本代码参考自https://colab.research.google.com/drive/1mMUKnvM_Byu8wEcJpFSYGnniPPhIOD7N?usp=sharing。

U-GAT-IT的官方PyTorch实施：带有自适应层实例规范化的无监督生成注意网络，用于图像到图像的转换U-GAT-IT —官方PyTorch实施：具有自适应的层实例化规范化的无监督生成注意网络，用于图像图像翻译论文| 正式的Tensorflow代码本文的结果来自Tensorflow代码U-GAT-IT：具有自适应层实例规范化的无监督生成注意网络，用于图像到图像的翻译摘要：我们提出了一种新的方法，用于无监督的图像到图像的翻译，其中包含一个新的atte

DataLoader Dataset不能满足需求需自定义继承torch.utils.data.Dataset时需要override __init__, __getitem__, __len__ ，否则DataLoader导入自定义Dataset时缺少上述函数会导致NotImplementedError错误 Numpy 广播机制： 让所有输入数组都向其中shape最长的数组看齐，shape中不足的部分都通过在前面加1补齐 输出数组的shape是输入数组shape的各个轴上的最大值 如果输入数组的某个轴和输出数组的对应轴的长度相同或者其长度为1时，这个数组能够用来计算，否则出错 当输入数组的某个轴

1. pytorch概述 2.深度学习基础与线性回归实例 3.pytorch张量 4.逻辑回归与多层感知机 5.多分类问题 6.手写数字全连接模型 7.基础部分总结 8.计算机视觉基础 9.预训练模型(迁移学习) 10.Dataset数据输入 11.现代网络架构 12.图像定位 13.Unet图像语义分割 14.LinNet图像语义分割 15.文本分类与词嵌入表示 16.Rnn循环神经网络 17（一）. twitter 评论情绪分类 17（二）. 中文外卖评论情绪分类 18.注意力机制 19. Rnn序列预测-北京空气质量 20. Tensorboard可视化 21.一维卷积网络 23.语义分割图片的标注——Labelme使用教程 24.多任务学习 25.目标识别与目标检测 课程资料"

什么是MedicalVision？ 基于pytorch的深度学习工具包，用于医学图像分析。 MedicalVision的目标是在火炬上提供轻巧的包装，可以进一步减少开发用于医学图像分析任务（例如分类，配准和分割等）的新算法的时间。 动机与目标 随着深度学习在计算机视觉中的流行，已经提出了许多基于深度学习的作品/体系结构来处理传统医学图像分析任务（分类，注册和分割）。 不幸的是，据我所知，还没有一个基于pytorch的简单有效的工具包能够实现快速原型制作。 在日常工作中，我会为各种医学图像数据集编写DataLoader并重现一些论文中介绍的算法。 为了使生活更轻松，创建了MedicalVision工具包，旨在提供： 著名医学图像数据集的数据加载器 最新模型中使用的常见损失和指标 动物园模型，包括经过培训的最新模型 ... MedicalVision工具箱仍在开发中。 以下流行的深度学习

Pytorch模型训练实用教程 来源： https://github.com/TingsongYu/PyTorch_Tutorial

DQN_Pytorch_ROS 该项目的目标是在OpenAI Gym和Gazebo提供的模拟环境中使用Pytorch训练强化学习算法，并通过ROS（机器人操作系统）控制代理。 最后，经过训练的模型将使用称为Turtlebot的机器人部署到现实世界中。 环境，代理商，任务，行动和奖励 由OpenAI Gym和Gazebo生成的模拟环境是一个迷宫，该代理是一个虚拟的Turtlebot，其顶部具有一个带激光雷达的移动平台。 解决的任务是学习一种策略，以使机器人在每种状态下在捕获和过滤的激光束方向上与任何障碍物之间的距离都不比可配置距离（默认为0.2米）更近。 可以通过变量在文件$HOME/python3_ws/src/openai_ros/openai_ros/src/openai_ros/task_envs/turtlebot2/config/turtlebot2_maze.yaml此值：

ResNet模型、训练、预测代码，每一行都有超详细注释，适合新生小白，pytorch上可运行

GoogLeNet模型、训练、预测代码，每一行都有超详细注释，适合新生小白，pytorch上可运行

AlexNet模型、训练、预测代码，每一行都有超详细注释，适合新生小白，可运行