没有合适的资源?快使用搜索试试~ 我知道了~
benchmarking-keras-pytorch:Ke可重复基准化Keras和PyTorch模型
共120个文件
npy:94个
csv:19个
py:4个
需积分: 5 0 下载量 131 浏览量
2021-05-25
08:43:54
上传
评论
收藏 41.53MB ZIP 举报
温馨提示
对Keras和PyTorch预训练模型进行基准测试 PyTorch和Keras-Tensorflow中每个预训练模型的基准。 基准是可重复的。 为什么这有帮助 将Keras和PyTorch基准测试结合到一个框架中,研究人员可以决定哪种平台最适合给定的模型。 例如, resnet架构在PyTorch中表现更好,而inception架构在Keras中表现更好(请参阅下文)。 这些基准是开始新项目或调试当前实现的标准。 对于研究Keras和PyTorch模型的研究人员而言,这些基准可以作为开始新项目或调试当前实现的标准。 许多研究人员都在努力使用ImageNet上经过预训练的Keras(Tensorflow)模型的可再现精度基准。 问题的例子是 , , , 和 。 在Keras中,不能通过完全复制相关代码来复制有关。 实际上,报告的准确度通常高于实际的准确度。 在相关的中,我会更深入地
资源推荐
资源详情
资源评论
收起资源包目录
benchmarking-keras-pytorch:Ke可重复基准化Keras和PyTorch模型 (120个子文件)
consensus4.csv 4KB
consensus3.csv 4KB
cleaned_and_corrected_3.csv 4KB
cleaned_and_corrected_5.csv 4KB
cleaned_and_corrected_4.csv 4KB
consensus5_464.csv 4KB
consensus5.csv 4KB
test_noise_removed_4.csv 3KB
test_noise_removed_5.csv 3KB
test_noise_removed_3.csv 3KB
cleaned_and_corrected_4.csv 1KB
cleaned_and_corrected_5.csv 1KB
cleaned_and_corrected_3.csv 1KB
consensus4.csv 1KB
test_noise_removed_5.csv 1KB
test_noise_removed_3.csv 1KB
test_noise_removed_4.csv 1KB
consensus3.csv 1KB
consensus5.csv 1KB
.gitignore 8B
LICENSE 1KB
README.md 9KB
inceptionv3_keras_imagenet_top5preds.npy 1.91MB
xception_keras_imagenet_top5preds.npy 1.91MB
vgg16_keras_imagenet_top5preds.npy 1.91MB
densenet201_keras_imagenet_top5preds.npy 1.91MB
inceptionresnetv2_keras_imagenet_top5preds.npy 1.91MB
densenet121_keras_imagenet_top5preds.npy 1.91MB
densenet169_keras_imagenet_top5preds.npy 1.91MB
mobilenetV2_keras_imagenet_top5preds.npy 1.91MB
nasnetlarge_keras_imagenet_top5preds.npy 1.91MB
resnet50_keras_imagenet_top5preds.npy 1.91MB
vgg19_keras_imagenet_top5preds.npy 1.91MB
mobilenet_keras_imagenet_top5preds.npy 1.91MB
nasnetmobile_keras_imagenet_top5preds.npy 1.91MB
resnet18_pytorch_imagenet_top5preds.npy 1.91MB
densenet121_pytorch_imagenet_top5preds.npy 1.91MB
densenet169_pytorch_imagenet_top5preds.npy 1.91MB
vgg16_pytorch_imagenet_top5preds.npy 1.91MB
vgg11_pytorch_imagenet_top5preds.npy 1.91MB
squeezenet1_1_pytorch_imagenet_top5preds.npy 1.91MB
vgg16_bn_pytorch_imagenet_top5preds.npy 1.91MB
resnet50_pytorch_imagenet_top5preds.npy 1.91MB
densenet161_pytorch_imagenet_top5preds.npy 1.91MB
vgg19_bn_pytorch_imagenet_top5preds.npy 1.91MB
resnet152_pytorch_imagenet_top5preds.npy 1.91MB
alexnet_pytorch_imagenet_top5preds.npy 1.91MB
densenet201_pytorch_imagenet_top5preds.npy 1.91MB
resnet34_pytorch_imagenet_top5preds.npy 1.91MB
vgg13_bn_pytorch_imagenet_top5preds.npy 1.91MB
squeezenet1_0_pytorch_imagenet_top5preds.npy 1.91MB
vgg11_bn_pytorch_imagenet_top5preds.npy 1.91MB
vgg19_pytorch_imagenet_top5preds.npy 1.91MB
vgg13_pytorch_imagenet_top5preds.npy 1.91MB
inception_v3_pytorch_imagenet_top5preds.npy 1.91MB
resnet101_pytorch_imagenet_top5preds.npy 1.91MB
mobilenet_keras_imagenet_top5probs.npy 977KB
mobilenetV2_keras_imagenet_top5probs.npy 977KB
nasnetlarge_keras_imagenet_top5probs.npy 977KB
vgg19_keras_imagenet_top5probs.npy 977KB
resnet50_keras_imagenet_top5probs.npy 977KB
inceptionv3_keras_imagenet_top5probs.npy 977KB
densenet169_keras_imagenet_top5probs.npy 977KB
densenet121_keras_imagenet_top5probs.npy 977KB
xception_keras_imagenet_top5probs.npy 977KB
inceptionresnetv2_keras_imagenet_top5probs.npy 977KB
vgg16_keras_imagenet_top5probs.npy 977KB
densenet201_keras_imagenet_top5probs.npy 977KB
nasnetmobile_keras_imagenet_top5probs.npy 977KB
inception_v3_pytorch_imagenet_top5probs.npy 977KB
densenet169_pytorch_imagenet_top5probs.npy 977KB
squeezenet1_1_pytorch_imagenet_top5probs.npy 977KB
resnet18_pytorch_imagenet_top5probs.npy 977KB
densenet121_pytorch_imagenet_top5probs.npy 977KB
vgg11_pytorch_imagenet_top5probs.npy 977KB
densenet161_pytorch_imagenet_top5probs.npy 977KB
vgg13_pytorch_imagenet_top5probs.npy 977KB
vgg16_pytorch_imagenet_top5probs.npy 977KB
resnet101_pytorch_imagenet_top5probs.npy 977KB
resnet50_pytorch_imagenet_top5probs.npy 977KB
densenet201_pytorch_imagenet_top5probs.npy 977KB
vgg11_bn_pytorch_imagenet_top5probs.npy 977KB
resnet34_pytorch_imagenet_top5probs.npy 977KB
vgg19_bn_pytorch_imagenet_top5probs.npy 977KB
vgg13_bn_pytorch_imagenet_top5probs.npy 977KB
vgg19_pytorch_imagenet_top5probs.npy 977KB
squeezenet1_0_pytorch_imagenet_top5probs.npy 977KB
vgg16_bn_pytorch_imagenet_top5probs.npy 977KB
alexnet_pytorch_imagenet_top5probs.npy 977KB
resnet152_pytorch_imagenet_top5probs.npy 488KB
vgg11_bn_pytorch_cifar10_top5preds.npy 391KB
resnet50_pytorch_cifar10_top5preds.npy 391KB
resnet34_pytorch_cifar10_top5preds.npy 391KB
resnet18_pytorch_cifar10_top5preds.npy 391KB
inception_v3_pytorch_cifar10_top5preds.npy 391KB
densenet121_pytorch_cifar10_top5preds.npy 391KB
densenet169_pytorch_cifar10_top5preds.npy 391KB
vgg13_bn_pytorch_cifar10_top5preds.npy 391KB
googlenet_pytorch_cifar10_top5preds.npy 391KB
vgg16_bn_pytorch_cifar10_top5preds.npy 391KB
共 120 条
- 1
- 2
资源评论
起飞页
- 粉丝: 26
- 资源: 4543
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 基于Matlab面板版的打地鼠游戏[Matlab面板版].zip
- 基于Matlab面板版的车牌识别系统设计[Matlab面板版].zip
- 机械臂仿真Matlab面板版[Matlab面板版].zip
- 【Unity游乐园场景资源】Amusement Park - Low Poly Asset Pack by ithappy
- Python百度翻译网页版GUI工具
- TED TAKL分享-《AIGC-人工智能生成内容大揭秘》-IT部-V2.pptx
- 由https://download.csdn.net/download/weixin-45944596/89887488的算法
- 技术资料分享ARM9嵌入式技术及嵌入式Linux高级实验教程.zip
- 技术资料分享ARM.linux无线通讯实验AT91.zip
- Matlab车型识别系统[Matlab面板版].zip
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