文件名称：Twin-Networks-for-Sequence-Generation:ICLR 2018再现性挑战
文件大小：17.86MB
文件格式：ZIP
更新时间：2024-06-05 13:25:02
mnist image-captioning twin-networks Python
双网络顺序生成 ICLR 2018的PyTorch实施接受论文Twin Networks：Matching the Future for Sequence Generation 用于验证MSCOCO数据集上图像字幕的结果以及MNIST上逐像素生成的结果。 Reproducibility_Report.pdf中提供了论文分析和两个数据集的可再现性结果。 实现细节在ImageCaptioningCOCO和SequentialMNIST中提供。 引文 如果您认为此代码有用，请考虑引用作者的原始著作： @inproceedings{Serdyuk2017TwinNM, title={Twin Networks: Matching the Future for Sequence Generation}, author={Dmitriy Serdyuk and Nan Rosemary
【文件预览】：
Twin-Networks-for-Sequence-Generation-master
----ImageCaptioningCOCO()
--------eval_results()
--------models()
--------eval.py(6KB)
--------misc()
--------train_twinnet.py(11KB)
--------eval_utils.py(5KB)
--------reproducibility_results.txt(3KB)
--------coco-caption()
--------train.py(10KB)
--------dataloader.py(9KB)
--------dataloaderraw.py(4KB)
--------__init__.py(0B)
--------README.md(4KB)
--------scripts()
--------opts.py(8KB)
----Reproducibility_Report.pdf(251KB)
----SequentialMNIST()
--------condmnist_twin_logs()
--------train_condmnist.py(8KB)
--------get_mnist.sh(701B)
--------seqmnist_twin_logs()
--------__init__.py(0B)
--------layer_pytorch.py(11KB)
--------train_seqmnist.py(9KB)
--------load.py(1KB)
--------README.md(2KB)
--------generate_mnist.py(1KB)
----README.md(882B)