【毕业设计】pytorch训练AI自动玩小游戏代码合辑（含游戏代码）AITRexRushAIChrome浏览器小恐龙游戏.zip
2022-04-18 17:05:16
40.63MB
【毕业设计】pytorch训练AI自动玩小游戏代码合辑（含游戏代码）AIFlappyBird飞扬的小鸟.zip
2022-04-18 17:05:16
121.03MB
1. 安装Anaconda3
官网下载Anaconda3：https://www.anaconda.com/distribution/
运行下载好的.exe文件
Win+R 调出运行对话框，输入 cmd 回车，输入 python，如果出现python版本信息，表明安装成功。
添加环境变量：高级系统设置 -> 环境变量
2. 查看电脑显卡信息
以 Win10 为例，控制面板 -> NVIDIA控制面板 -> 帮助 -> 系统信息 -> 组件
3. 创建PyTorch环境
卸载原来的pytorch和torchvision，之前没有安装则忽略这一步。
Win+R，输入cmd，p
2022-04-18 16:11:16
653KB
1
分享视频教程——《GAN生成对抗网络实战(PyTorch版)》，2022最新升级版！本课程讲解GAN的基本原理和常见的各种GAN，提供数据集、代码和课件。
适用人群：
1、对GAN生成对抗网络感兴趣的
2、对PyTorch感兴趣的
3、希望研究深度学习模型的
2022-04-18 12:05:46
532B
1
此文件为yolo模型（1-3）的pytorch实现以及ssd目标检测的pytorch实现
2022-04-17 16:08:14
53.24MB
multi_gpu_test
在多GPU机器上使用PyTorch进行并行化（已在Google Cloud GPU机器上测试）
设置带有一个或多个GPU的Google云机的脚本（要购买GPU机，请参阅以获取说明）
Pytorch安装步骤/脚本
测试实用程序以检查多GPU执行
安装步骤
购买GPU机器后（有关说明，请参见 ）
运行first.sh-这将为后续步骤安装基本实用程序
运行second.sh-按照显示的链接中的说明获取Nvidia的驱动程序。 此存储库中提供了针对Ubuntu 16.04的安装（在second.sh中-默认情况下已注释）
使用nvidia_smi确认正确的安装
运行third.sh-这将安装anaconda，pytorch。
执行多GPU测试
conda激活伯特
python multi_gpu.py
请注意，这30个输入的批次分布在8个GPU上-7个G
2022-04-16 17:56:38
623KB
1
pytorch深度学习实战 pdfpytorch深度学习实战 pdfpytorch深度学习实战 pdfpytorch深度学习实战 pdfpytorch深度学习实战 pdfpytorch深度学习实战 pdfpytorch深度学习实战 pdfpytorch深度学习实战 pdfpytorch深度学习实战 pdfpytorch深度学习实战 pdfpytorch深度学习实战 pdfpytorch深度学习实战 pdfpytorch深度学习实战 pdfpytorch深度学习实战 pdfpytorch深度学习实战 pdfpytorch深度学习实战 pdfpytorch深度学习实战 pdfpytorch深度学习实战 pdfpytorch深度学习实战 pdfpytorch深度学习实战 pdfpytorch深度学习实战 pdfpytorch深度学习实战 pdfpytorch深度学习实战 pdfpytorch深度学习实战 pdfpytorch深度学习实战 pdfpytorch深度学习实战 pdfpytorch深度学习实战 pdfpytorch深度学习实战 pdfpytorch深度学习实战 pdfpytorch
2022-04-16 14:07:52
2.71MB
PyTorch | （1）初识PyTorch
PyTorch | （2）PyTorch 入门-张量
PyTorch | （3）Tensor及其基本操作
Tensor attributes:
在tensor attributes中有三个类，分别为torch.dtype, torch.device, 和 torch.layout
其中， torch.dtype 是展示 torch.Tensor 数据类型的类，pytorch 有八个不同的数据类型,下表是完整的 dtype 列表.
Torch.device 是表现 torch.Tensor被分配的设备类型的类，其中分为’cpu’ 和 ‘cuda’
2022-04-16 03:02:08
123KB
1
深度融合网络以完成图像
介绍
深度图像完成通常无法和谐地将还原的图像融合到现有内容中，尤其是在边界区域中。 而且它常常无法完成复杂的结构。
我们首先介绍Fusion Block，用于生成灵活的alpha成分图，以组合已知区域和未知区域。 它为结构和纹理信息搭建了桥梁，因此已知区域中的信息可以自然地传播到完成区域。 使用这项技术，完井结果将在完井区域边界附近平滑过渡。
此外，融合块的体系结构使我们能够应用多尺度约束。 多尺度约束在结构一致性上大大提高了DFNet的性能。
此外，易于将这种融合块和多尺度约束应用于其他现有的深度图像完成模型。 具有特征图和输入图像的融合块供稿将以与给定特征图相同的分辨率为您提供完成结果。
更多细节可以在我们的找到
融合块的插图：
相应图像的示例：
如果您发现此代码对您的研究有用，请引用：
@inproceedings{Hong:2019:DFN:3
2022-04-15 21:35:07
3.16MB
1