没有合适的资源?快使用搜索试试~
我知道了~
文库首页
开发技术
其它
Pytorch-MBNet:MBNET的pytorch实现
Pytorch-MBNet:MBNET的pytorch实现
共9个文件
py:4个
csv:3个
pt:1个
Python
需积分: 18
3 下载量
15 浏览量
2021-03-26
02:06:41
上传
评论
收藏
6.54MB
ZIP
举报
温馨提示
立即下载
Pytorch-MBNet MBNET的pytorch实现:具有MEAN-BIAS网络的合成语音的MOS预测
资源详情
资源评论
收起资源包目录
Pytorch-MBNet-main.zip
(9个子文件)
Pytorch-MBNet-main
inference.py
4KB
data
valid_data.csv
152KB
testing_data.csv
202KB
training_data.csv
2.66MB
test.py
4KB
train.py
8KB
pre_trained
model-50000.pt
6.66MB
dataset.py
5KB
README.md
112B
共 9 条
1
评论
收藏
内容反馈
立即下载
评论0
去评论
最新资源
哈夫曼树及应用hahhahahaha
树与森林的遍历hahhahha
树和森林概念及存储结构及转换hahhaha
线索二叉树hahahhahaha
二叉树遍历算法的应用hahhhahaha
快速制作自己的第一个动画
ide-eval-resetter-2.1.14.zip
二叉树的遍历hahahha
IntelliJ IDEA 2021
母亲节祝福html源码
钟离舟
粉丝: 34
资源:
4667
私信
上传资源 快速赚钱
前往需求广场,查看用户热搜
相关推荐
Pytorch-UNet:U-Net的PyTorch实施,用于高质量图像的图像语义分割-源码
UNet:使用PyTorch进行语义分割 在PyTorch中针对高清晰度图像针对Kaggle的自定义实施 。 该模型是从头开始训练的,具有5000张图像(无数据增强),并且在超过100k张测试图像上获得了0.988423(735中的511)的。 可以通过更多的培训,数据增强,微调,使用CRF后处理以及在蒙版边缘上施加更多权重来提高此分数。 Carvana数据可在上。 用法 注意:使用Python
speechmetrics:语音质量指标MOSNet,BSSEval,STOI,PESQ,SRMR和SISDR的包装
语音指标 该存储库是目标度量的几种可免费获得的实现的包装,用于评估语音信号的质量。 它既包括相对指标,也包括绝对指标,这意味着分别需要或不需要参考信号的指标。 如果您发现语音指标有用,则欢迎您为相应的指标引用原始论文,因为这只是原始作者所提供的实现的包装。 如果您想到了一些可以在此处包含的可用python实现的指标,请告诉我! 安装 在我们最近的测试中,在ubuntu上安装顺利,但是在pype
5星 · 资源好评率100%
FMNet-pytorch:一个 Pytorch 实现
FMNet-pytorch pytorch 实现:“深度功能映射:密集形状对应的结构化预测”[ ] 安装 这个实现在python>=3.7上运行,使用pip安装依赖: pip3 install -r requirements.txt 下载数据和预处理 下载所需的数据集并将其放入data文件夹中。 提供多个数据集。 提供了 faust-reshed 数据集的示例. 构建镜头计算器: cd
pytorch-pix2pix:各种数据集的pix2pix的Pytorch实现
pytorch-pix2pix pix2pix [1]的各种数据集的Pytorch实现。 您可以下载数据集: : 您可以在查看有关网络体系结构和培训详细信息的更多信息。 资料集 城市风光2,975个训练图像,200个训练纪元,1批大小,反序:真 外墙400个训练图像,200个训练纪元,1个批处理大小,反顺序:真 地图1,096个训练图像,200个训练纪元,1个批处理大小,反序:真 edge
Shift-Net_pytorch:Shift-Net的Pytorch实现
新的培训策略 我发布了一种新的训练策略,该方法可以减少色偏,从而有助于应对随机面罩训练,而这大约需要30%的训练时间。 当我们执行脸部插入时,这是非常有用的。 设置--which_model_netG='face_unet_shift_triple'和--model='face_shiftnet'和--batchSize=1来执行该策略。 参见下面的一些示例,当在面部数据集上使用随机蒙版进行训练
SSD-Pytorch:更紧凑,更简单的SSD pytorch实现
固态硬盘 固态硬盘的更紧凑,更简单的pytorch实现 新的功能: Opencv支持数据读取和数据扩充。 紧凑且易于阅读的项目结构。 轻松定制的数据集培训。
egnn-pytorch:在Pytorch中实现E(n)-等价图神经网络
EGNN-Pytorch(WIP) 中的实现。 最终可用于Alphafold2复制。 安装 $ pip install egnn-pytorch 用法 import torch from egnn_pytorch import EGNN layer1 = EGNN ( dim = 512 ) layer2 = EGNN ( dim = 512 ) feats = torch . randn (
MVSNet-pytorch版 源码 MVSNet-pytorch-master
MVSNet_pytorch版 源码 MVSNet_pytorch-master MVSNet_pytorch版 源码 MVSNet_pytorch-master MVSNet_pytorch版 源码 MVSNet_pytorch-master MVSNet_pytorch版 源码 MVSNet_pytorch-masterMVSNet_pytorch版 源码 ...
pytorch-1.6.0-py3.6-cuda10.2.89-cudnn7.6.5-0.tar.bz2
pytorch-1.6.0-py3.6_cuda10.2.89_cudnn7.6.5_0.tar.bz2 pytorch-1.6.0-py3.6_cuda10.2.89_cudnn7.6.5_0.tar.bz2 pytorch-1.6.0-py3.6_cuda10.2.89_cudnn7.6.5_0.tar.bz2 pytorch-1.6.0-py3.6_cuda10.2.89_cudnn...
PyTorch-Image-Models-Multi-Label-Classification-main.zip
PyTorch-Image-Models-Multi-Label-Classification-main.zip
4星 · 用户满意度95%
Person_reID_baseline_pytorch-master.zip_Person Re-ID:_PyTorch行人识
深度学习网络进行行人重识别,rank1高达88%,mAP高达70%
pytorch-openpose-master_pytorchopen_人体姿态_pytorch-openpose_身体识别_深
pytorch-openpose-master_pytorchopen_人体姿态_pytorch-openpose_身体识别_深
pytorch-projection_sngan:投影Sngan的Pytorch实现
pytorch-projection_sngan 使用光谱归一化和投影判别器的条件图像生成的Pytorch实现。 频谱归一化: : 投影判别器: : id 核心代码严格从迁移 该代码正在工作。 当前没有时间改进培训代码并进行更多的实验。 我会尽快做到的。
Pytorch_rppgs:使用pytorch实现Deepphys模型
Pytorch_rppgs 使用pytorch实现rppg模型 型号清单 DeepPhys(加拿大) MTTS 测试
NAG-pytorch:Pytorch https的实现
NAG火炬 对手产生网络 CVPR 2018论文的非官方实施:PyTorch中的“ NAG:对抗者生成网络”。 抽象的 对抗性干扰会对部署机器学习系统构成严重威胁。 最近的工作表明存在不可知论的图像扰动,这些扰动会欺骗大多数自然图像上的分类器。 现有方法提出了优化方法,该方法解决了具有不可觉察的约束的愚蠢目标,从而产生了“摄动”。 但是,对于给定的分类器,它们一次生成一个扰动,这是来自对抗性扰动流
feedback-transformer-pytorch:Pytorch中反馈变压器的实现
反馈变压器-Pytorch 在Pytorch中简单实现 。 通过使每个令牌可以随时访问所有先前层的表示形式,它们对Transformer-XL有所改进。 这是通过将所有层的输出聚合到一个共享的内存中来实现的,跨每个层的令牌可以在每个时间步参与该共享的内存。 主要缺点是训练时间长,这是由于其不平行的性质。 但是我认为我可以将其构建为对该工作线的进一步探索和研究。 我还随意添加了一些增强功能,包括
bottleneck-transformer-pytorch:Pytorch中瓶颈变压器的实现
瓶颈变压器-火炬 在Pytorch中,在性能-计算权衡方面优于EfficientNet和DeiT的卷积(SotA)视觉识别模型的卷积+注意实现 安装 $ pip install bottleneck-transformer-pytorch 用法 import torch from torch import nn from bottleneck_transformer_pytorch import
pytorch-kfac:KFAC的Pytorch实现-这是https:github.comtensorflowkfac的端口
用法安装git clone https://github.com/n-gao/pytorch-kfac.gitcd pytorch-kfacpython setup.py install例子示例中提供了examples笔记本。 必须启用对向前通过和向后通过的跟踪。 这阻止了优化器跟踪其他过程,例如...
pytorch-Learning-to-See-in-the-Dark-master.zip
pytorch-Learning-to-See-in-the-Dark代码,CVPR论文 亲测,可行
Python库 | pytorch-fast-transformers-0.3.0.tar.gz
资源分类:Python库 所属语言:Python 资源全名:pytorch-fast-transformers-0.3.0.tar.gz 资源来源:官方 安装方法:https://lanzao.blog.csdn.net/article/details/101784059
5星 · 资源好评率100%
基于PyTorch与PyTorch-Lightning进行人工神经网络模型与CNN模型的构建.zip
准备阶段,使用 PyTorch-Lightning 进行训练框架的搭建。 在{model_name}_main.py 入口脚本(例如 cnn_main.py)中设置 Global Seed 为 42,使用自定义的 MnistDataLoader 作为训练数据,使用 pl.Trainer()对模型...
5星 · 资源好评率100%
QANet-pytorch-:QANet的Pytorch实现
质量保证网 一个Pytorch实施 该代码主要基于两个存储库: 性能 训练纪元/步骤 批量大小 隐藏尺寸 注意头 电磁 F1 12.8 / 35,000 32 96 1个 69.0 78.6 22 / 60,000 32 96 1个 69.7 79.2 12.8 / 93,200 12 128 8 70.3 79.7 22 / 160,160 12 128
superpoint-pytorch:Superpoint https的Pytorch实现
超点火炬 该文件是对Superpoint模型的pytorch实现和评估,如。 我们在RémiPautrat的tensorflow实现中找到了很大的帮助: : 。 在兴趣点检测中,我们的模型似乎未完全收敛: 但是,同形加法与我们的模型相结合的结果看起来还是不错的: 与其他点检测模型进行比较: 与原始模型相比,总体结果未达到跟踪能力。 对于原始模型,匹配点是: 与我们的实施: 尽
pytorch-glow:OpenAI的GLOW的Pytorch实现
辉光 OpenAI生成模型Pytorch实现。 此仓库提供了一种用于堆叠可逆转换的模块化方法。 运行代码 python train.py <args> 例如 CUDA_VISIBLE_DEVICES=0 python train.py --depth 10 --coupling affine --batch_size 64 --print_every 100 --permutation con
pytorch-center-loss:Pytorch实现中心损失
火炬中心损失 Pytorch实现中心损失的方法: ( )也使用此损失函数。 开始吧 克隆此仓库并运行代码 $ git clone https://github.com/KaiyangZhou/pytorch-center-loss $ cd pytorch-center-loss $ python main.py --eval-freq 1 --gpu 0 --save-dir log/
linformer-pytorch:我对Pytorch的Linformer的实际实现的看法
Linformer Pytorch实施 实际实现。注意只有n的线性复杂度,可以在现代硬件上处理非常长的序列长度(1mil +)。 此回购协议是一个样式转换器,带有编码器和解码器模块。这里的新颖之处在于,现在,人们可以使注意力转向线性。在下面查看如何使用它。 这正在wikitext-2上进行验证。目前,它的性能与其他稀疏注意力机制(例如水平相同,但仍必须找到最佳的超参数。 头部的可视化也是可能的。
pytorch-CycleGAN-and-pix2pix-master
pytorch-CycleGAN-and-pix2pix-master的一个代码
5星 · 资源好评率100%
pytorch-NetVlad:NetVlad的Pytorch实施,包括匹兹堡培训
pytorch-NetVlad 中NetVlad的实现,包括用于在匹兹堡数据集上训练模型的代码。 复制纸张 下面是与表1右列中第三行的结果相比的结果: R @ 1 R @ 5 R @ 10 84.1 94.6 95.5 pytorch-NetVlad(alexnet) 68.6 ...
5星 · 资源好评率100%
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0
最新资源