期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于飞桨框架的UpsamplingNearest2D的复现及验证
1
作者
葛钰峣
郭昱汝
周桢洋
《无线互联科技》
2022年第14期134-136,共3页
5G技术的发展,计算机视觉的应用场景得到了空前的发展。随着飞桨框架的不断完善,越来越多的开发者开始使用飞桨框架。为了保证百度飞桨框架的正确性与稳定性,文章复现了paddle框架paddle.nn.UpsamplingNearest2D并从参数覆盖、正确性验...
5G技术的发展,计算机视觉的应用场景得到了空前的发展。随着飞桨框架的不断完善,越来越多的开发者开始使用飞桨框架。为了保证百度飞桨框架的正确性与稳定性,文章复现了paddle框架paddle.nn.UpsamplingNearest2D并从参数覆盖、正确性验证、数据类型覆盖、异常输入等方面对UpsamplingNearest2D进行了单元测试。
展开更多
关键词
飞桨
深度学习
单元测试
图像处理
下载PDF
职称材料
题名
基于飞桨框架的UpsamplingNearest2D的复现及验证
1
作者
葛钰峣
郭昱汝
周桢洋
机构
北方工业大学
出处
《无线互联科技》
2022年第14期134-136,共3页
文摘
5G技术的发展,计算机视觉的应用场景得到了空前的发展。随着飞桨框架的不断完善,越来越多的开发者开始使用飞桨框架。为了保证百度飞桨框架的正确性与稳定性,文章复现了paddle框架paddle.nn.UpsamplingNearest2D并从参数覆盖、正确性验证、数据类型覆盖、异常输入等方面对UpsamplingNearest2D进行了单元测试。
关键词
飞桨
深度学习
单元测试
图像处理
Keywords
flying paddle
deep learning
unit test
image processing
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于飞桨框架的UpsamplingNearest2D的复现及验证
葛钰峣
郭昱汝
周桢洋
《无线互联科技》
2022
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部