tensorflow-vdsr:CVPR 16'的“使用超深卷积网络的精确图像超分辨率”的张量流实现

上传者: 42140710 | 上传时间: 2021-05-19 19:38:50 | 文件大小: 11KB | 文件类型: ZIP
张量流 概述 这是Tensorflow实现,用于 。 要下载培训/测试所需的数据,请参阅数据目录中的README.md。 档案文件 VDSR.py:主要培训文件。 MODEL.py:模型定义。 MODEL_FACTORIZED.py:因式分解CNN的模型定义。 (不建议使用。仅用于记录目的) PSNR.py:定义如何在python中计算PSNR TEST.py:测试所有保存的检查点 PLOT.py:从TEST.py绘制测试结果 如何使用 训练 # if start from scratch python VDSR.py # if start with a checkpoint python VDSR.py --model_path ./checkpoints/CHECKPOINT_NAME.ckpt 测验 # this will test all the checkpoint

文件下载

资源详情

[{"title":"( 12 个子文件 11KB ) tensorflow-vdsr:CVPR 16'的“使用超深卷积网络的精确图像超分辨率”的张量流实现","children":[{"title":"tensorflow-vdsr-master","children":[{"title":"MODEL.py <span style='color:#111;'> 1.65KB </span>","children":null,"spread":false},{"title":"checkpoints","children":[{"title":"checkpoint <span style='color:#111;'> 117B </span>","children":null,"spread":false}],"spread":true},{"title":"PSNR.py <span style='color:#111;'> 377B </span>","children":null,"spread":false},{"title":"TEST.py <span style='color:#111;'> 3.50KB </span>","children":null,"spread":false},{"title":"VDSR.py <span style='color:#111;'> 6.92KB </span>","children":null,"spread":false},{"title":"PLOT.py <span style='color:#111;'> 2.38KB </span>","children":null,"spread":false},{"title":"MODEL_FACTORIZED.py <span style='color:#111;'> 1.88KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 2.20KB </span>","children":null,"spread":false},{"title":"data","children":[{"title":"aug_train.m <span style='color:#111;'> 7.12KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 793B </span>","children":null,"spread":false},{"title":"aug_test.m <span style='color:#111;'> 1.33KB </span>","children":null,"spread":false}],"spread":true},{"title":".gitignore <span style='color:#111;'> 128B </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

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