PythonNIPS2017论文胶囊间动态路由的PyTorch实现

PyTorchimplementationofNIPS2017paperDynamicRoutingBetweenCapsules

NIPS-17论文"PoincaréEmbeddingsforLearningHierarchicalRepresentations"的PyTorch实现

本资源提供胶囊网络模型和囊间动态路由算法，以及使用Paddle框架的实现代码。

详细介绍了动态路由协议实现的网络间通信,步骤详尽,适合初学者的实验指导

CapsNet-Keras 本文中的 (分支支持TensorFlow 2)实现: 当前的average test error = 0.34% , best test error = 0.30% 。 与

ppt详细讲了Hinton的胶囊网络的背后动机，动态路由算法，网络结构，及EM路由的胶囊网络，并分析了网络的卷积计算过程。

CapsuleNet.py是一个优秀的深度学习模型，设计用于图像分类等任务。在CapsuleNet.py中，动态路由是实现胶囊网络的关键，它可以识别物体的姿态和关系，并将它们组合成整体。此外，Caps

VLAN间路由的配置实现

'EnhancedDeepResidualNetworksforSingleImageSuper-Resolution'论文的PyTorch实现

基于Pytorch实现的CapsuleNet，适配最新1.2.0pytorch亲测可运行。 一个关于MNIST的基本实现。包括了动态路由和反传。 胶囊网络。胶囊网络：一种全新的富有吸引力的AI架构。