文件名称：coRNN:耦合震荡RNN的官方代码（ICLR 2021，口服）
文件大小：20KB
文件格式：ZIP
更新时间：2024-05-28 09:20:13
deep-learning time-series imdb mnist iclr
耦合振荡递归神经网络（coRNN） 此存储库包含实现以重现国际学习表示法会议（ICLR）2021年的数值实验的实现方式[口头]论文 要求 Python 3.6.1 pytorch 1.3.1 torchvision 0.4.2 torchtext 0.6.0 numpy 1.17.4 spacy v2.2+ 如果要在GPU上运行实验，请确保已安装相应的cuda软件包。 数据集 该存储库包含用于为拟议的coRNN复制以下实验结果的代码： 增加的问题 顺序MNIST 排列顺序MNIST 隔音棉CIFAR-10 HAR-2 IMDB 分别通过torchvision和torchtext下载MNIST / CIFAR-10任务和IMDB任务的数据集。 HAR-2的数据集必须根据本文中的说明进行下载和预处理。 结果 每个实验的coRNN结果为： 实验 结果 MN 测试准确率99.4
【文件预览】：
coRNN-master
----adding()
--------utils.py(489B)
--------adding_task.py(2KB)
--------model.py(1KB)
--------README.md(1KB)
----psMNIST()
--------utils.py(1KB)
--------result()
--------psMNIST_task.py(3KB)
--------README.md(562B)
--------network.py(1KB)
----noisy_CIFAR10()
--------utils.py(1KB)
--------noisy_cifar10_task.py(3KB)
--------README.md(321B)
--------network.py(1KB)
----LICENSE(1KB)
----IMDB()
--------utils.py(1KB)
--------model.py(1KB)
--------README.md(698B)
--------IMDB_task.py(3KB)
----HAR-2()
--------har2_task.py(3KB)
--------README.md(359B)
--------network.py(2KB)
----.gitignore(50B)
----README.md(2KB)
----sMNIST()
--------sMNIST_task.py(3KB)
--------utils.py(1KB)
--------result()
--------README.md(552B)
--------network.py(1KB)