快速语义分割 该存储库旨在为PyTorch中的移动设备提供准确的实时语义分段代码，并在Cityscapes上提供预训练的权重。 这可用于在各种现实世界的街道图像上进行有效的分割，包括Mapillary Vistas，KITTI和CamVid等数据集。 from fastseg import MobileV3Large model = MobileV3Large . from_pretrained (). cuda (). eval () model . predict ( images ) 这些模型是MobileNetV3 （大型和小型变体）的实现，具有基于LR- ASPP的修改后的细分头。 顶级型号在Cityscapes val上能够达到72.3％的mIoU精度，而在GPU上以高达37.3 FPS的速度运行。 请参阅下面的详细基准。 当前，您可以执行以下操作： 加载预训练的Mo

2019-2021最新应用深度学习到OFDM通信系统中的论文汇总 赠人玫瑰，手有余香，可以顺便Star一下啦 2021 年 2021年面向深度学习的信号处理综述 2021-1月号发表 OFDM的无线图像传输的深层联合源信道编码 2021-1月， 提出的模型驱动的机器学习方法消除了对单独的源代码和信道编码的需求，同时集成了OFDM数据路径以应对多路径衰落信道 2021-1月，消除OFDM带来的麻烦：采用端到端学习的无导频和无CP通信 2021-1月，水下声OFDM通信中带软反馈的卷积神经网络降低PAPR 2021 International Bhurban Conference on Applied Sciences and Technologies (IBCAST) 2021-4月，使用信道状态信息进行OFDM系统中的物理篡改攻击检测：一种深度学习方法 IEEE Wireless Comm

使用图像到图像的翻译进行无限制的面部几何重构-官方PyTorch实施 使用图像到图像转换的无限制面部几何重构的评估代码。终于移植到PyTorch！ 最近更新 2020.10.27 ：添加了STL支持 2020.05.07 ：添加了车轮包装！ 2020.05.06 ：添加了版本以用于模型的快速测试 2020.04.30 ：pyTorch初始版本 此版本中有什么内容？ 由三部分组成 一个网络执行图像到深度+在合成人脸数据上训练的对应图 一种非刚性ICP方案，用于将输出图转换为完整的3D网格 从阴影到形状的方案，用于添加精细的介观细节 这个仓库目前包含我们的图像到图像网络，其中包含权重和PyTorch模型以及一个简单的python后处理方案。 已发布的网络经过了合成图像和未标记真实图像的组合训练，以增强鲁棒性：) 安装 从PyPi安装 $ pip install pix2vertex

人工神经网络漫谈.zip

胶囊网络 胶囊网络的PyTorch实现，如Sara Sabour，Nicholas Frosst和Geoffrey E Hinton在论文中所述。

kaggle数据集 可供所有人使用的Kaggle数据集集合 系统 Python 3.5 Python 3.6 Python 3.7 Linux 苹果系统 视窗 有关Kaggle数据集的更多信息 import kaggledatasets as kd heart_disease = kd . structured . HeartDiseaseUCI ( download = True ) # Returns the pandas data frame to be used in Scikit Learn or any other framework df = heart_disease . data_frame () # Returns the tensorflow dataset type compatible with TF 2.0 dataset = heart_disease . load () for batch , label in dataset . take ( 1 ): for key , value in batch . items ():

路由变压器 全功能实现。本文提出使用k最近邻居将相似的查询/关键字路由到同一群集中以引起注意。 131k代币 安装 $ pip install routing_transformer 用法 简单的语言模型 import torch from routing_transformer import RoutingTransformerLM model = RoutingTransformerLM ( num_tokens = 20000 , dim = 512 , heads = 8 , depth = 12 , max_seq_len = 8192 , causal = True , # auto-regressive or not emb_dim = 128 , # embedding fa

关于在英语语料库上进行词嵌入训练的研究很多。 该工具包通过在德语语料库上应用深度学习，以训练和评估德语模型。 有关项目，评估结果和的概述可在或直接在此存储库中找到。 该项目是根据发布的。 开始吧 确保已安装Python 3以及以下库： pip install gensim nltk matplotlib numpy scipy scikit-learn 现在，您可以下载并在您的Shell中执行它，以自动下载此工具包和相应的语料库文件并进行模型训练和评估。 请注意，这可能需要大量时间！ 您也可以克隆此存储库，并使用我已经进行评估和可视化。 如果您只想查看不同Python脚本的工作方式，

CVPR2021 Ensembling with Deep Generative Views核心内容中文翻译

seqGAN PyTorch实现的“ SeqGAN：具有策略梯度的序列生成对抗网络”。 （于兰涛等）。 该代码经过高度简化，注释和（希望）易于理解。 实施的策略梯度也比原始工作（ ）简单得多，并且不涉及推广-整个句子使用单一奖励（受的示例启发） ）。 使用的体系结构与原始工作中的体系结构不同。 具体而言，将循环双向GRU网络用作鉴别器。 该代码按论文中所述对合成数据进行实验。 我们鼓励您对代码作为问题的工作方式提出任何疑问。 要运行代码： python main.py main.py应该是您进入代码的入口。 技巧与观察 在这种情况下，以下黑客（从借来）似乎有效： 培训鉴别器