安卓编译器 百度云共享 android-studio-bundle-143.2915827-windows
2022-02-21 18:57:20
42B
1
PyTorch中的高效神经体系结构搜索（ENAS）
实现PyTorch实现。
ENAS通过在大型计算图中的子图模型之间共享参数，将（ NAS ）的计算需求（GPU小时）减少了1000倍。 关于Penn Treebank语言建模的SOTA。
** [注意]请使用作者提供的官方代码：**
先决条件
Python 3.6+
tqdm，scipy，imageio，graphviz，tensorboardX
用法
安装必备组件：
conda install graphviz
pip install -r requirements.txt
要训练ENAS以发现RNN的复发细胞，请执行以下操作：
python main.py --network_type rnn --dataset ptb --controller_optim adam --controller_lr 0.00035 \
2022-02-21 10:06:12
13.02MB
1
1、资源内容：毕业设计lun-wen；源码等
2、学习目标：快速完成相关题目设计；
3、应用场景：课程设计、diy、毕业、参赛；
4、特点：直接可以编辑使用；
5、使用人群：设计参赛人员，学生，教师等。
6、使用说明：下载解压可直接使用。
2022-02-21 09:13:22
1.12MB
本文重点研究可见热交叉模态行人再识别（VT Re-ID）任务，其目标是在白天可见模态和夜间热模态之间匹配人像。 双流网络通常用于通过学习多模态人物特征来解决跨模态差异，这是 VT Re-ID 最具挑战性的问题。 在本文中，我们探讨了双流网络应该共享多少参数，这在现有文献中仍未得到很好的研究。 通过拆分 ResNet50 模型构建模态特定特征提取网络和模态共享特征嵌入网络，我们实验证明了双流网络参数共享对 VT Re-ID 的效果。 此外，在part-level person feature learning的框架中，我们提出hetero-centertriplet loss来放松传统triplet loss的严格约束，将anchor与所有其他样本的比较替换为anchor center与所有其他样本的比较。 中心。 通过极其简单的方法，所提出的方法可以显着提高 VT Re-ID 性能。
在两个数据集上的实验结果表明，我们提出的方法明显优于最先进的方法，特别是在 RegDB 数据集上实现了卓越的性能，rank1/mAP/mINP 91.05%/83.28%/68.84%。 它可以成为
2022-02-18 09:02:29
24KB