HyperNet:适用于ResNet的HyperNetworks的PyTorch实施（Ha等人，ICLR 2017）

machine-learning deep-learning hypernetworks Python

超网络适用于ResNet的PyTorch实施（Ha等人，ICLR 2017）。该代码主要用于CIFAR-10和CIFAR-100，但是将其用于任何其他数据集都非常容易。将其用于不同深度的ResNet架构也非常容易。我们使用pytorch闪电来控制整个管道。怎么跑 python train.py --dataset {cifar10/cifar100} --gpus $num_gpu -j $num_workers --distributed_backend ddp 已过期。此回购协议已将HyperNet修改为逐层实施，使用起来更加方便。需要注意的是，我们发现尽管作者设置了in_size和out_size 。实际上，您应该将in_size和out_size设置为16，否则将失败。

文件下载

资源详情

[{"title":"（ 5 个子文件 6KB ） HyperNet:适用于ResNet的HyperNetworks的PyTorch实施（Ha等人，ICLR 2017）","children":[{"title":"HyperNet-main","children":[{"title":".gitignore 1.11KB ","children":null,"spread":false},{"title":"requirements.txt 85B ","children":null,"spread":false},{"title":"README.md 938B ","children":null,"spread":false},{"title":"resnet.py 7.11KB ","children":null,"spread":false},{"title":"train.py 8.64KB ","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

其他资源

免责申明

【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论【只为小站】经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见版权及免责申明

HyperNet:适用于ResNet的HyperNetworks的PyTorch实施（Ha等人，ICLR 2017）

文件下载

资源详情

评论信息

其他资源

免责申明

个人信息

相关资源标签

热门下载

最新下载