Class-balanced-loss-pytorch
Implementazione in Pytorch dell'articolo "Class-Balanced Loss Based on Effective Number of Samples"
Utilizza una funzione di perdita speciale nei tuoi progetti di riconoscimento delle immagini per migliorare le prestazioni su classi con meno esempi.
Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.
Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.
Gratis · senza carta · disdici quando vuoiImplementazione in Pytorch dell'articolo "Class-Balanced Loss Based on Effective Number of Samples"
Class-balanced-loss-pytorch ha 803 stelle su GitHub. È stato forkato 123 volte. Class-balanced-loss-pytorch è scritto principalmente in Python. È in sviluppo attivo dal 2019. Class-balanced-loss-pytorch è disponibile con licenza MIT. I suoi temi principali sono: computer-vision, cvpr2019, deep-learning, loss-functions.
Che cos'è Class-balanced-loss-pytorch?
Implementazione in Pytorch dell'articolo "Class-Balanced Loss Based on Effective Number of Samples"
Class-balanced-loss-pytorch è open source?
Class-balanced-loss-pytorch è un progetto open source. È rilasciato con licenza MIT.
Class-balanced-loss-pytorch è gratuito?
Sì. Class-balanced-loss-pytorch è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.
Con quale licenza è Class-balanced-loss-pytorch?
Class-balanced-loss-pytorch è disponibile con licenza MIT.
In quale linguaggio è scritto Class-balanced-loss-pytorch?
Class-balanced-loss-pytorch è scritto principalmente in Python.
Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.
[](https://olud.ai/project/vandit15-class-balanced-loss-pytorch.html)
Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.