U-Net训练自己数据集，多类别，博文有具体操作步骤，链接：https://blog.csdn.net/MissLemonh/article/details/122373594?spm=1001.2014.3001.5502
2022-03-29 16:36:13
201KB
1
1、训练模型
2、运动物体检测识别
3、下载直接可用，包含训练器，正负样本，素材等
2022-03-18 13:09:54
58.58MB
1
https://blog.csdn.net/weixin_46291251/article/details/117996591
文章对应的代码以及所需要的依赖文件
2022-03-16 15:37:55
150KB
1
本项目是一个完整的深度学习实践，课题是人脸表情识别，使用到的模型是卷积神经网络，难度在简单——中等级别，方便初学者入门。在这里，面部表情识别相当于一个分类问题，共有7个类别。其中label包括7种类型表情。源代码方便大家开箱即用，学习参考！
动手完成这个项目之后，可以学习到：
1. 深度学习中CNN（卷积神经网络）的使用，为之后学习相关神经网络模型做了很好的铺垫。
2. 学会使用深度学习框架之一Pytorch的使用。
3. 多分类问题在实际中的应用，是二分类的扩展。
4. 从数据处理，可视化，到模型搭建的过程，是一种经验和技巧的积累，达到“举一反三”的效果。
2022-03-16 09:16:26
47.22MB
python基础语法，python网页开发，python数据分析，python爬虫开发，机器学习，深度学习，项目实战等（文件为百度网盘链接）
2022-02-23 09:53:25
19KB
1
EfficientNet，pytorch源码和B0-B7八个预训练权重.
2022-02-22 17:06:33
688.28MB
pytorch学习练手项目
pytorch版本DCGAN生成二次元头像,
包含源码训练测试代码，以及训练数据和训练权重
2022-02-21 09:28:54
386.11MB
本例提取了植物幼苗数据集中的部分数据做数据集，数据集共有12种类别，演示如何使用pytorch版本的mobilenetv2图像分类模型实现分类任务。将训练的模型转为onnx，实现onnx的推理，然后再将onnx转为TensorRT，并实现推理。
通过本文你和学到：
1、如何从torchvision.models调用mobilenetv2模型？
2、如何自定义数据集加载方式？
3、如何使用Cutout数据增强？
4、如何使用Mixup数据增强。
5、如何实现训练和验证。
6、如何使用余弦退火调整学习率。
7、如何载入训练的模型进行预测。
8、pytorch转onnx，并实现onnx推理。
9、onnx转TensorRT，并实现TensorRT的推理。
希望通过这篇文章，能让大家对图像的分类和模型的部署有个清晰的认识。
链接：https://wanghao.blog.csdn.net/article/details/123003159
2022-02-21 09:28:53
936.29MB