Class-balanced-loss-pytorch
Implémentation Pytorch de l'article "Class-Balanced Loss Based on Effective Number of Samples"
Utilisez une fonction de perte spéciale dans vos projets de reconnaissance d'images pour améliorer les performances sur des classes avec moins d'exemples.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout momentImplémentation Pytorch de l'article "Class-Balanced Loss Based on Effective Number of Samples"
Class-balanced-loss-pytorch compte 803 étoiles sur GitHub. Il a été forké 123 fois. Class-balanced-loss-pytorch est écrit principalement en Python. Il est développé activement depuis 2019. Class-balanced-loss-pytorch est disponible sous licence MIT. Ses principaux thèmes sont : computer-vision, cvpr2019, deep-learning, loss-functions.
Qu'est-ce que Class-balanced-loss-pytorch ?
Implémentation Pytorch de l'article "Class-Balanced Loss Based on Effective Number of Samples"
Class-balanced-loss-pytorch est-il open source ?
Class-balanced-loss-pytorch est un projet open source. Il est distribué sous licence MIT.
Class-balanced-loss-pytorch est-il gratuit ?
Oui. Class-balanced-loss-pytorch est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
Sous quelle licence est Class-balanced-loss-pytorch ?
Class-balanced-loss-pytorch est disponible sous licence MIT.
Dans quel langage Class-balanced-loss-pytorch est-il écrit ?
Class-balanced-loss-pytorch est écrit principalement en Python.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://olud.ai/project/vandit15-class-balanced-loss-pytorch.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.