使用3D ResNet进行视频分类 这是使用训练的3D ResNet进行视频（动作）分类的pytorch。 在Kinetics数据集上训练了3D ResNet，该数据集包括400个动作类。 此代码将视频用作输入，并在得分模式下输出每16帧的班级名称和预测班级得分。 在功能模式下，此代码每16帧输出512个暗角的功能（在全局平均池化之后）。 提供此代码的Torch（Lua）版本。 要求 conda install pytorch torchvision cuda80 -c soumith FFmpeg，FFprobe wget http://johnvansickle.com/ffmpeg/

通过双向LSTM-CNNs-CRF教程进行端到端序列标签 这是针对ACL'16论文的PyTorch教程 该存储库包括 资料夹 设置说明文件 预训练模型目录（笔记本电脑将根据需要自动将预训练模型下载到此目录中） 作者 安装 最好的安装pytorch的方法是通过 设置 创建新的Conda环境 conda create -n pytorch python=3.5 激活公寓环境 source activate pytorch 使用特定的python版本（python 3.5）设置笔记本 conda install notebook ipykernel ipython kernel install --user PyTorch安装命令： conda install pytorch torchvision -c pytorch NumPy安装 conda install -c anaco

#资源达人分享计划#fashion_mnist-cnn.py#cnn pytorch#

静电防护网 基于CVPR 2016论文的ESPCN的PyTorch实现。 要求 火炬 conda install pytorch torchvision -c soumith conda install pytorch torchvision cuda80 -c soumith # install it if you have installed cuda PyTorchNet pip install git+https://github.com/pytorch/tnt.git@master OpenCV conda install opencv 数据集 火车，Val数据集 火车和val数据集是从采样的。 火车数据集具有16700个图像，而Val数据集具有425个图像。 从下载数据集（访问代码：5tzp），然后将其提取到data目录中。 终于跑了 python data_utils.

pytorch FCN easiest demo 不断更新中~ 这个repo是在读论文时的一个pytorch简单复现，数据集很小，是一些随机背景上的一些包的图片（所有数据集大小一共不到80M），如下图 关于此数据集详细信息，见 根据论文实现了FCN32s、FCN16s、FCN8s和FCNs 部分代码参考了 使用visdom可视化，运行了20个epoch后的可视化如下图： 1.如何运行 1.1 我的运行环境 Windows 10 CUDA 9.x （可选） Anaconda 3 （numpy、os、datetime、matplotlib） pytorch == 0.4.1 or 1.0 torchvision == 0.2.1 visdom == 0.1.8.5 OpenCV-Python == 3.4.1 1.2 具体操作 打开终端，输入 python -m visdom.server 打

在 PyTorch 中构建一个深度神经网络＝ ，以及使用未由 PyTorch 预加载的数据库（与 MNIST 不同）。使用这个模型，我在验证集上实现了 90% 的准确度和 0.26 的损失，在测试集上实现了 0.33 的损失。

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。

在PyTorch中检索CNN图像：在PyTorch中训练和评估CNN以进行图像检索 这是一个Python工具箱，用于实现对本文所述方法的培训和测试： 无需人工注释即可对CNN图像进行微调， RadenovićF.，Tolias G.，Chum O.，TPAMI 2018 [ ] CNN图像检索从BoW获悉：无监督的微调，并附有困难的示例， RadenovićF.，Tolias G.，Chum O.，ECCV 2016 [ ] 它是什么？ 该代码实现： 训练（微调）CNN进行图像检索 学习CNN图像表示的监督美白 在牛津和巴黎数据集上测试CNN图像检索 先决条件 为了运行此工具箱，您将需要： Python3（在Debian 8.1上使用Python 3.7.0进行了测试） PyTorch深度学习框架（已通过1.0.0版测试） 其余所有（数据+网络）将通过我们的脚本自动下载

在莫烦老师代码的基础上，修改了原版本不能运行的地方，在重要部分加上了注释，下载即可运行，代码详细介绍见我的博客哦~

lstm-cnn- pytorch版学习