OpenNMT-py：开源神经机器翻译这是OpenNMT（一种开源（MIT）神经机器翻译系统）的Pytorch端口。 它的设计宗旨是便于研究，以便尝试翻译，摘要，OpenNMT-py中的新思想：开源神经机器翻译这是开源（MIT）神经机器翻译系统OpenNMT的PyTorch端口。 它旨在便于研究，以尝试在翻译，摘要，图像到文本，形态学和许多其他领域中的新思想。 一些公司已经证明该代码已可以投入生产。 我们热爱贡献。 请在“问题”页面上查阅“ Contributions Welcome”标记的帖子。 提出问题之前，请确保您已阅读要求a

杂草作物图像数据集，它包括2822张图片。以YOLO v5 PyTorch格式进行注释。分为作物和杂草两个文件夹， 杂草作物图像数据集，它包括2822张图片。以YOLO v5 PyTorch格式进行注释。分为作物和杂草两个文件夹， 杂草作物图像数据集，它包括2822张图片。以YOLO v5 PyTorch格式进行注释。分为作物和杂草两个文件夹，

有关代码的信息和说明 要运行代码，需要Python 3.6和PyTorch 0.2 培训代码位于文件mtl_learning.py而测试代码位于文件mtl_testing.py mtl_learning.py的代码mtl_learning.py是自我记录的 为了进行训练，数据集应该在pickles/目录中以pickle文件的形式出现。 嵌入文件应位于data/目录中。 如果重新加载模型并继续训练，则应将模型放置在reloads/目录中。 当所有必要的文件和数据都存在时，只需运行python mtl_learning.py进行培训，然后运行python mtl_testing.py进行测试。 培训的输出将显示在名为test_output.txt的文件中，而测试的outputs.txt将显示在test_output.txt 学分 该项目的灵感来自Pasunuru等人（2017）的工作

基于PyTorch实现MCNN基于PyTorch实现MCNN完成人群计数任务——数据集.zip人群计数任务——数据集.zip

Pytorch框架Resnet_VGG两种网络实现人脸表情识别源码+训练好的模型+项目详细说明+PPT报告.zip 包含的网络有resnet网络，vgg网络，以及对应训练好的模型文件， 包含项目详细说明文档，可参考文档操作学习。 包含制作好的答辩PPT 该项目可以用来参考学习，适合深度学习初学者或者需要实践经验的工程师使用，也可以直接拿来作为毕设使用，请放心下载！ 由于该项目使用的人脸识别数据集太大，无法一起上传，故使用的数据集 下载链接为：https://download.csdn.net/download/DeepLearning_/87325578

基于pytorch的中国交通警察指挥手势识别项目源码+训练好的模型+数据集+项目操作说明.zip 识别8种中国交通警察指挥手势的Pytorch深度学习项目 带训练好的模型以及数据集 下载模型参数文件checkpoint和生成的骨架generated 放置在: ctpgr-pytorch/checkpoints ctpgr-pytorch/generated 下载交警手势数据集（必选） 交警手势数据集下载： 放置在： (用户文件夹)/PoliceGestureLong (用户文件夹)/AI_challenger_keypoint # 用户文件夹 在 Windows下是'C:\Users\(用户名)'，在Linux下是 '/home/(用户名)' 安装Pytorch和其它依赖： # Python 3.8.5 conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch conda install ujson pip install visdom opencv-python imgaug

每个像素都很重要：域自适应对象检测器的中心感知特征对齐 该项目托管用于实现“ （ECCV 2020）的代码。 介绍 域自适应对象检测器旨在使其自身适应可能包含对象外观，视点或背景变化的不可见域。大多数现有方法都在图像级别或实例级别采用特征对齐。但是，全局特征上的图像级别对齐可能会同时纠缠前景/背景像素，而使用提案的实例级别对齐可能会遭受背景噪声的困扰。 与现有解决方案不同，我们提出了一种域自适应框架，该框架通过预测逐像素的对象度和中心度来考虑每个像素。具体而言，所提出的方法通过更加关注前景像素来进行中心感知对齐，从而实现跨域更好的适应性。为了更好地跨域对齐要素，我们开发了一种中心感知的对齐方法，该方法可以进行对齐过程。 我们在众多的适应性设置上展示了我们的方法，并获得了广泛的实验结果，并针对现有的最新算法展示了良好的性能。 安装 检查以获取安装说明。 我们的无锚检测器的实现很大程度上基于F

Pytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorch实现基于卷积神经网络的面部表情识别数据集（只含数据集）.zipPytorc

pytorch实现变分自编码器

跨模态检索指的是：根据一个模态的查询样本，在另一个模态上搜索相关的样本。 例如，给出一张图像，去检索包含相同对象或主题的文本描述；或是给出一段文本，去检索带有其描述对象的图片。 但由于各模态之间具有不同的数据表现形式，所以不同模态的样本间并不能直接进行相似性比较。 以Pascal Sentence数据集为实力，用pytorch写一个demo 文章链接：https://blog.csdn.net/zzpl139/article/details/128372023