面向科研和产品化的深度学习和强化学习库(TensorLayer开源中国官方镜像)
2022-12-19 16:28:04 13.31MB 深度学习 机器学习 学习库
1
TensorFlow中的Insight Face 任务 mxnet数据集到tfrecords 骨干网络架构[vgg16,vgg19,resnet] 骨干网络体系结构[resnet-se,resnext] LResNet50E-IR LResNet100E-IR 加法角余量损失 余弦面损失 火车网络代码 在训练期间添加验证 多GPU训练 合并损失由RogerLo提供。 评估代码 培训技巧(持续更新) 如果您不能使用大批量(> 128),则应使用较小的学习率 如果您不能使用大批量(> 128),则可以尝试重新规范化批量(文件L_Resnet_E_IR_RBN.py ) 如果使用多个
1
在TensorFlow / TensorLayer中开始 BEGAN的TensorFlow / TensorLayer实现 先决条件 Python 2.7或Python 3.3+ 用法 首先,将图像下载到data/celebA : $ python download.py celebA [202599 face images] 其次,训练GAN: $ python main.py --point "25 58" 第三,使用训练有素的生成器生成人脸: $ python generate.py --num_imgs 1000 CelebA的结果 从头到60k(每500次迭代捕获帧)。 gamma=0.5
1
CVAE-GAN_tensorlayer 具有tensorlayer的CVAE-GAN实现。 例子 训练VAE输出 测试VAE输出和侦察输出 依附 张量流张量层麻木进度条2 我的测试环境是tensorflow-gpu-1.10,tensorlayer-1.91,gtx970m-3g。 一些问题和注意 emmm ...此实现可能与页面有所不同。 我尝试了WGAN-GP和LS-GAN的丢失,但是效果不好。 也许我的代码是错误的。 然后我将鉴别器变成自动编码器并尝试BEGAN的损失,这看起来不错。 训练后的VAE输出仍然模糊,但是我发现鉴别器的重建图像可以使VAE输出更清晰。 主要的网络结构是我的简单自定义resnet,它应与DCGAN不同。 训练日志 我的训练过程输出和日志可以分别在imgs和logs文件夹中找到。 训练日志已被压缩,仅需解压缩。 如何使用 测试 python3 test.
2021-09-23 13:02:48 29.84MB 附件源码 文章源码
1
U-Net脑肿瘤分割 :rocket: :2019年2月此仓库中的数据处理实现不是最快的方式(代码需要更新,欢迎您提供),您可以改用TensorFlow数据集API。 此仓库向您展示了如何训练U-Net进行脑肿瘤分割。 默认情况下,您需要下载数据集的训练集,该训练集具有210 HGG和75 LGG卷,并将data文件夹与所有脚本一起放置。 data -- Brats17TrainingData -- train_dev_all model.py train.py ... 关于数据 请注意,根据许可证,用户必须从BRAST应用数据集,请不要与我联系以获取数据集。 非常感谢。 图1:大脑图像
2021-04-13 15:52:45 817KB tensorflow medical-imaging unet tensorlayer
1