颜色分类leetcode-grad-cam-text:文本Grad-CAM的实现

上传者: 38714162 | 上传时间: 2023-03-21 11:32:51 | 文件大小: 119KB | 文件类型: ZIP
颜色分类leetcode 用于文本的 Grad-CAM 这是文本分类模型的实现。 使用的模型是用于文本分类的 1D-CNN,在 . 使用的数据是重新精炼的版本,其重新标记以进行二元分类。 输入功能是 word2vec 的精简版。 它特别需要 python>=3, tensorflow>=1.4,<2>>> pip3 install -r requirements.txt 特征 在训练之前,它需要 word2vec 二进制文件。 通过word2vec.sh下载,会下载到 word2vec/ 目录下。 >>> ./word2vec.sh 所有 word2vec 二进制文件都必须位于 word2vec/ 目录中。 word2vec/GoogleNews-vectors-negative300-SLIM.bin 训练时会自动下载。 训练 usage: train.py [-h] [--epoch EPOCH] [--batch-size BATCH_SIZE] [--lea

文件下载

资源详情

[{"title":"( 12 个子文件 119KB ) 颜色分类leetcode-grad-cam-text:文本Grad-CAM的实现","children":[{"title":"grad-cam-text-master","children":[{"title":"word2vec.sh <span style='color:#111;'> 170B </span>","children":null,"spread":false},{"title":".gitignore <span style='color:#111;'> 61B </span>","children":null,"spread":false},{"title":"requirements.txt <span style='color:#111;'> 45B </span>","children":null,"spread":false},{"title":"ckpt","children":[{"title":".gitkeep <span style='color:#111;'> 0B </span>","children":null,"spread":false}],"spread":true},{"title":"visualize.ipynb <span style='color:#111;'> 31.06KB </span>","children":null,"spread":false},{"title":"visualize_sample.png <span style='color:#111;'> 122.36KB </span>","children":null,"spread":false},{"title":"dataset-ko.py <span style='color:#111;'> 2.95KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 1.85KB </span>","children":null,"spread":false},{"title":"word2vec","children":[{"title":".gitkeep <span style='color:#111;'> 0B </span>","children":null,"spread":false}],"spread":true},{"title":"dataset.py <span style='color:#111;'> 4.86KB </span>","children":null,"spread":false},{"title":"model.py <span style='color:#111;'> 7.22KB </span>","children":null,"spread":false},{"title":"train.py <span style='color:#111;'> 2.21KB </span>","children":null,"spread":false}],"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明