djsaber Goto Github PK

Name: djsaber

Type: User

djsaber's Projects

InternLM has open-sourced 7 and 20 billion parameter base models and chat models tailored for practical scenarios and the training system.

pretrained model implementation

基于Keras搭建一个简单的卷积神经网络CNN，用猫狗数据集和花卉数据集对CNN进行训练，完成模型的保存和加载和识别测试。

基于Keras搭建一个深度卷积生成对抗网络DCGAN，用动漫头像数据集对DCGAN进行训练，完成模型的保存和加载和生成测试。

基于Keras搭建DDPM模型，用动漫头像数据集对进行训练，完成模型的保存和加载以及测试。

基于Keras搭建一个GAT，用cora数据集和citeseer数据集对GAT进行训练，完成节点分类测试。

基于Keras搭建一个简单的GCN，用cora数据集对GCN进行训练，完成节点分类测试。

基于Keras搭建一个GraphSAGE，用cora数据集和citeseer数据集对GraphSAGE进行训练，完成模型的保存和加载对节点分类测试。

基于Keras搭建一个简单的GRU，用IMDB影评数据集对GRU进行训练，完成模型的保存和加载以及测试。

基于Keras搭建一个简单的LSTM，用IMDB影评数据集对LSTM进行训练，完成模型的保存和加载以及测试。

基于Keras搭建一个简单的多层感知机（MLP），实现手写数字识别

基于Keras搭建一个简单的RNN，用IMDB影评数据集对RNN进行训练，完成模型的保存和加载和测试。

基于Keras搭建一个简单的GAN，用fashion-mnist数据集对GAN进行训练，完成模型的保存和加载以及测试。

基于Keras实现的StableDiffusion模型，完成txt2img和img2img任务。

基于Keras实现Transformer模型，在中英语料数据集进行训练和测试

基于Keras搭建一个简单的unet，用医学图像数据集对unet进行训练，完成模型的保存和加载和图像分割测试。

基于Keras实现ViT模型，通过预训练权重在cifar-10数据集进行fine tuning，对图像分类准确率测试。

这是一个基于TF2.0后端，使用Keas搭建各种深度学习模型的记录