社区
下载资源悬赏专区
帖子详情
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
checkpoint中文安装说明下载
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
复制链接
扫一扫
分享
转发到动态
举报
AI
作业
写回复
配置赞助广告
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
打赏红包
check
point
中文
安装
说明
check
point
的
中文
安装
说明
,内容比较详细适合没有接触过
check
point
的初学者
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
【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
check
point
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
check
point
/CeiT_
check
point
.pyt ``` Resnet训练 ``` python train.py -net resnet18 -gpu ``` ResNet测试: ``` python test.py -net resnet18 -weights
check
point
/resnet18.pth -gpu ```
Python开发基于SwinTransformer的验证码识别系统源码+项目使用
说明
.zip
【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
check
point
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
check
point
文件夹下的transformer-ocr_test.pkl parser.add_argument("--tokenizer", "-tk", type=str, default="
check
point
s/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
check
point
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("--
check
point
", "-c", type=str,default="
check
point
s/version_0/
check
point
s-epoch=31-accuracy=0.98267.ckpt",help="Load model weight in
check
point
") ```
基于BERT-BILSTM-CRF进行
中文
命名实体识别的python源码+项目使用
说明
+数据+模型
<项目介绍> --
check
point
:模型和配置保存位置 --model_hub:预训练模型 ----chinese-bert-wwm-ext: --------vocab.txt --------pytorch_model.bin --------config.json --data:存放数据 ----dgre --------ori_data:原始的数据 - - 不懂运行,
下载
完可以私聊问,可远程教学 该资源内项目源码是个人的毕设,代码都测试ok,都是运行成功后才上传资源,答辩评审平均分达到96分,放心
下载
使用! 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心
下载
使用! 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工
下载
学习,也适合小白学习进阶,当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行,也可在此代码基础上进行修改,以实现其他功能,也可用于毕设、课设、作业等。
下载
后请首先打开README.md文件(如有),仅供学习参考, 切勿用于商业用途。 --------
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
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/
check
point
_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/
check
point
_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。
下载资源悬赏专区
13,656
社区成员
12,677,381
社区内容
发帖
与我相关
我的任务
下载资源悬赏专区
CSDN 下载资源悬赏专区
复制链接
扫一扫
分享
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
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章