文件名称：attention-sampling-pytorch:这是本文的PyTorch实现
文件大小：35KB
文件格式：ZIP
更新时间：2024-05-24 13:07:59
machine-learning pytorch artificial-intelligence pytorch-implementation attention-sampling
注意采样-火炬 这是该论文的PyTorch实施： 。 该存储库基于用TensorFlow编写的本论文的。 移植到PyTorch 原始存储库中的代码已被重写为PyTorch 1.4.0实现。 最困难的部分是重写从高分辨率图像中提取补丁的功能。 原始版本为此使用了特殊的C / C ++文件，我已经在本地Python中完成了此操作。 由于可能需要嵌套的for循环，因此这可能效率更低，速度更慢。 我测试了并行执行补丁提取的过程，但这增加了很多开销，实际上它要慢一些。 此外，我希望我实现了正确计算期望值的部分。 这使用了一个自定义的backward()函数，我希望其中没有错误。 表现 此代码存储库已针对原始文件中提到的两项任务进行了测试：Mega-MNIST和交通标志检测任务。 对结果的定性分析表明它们与原始工作具有可比性，但是定性分析表明此代码库中的错误较高。 几个用户已经警告我，他们无法使
【文件预览】：
attention-sampling-pytorch-master
----models()
--------attention_model.py(3KB)
--------classifier.py(287B)
--------feature_model.py(4KB)
----speed_limits.py(4KB)
----colon_cancer.py(3KB)
----utils.py(848B)
----train.py(2KB)
----LICENSE(1KB)
----dataset()
--------colon_cancer_dataset.py(2KB)
--------mega_mnist_dataset.py(2KB)
--------colon_cancer()
--------traffic_data()
--------speed_limits_dataset.py(12KB)
--------mega_mnist()
----mega_mnist.py(4KB)
----requirements.txt(318B)
----ats()
--------core()
--------data()
--------utils()
----README.md(3KB)