZLUDA ZLUDA是Intel GPU上CUDA的替代产品。 ZLUDA允许使用性能接近自然的Intel GPU运行未经修改的CUDA应用程序（详情请参见下文）。 它可与当前集成的英特尔UHD GPU一起使用，并将与未来的英特尔Xe GPU一起使用。性能ZLUDA性能已通过Intel UHD 630上的GeekBench 5.2.3进行了测量。一项测量是使用OpenCL完成的，另一项测量是使用CUDA与Intel GPU的完成的伪装成（相对较慢的）NVIDIA GPU