SmaAt-UNet:论文“ SmaAt-UNet的PyTorch代码

【文件属性】：
文件名称：SmaAt-UNet:论文“ SmaAt-UNet的PyTorch代码
文件大小：599KB
文件格式：ZIP
更新时间：2021-05-09 16:42:31
convolutional-neural-networks weather-forecast unet unet-pytorch precipitation-nowcasting SmaAt-UNet 论文代码“ SmaAt-UNet：使用小型体系结构进行降水临近预报” ， 建议的SmaAt-UNet可以在下的模型文件夹中。 在本文中，我们使用了模块（PL），该模块简化了培训过程，并允许轻松添加记录器和创建检查点。 为了使用PL，我们创建了模型，其父级继承自pl.LightningModule。 此模型与具有添加的PL功能的纯PyTorch SmaAt-UNet实施相同。 训练 给出了分类任务（PascalVOC）的示例。 为了训练降水任务，我们使用了文件。 降水数据集 该数据集由2016-2019年每隔5分钟的降水图组成，产生了约420,000张图像。 该数据集基于雷达降水图。 如以下示例所示，裁剪了原始图像： 如果您对我们使用的数据集感兴趣，请发送电子邮件至： 和[e-mail]

【文件预览】：
SmaAt-UNet-master
----Precipitation map Cutout.png(80KB)
----utils()
--------dataset_VOC.py(5KB)
--------__init__.py(0B)
--------dataset_precip.py(5KB)
--------data_loader_precip.py(7KB)
----models()
--------unet_parts_depthwise_separable.py(3KB)
--------unet_parts.py(3KB)
--------SmaAt_UNet.py(2KB)
--------layers.py(5KB)
--------regression_lightning.py(7KB)
--------unet_precip_regression_lightning.py(9KB)
----test_precip_lightning.py(7KB)
----train_precip_lightning.py(4KB)
----requirements.txt(97B)
----train_SmaAtUNet.py(6KB)
----README.md(3KB)
----metric()
--------confusionmatrix.py(4KB)
--------metric.py(243B)
--------__init__.py(140B)
--------iou.py(4KB)
----.gitignore(15B)
----create_datasets.py(4KB)
----SmaAt-UNet.png(909KB)