Deep-Learning-with-PyTorch 辛苦下载下来赚点积分下其他东西，分享给有需要的，感谢大家！

TorchIO：用于加载、扩充和写入3D医学图像的PyTorch工具 TorchIO torchio 是一个 Python 包，其中包含一组工具，可在用 PyTorch 编写的深度学习应用程序中高效读取、采样和写入 3D 医学图像，包括用于数据增强和预处理的强度和空间变换。 变换包括典型的计算机视觉操作，例如随机仿射变换，以及特定领域的操作，例如模拟由于 MRI 磁场不均匀性或 k 空间运动伪影引起的强度伪影。 这个包受到 NiftyNet 的极大启发。 索引安装特征数据处理图像数据集采样器队列变换强度 MRI k 空间运动伪影 MRI 磁场不均匀性 高斯噪声归一化 直方图标准化 Z 归一化 重新缩放空间翻转仿射变换 B 样条密集变形 示例 相关项目 Credits Installation $ pip install torchio Features 数据处理ImagesDataset ImagesDataset 是直接从 torch.utils.Dataset 继承的医学图像读取器。 它可以与 torch.utils.DataLoader 一起使用，以实现高效读取和数据扩充

使用PyTorch构建GAN生成对抗网络源码 博客文章中包含了每行代码的详解，自行查看即可

主要介绍了pytorch 限制GPU使用效率详解(计算效率)，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

今天小编就为大家分享一篇Pytorch Tensor基本数学运算详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

在使用pytorch的时候，经常会涉及到两种数据格式tensor和ndarray之间的转换，这里总结一下两种格式的转换： 1. tensor cpu 和tensor gpu之间的转化： tensor cpu 转为tensor gpu： tensor_gpu = tensor_cpu.cuda() >>> tensor_cpu = torch.ones((2,2)) tensor([[1., 1.], [1., 1.]]) >>> tensor_gpu = tensor_cpu.cuda() tensor([[1., 1.], [1., 1.]], device='cuda:0

EfficientNet_classification。EfficientNet在pytorch框架下实现图像分类，拿走即用。该文件包含python语言编写的model文件、my_dataset文件、predict文件、train文件、配置文件等。能够实现训练自己的数据集进行图像分类，以及对训练后的网络进行测试。EfficientNet利用NAS(Neural Architecture Search)搜索技术，将输入分辨率，网络的深度、宽度三者同时考虑，搭建更nice的网络结构。EfficientNet-B0的网络框架，总体看，分成了9个Stage：Stage1 是一个卷积核大小为3x3，步距为2的普通卷积层（包含BN和激活函数Swish）；Stage2～Stage8 是在重复堆叠 MBConv 结构；Stage9 是一个普通的1x1的卷积层(包含BN和激活函数Swish) + 一个平均池化层 + 一个全连接层组成

这个代码主要是针对刚入门pytorch的小伙伴，会带大家完整走一遍使用神经网络训练的流程，以及介绍一些pytorch常用的函数。

Pytorch ViT Pytorch ViT

yolov5_4.0-pytorch预训练模型yolov5l.pt、yolov5m.pt、yolov5s.pt、yolov5x.pt