Algorithm-Deep-reinforcement-learning-with-pytorch.zip,Pythorch实现DQN、AC、Acer、A2C、A3C、PG、DDPG、TRPO、PPO、SAC、TD3和….,算法是为计算机程序高效、彻底地完成任务而创建的一组详细的准则。

Im2Latex 深层CNN编码器+ LSTM解码器，用于图像到乳胶， 的模型架构的pytorch实现 此实现的示例结果 在IM2LATEX-100K测试数据集上的实验结果 蓝色4 编辑距离 完全符合 40.80 44.23 0.27 入门 安装依赖项： pip install -r requirement.txt 下载数据集进行训练： cd data wget http://lstm.seas.harvard.edu/latex/data/im2latex_validate_filter.lst wget http://lstm.seas.harvard.edu/latex/data/im2latex_train_filter.lst wget http://lstm.seas.harvard.edu/latex/data/im2latex_test_filter.lst

利用pytorch实现图像分类

VGG16训练CIFAR10代码，通过学习小土堆的视频，对VGG16网络进行修改，训练CIFAR10

DnCNN，FFDNet，SRMD，DPSR，MSRResNet，ESRGAN，IMDN的培训和测试代码瑞士苏黎世联邦理工学院张Kai计算机视觉实验室新闻：将添加USRNet（CVPR 2020）。 培训方法来源DnCNN，FFDNet，SRMD，DPSR，MSRResNet，ESRGAN，IMDN的培训和测试代码瑞士苏黎世联邦理工学院张章计算机视觉实验室新闻：将添加USRNet（CVPR 2020）。 训练方法原始链接main_train_dncnn.py https://github.com/cszn/DnCNN main_train_fdncnn.py https://github.com/cszn/DnCNN main_train_ffdnet.py https://github.com/cszn/FFDNet main_train_srmd.py https ：//github.com/cszn/SRMD main_train_dpsr.py https://github.com/cszn/DPSR main_train_msrresnet_ps

通过生成多列卷积神经网络进行图像修复 ，，，，。 带有矩形遮罩的Places2，CelebA-HQ和Paris街景的结果。 在Places2和CelebA-HQ上随机抽奖的结果。 介绍 该存储库适用于NeurIPS 2018论文`` ''。 如果我们的方法对您的研究有用，请考虑引用： @inproceedings{wang2018image, title={Image Inpainting via Generative Multi-column Convolutional Neural Networks}, author={Wang, Yi and Tao, Xin and Qi,

Attention 是一种通用的带权池化方法，输入由两部分构成：询问（query）和键值对（key-value pairs）。 不同的attetion layer的区别在于score函数的选择，两种常用的注意层 Dot-product Attention 和 Multilayer Perceptron Attention 点积注意力 class DotProductAttention(nn.Module): def __init__(self, dropout, **kwargs): super(DotProductAttention, self).__init_

modelnet标准数据集以及数据集的读取方法，其中modelnet40开头的压缩文件是数据，data中有对应的train和test的读取以及random drop and translate，能有效提高模型的准确率。直接可以使用，目前的sota的源码中大多都使用这一个数据集，需要pytorch环境

pytorch 0.3.1 for Windows pytorch0.4.0以下版本被墙 此为0.3.1版

WavenetAutoEncoder Wavenet自动编码器的pytorch实现：