checkpoint中文安装说明下载

weixin_39821260 2019-10-22 04:30:15
checkpoint的中文安装说明,内容比较详细适合没有接触过checkpoint的初学者
相关下载链接://download.csdn.net/download/hanxu22967/1623309?utm_source=bbsseo
...全文
78 回复 打赏 收藏 转发到动态 举报
AI 作业
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
【1】项目代码完整且功能都验证ok,确保稳定可靠运行后才上传。欢迎下载使用!在使用过程中,如有问题或建议,请及时私信沟通,帮助解答。 【2】项目主要针对各个计算机相关专业,包括计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网等领域的在校学生、专业教师或企业员工使用。 【3】项目具有较高的学习借鉴价值,不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 【4】如果基础还行,或热爱钻研,可基于此项目进行二次开发,DIY其他不同功能,欢迎交流学习。 【注意】 项目下载解压后,项目名字和项目路径不要用中文,否则可能会出现解析不了的错误,建议解压重命名为英文名字后再运行!有问题私信沟通,祝顺利! 深度学习课设基于Transformer与Resnet CNN网络实现图像分类任务源码(含模型+项目说明).zip 在Convolution-enhanced image Transformer(CeiT)上进行CIFAR100的训练,baseline 为 ResNet18 文件下载 包含 CeiT 和 ResNet 两个模型的checkpoint和log文件 https://pan.baidu.com/s/16wdkYhzc6bqb5jdGNrEYyQ?pwd=k8j8 CeiT训练: ``` python train.py -c configs/default.yaml --name CeiT ``` CeiT测试 ``` python test.py -c configs/default.yaml --name CeiT -p checkpoint/CeiT_checkpoint.pyt ``` Resnet训练 ``` python train.py -net resnet18 -gpu ``` ResNet测试: ``` python test.py -net resnet18 -weights checkpoint/resnet18.pth -gpu ```
【1】项目代码完整且功能都验证ok,确保稳定可靠运行后才上传。欢迎下载使用!在使用过程中,如有问题或建议,请及时私信沟通,帮助解答。 【2】项目主要针对各个计算机相关专业,包括计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网等领域的在校学生、专业教师或企业员工使用。 【3】项目具有较高的学习借鉴价值,不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 【4】如果基础还行,或热爱钻研,可基于此项目进行二次开发,DIY其他不同功能,欢迎交流学习。 【注意】 项目下载解压后,项目名字和项目路径不要用中文,否则可能会出现解析不了的错误,建议解压重命名为英文名字后再运行!有问题私信沟通,祝顺利! Python开发基于SwinTransformer的验证码识别系统源码+项目使用说明.zip 如果需要自己训练模型 1.重新生成数据集,运行captcha.py 2.预处理,运行preprocess.py,将把生成的数据集分为训练集、验证集、测试集,保存在dataset文件夹下 3.运行run.py,如果不想覆盖之前的训练记录,修改run.py中的版本号即可,如下: ```python # 修改 default=自己的版本号即可 parser.add_argument("--version", "-v", type=int, default=0,help="Train experiment version") ``` 训练完成后,将会得到新的模型,存放在checkpoint文件夹下,需要使用自己训练的模型,需要修改两个地方: ```python # 修改tokenizer的default值,改为你的版本对应的checkpoint文件夹下的transformer-ocr_test.pkl parser.add_argument("--tokenizer", "-tk", type=str, default="checkpoints/version_0/transformer-ocr_test.pkl",help="Load pre-built tokenizer") # 修改模型权重路径 修改为改为你的版本对应的checkpoint文件夹下的模型权重,保存了3表现最好的模型,都可以用 parser.add_argument("--checkpoint", "-c", type=str,default="checkpoints/version_0/checkpoints-epoch=31-accuracy=0.98267.ckpt",help="Load model weight in checkpoint") ```
毕设项目基于遮挡视频实例分割的裸眼3D实现python源码+文档运行说明.zip 【说明】 【1】项目代码完整且功能都验证ok,确保稳定可靠运行后才上传。欢迎下载使用!在使用过程中,如有问题或建议,请及时私信沟通,帮助解答。 【2】项目主要针对各个计算机相关专业,包括计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网等领域的在校学生、专业教师或企业员工使用。 【3】项目具有较高的学习借鉴价值,不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 【4】如果基础还行,或热爱钻研,可基于此项目进行二次开发,DIY其他不同功能,欢迎交流学习。 【注意】 项目下载解压后,项目名字和项目路径不要用中文,建议解压重命名为英文名字后再运行!有问题私信沟通,祝顺利! 关于裸眼3D的部分,主要代码分为以下部分: 1. `demo/autostereoscopy.py`文件中实现视频的输入和输出。 2. `demo/predictor.py`文件中增加裸眼3D的适配。 3. `demo/visualizer.py`文件中实现方法`draw_autostereoscopy`,用于绘制裸眼3D的必要边框。 运行方式 我使用的视频分辨率为1920x1080。 使用R50为backbone的模型,运行方式如下: ```shell CUDA_VISIBLE_DEVICES=0 python demo/autostereoscopy.py --config-file configs/genvis/ovis/genvis_R50_bs8_online.yaml --video-input /path/to/video --output /path/to/output --opts MODEL.WEIGHTS /path/to/checkpoint_file ``` 使用Swin-L为backbone的模型,运行方式如下(其实改一下config和模型路径就行): ```shell CUDA_VISIBLE_DEVICES=0 python demo/autostereoscopy.py --config-file configs/genvis/ovis/genvis_SWIN_bs8_online.yaml --video-input /path/to/video --output /path/to/output--save-frames true --opts MODEL.WEIGHTS /path/to/checkpoint_file ``` 这里需要给出三个路径:视频路径、输出文件夹路径和模型路径。 测试了这两个模型,使用Swin-L的效果更好。

13,656

社区成员

发帖
与我相关
我的任务
社区描述
CSDN 下载资源悬赏专区
其他 技术论坛(原bbs)
社区管理员
  • 下载资源悬赏专区社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧