对抗生成网络学习（九）——CartoonGAN+爬虫生成《言叶之庭》风格的影像(tensorflow实现)-附件资源
2022-03-13 13:05:43
106B
1
介绍
作者：
Thomas V. Wiecki，Imri Sofer，Mads L.Pedersen，Michael J.Frank
接触：
， ， ，
网站：
Github：
邮件列表：
版权：
该文档已放置在公共领域。
执照：
HDDM是根据BSD 2许可证发行的。
版本：
0.7.8
目的
HDDM是用于漂移扩散模型（通过PyMC）的分层贝叶斯参数估计的python工具箱。 漂移扩散模型被广泛用于心理学和认知神经科学中以研究决策。
查看有关如何入门的。 可以在下面以及部分和找到更多信息。
特征
使用DDM参数的分层贝叶斯估计（通过PyMC）允许同时估计主题和组参数，其中假定单个主题是从组分布中得出的。 因此，与使用个别受试者最大可能性（即DMAT或fast-dm ）的其他方法相比，当测量的RT值较少时，HDDM应产生更好的估计。
针对速度进行了高度优
2022-03-13 00:36:41
9.11MB
1
关于贝叶斯统计方面的很好的入门教材。The purpose of the book is to familiarize the students with the basic concepts of Bayesian theory and to quickly get them performing their own data analyses using Bayesian com- putational tools.
2022-03-12 22:45:31
2.74MB
1
FDA：用于语义分割的傅里叶域自适应。
这是2020年CVPR发布的论文的Pytorch实施。
使用傅里叶变换，可以通过样式转换轻松调整域。 FDA不需要深入的网络来进行样式转换，也不需要任何对抗培训。下面是建议的傅里叶域自适应方法的示意图：
步骤1：将FFT应用于源图像和目标图像。
步骤2：将源幅度的低频部分替换为目标幅度的低频部分。
步骤3：将逆FFT应用于修改后的源频谱。
用法
FDA演示
python3 FDA_demo.py
FDA用于域适应的一个例子。 （来源：GTA5，目标：CityScapes，β为0.01）
使用FDA的Sim2Real Adaptation（单个beta）
python3 train.py --snapshot-dir ='.. / checkpoints / FDA'--init-weights ='.. / checkpoints / FDA /
2022-03-12 16:35:45
6.11MB
1