汽车公共数据集，训练模型，用于车辆识别，车型分类。使用提供的2000张，标注了10类汽车的车辆场景分类的高分辨率图片。标签信息：
bus,taxi,truck,family sedan,minibus,jeep,SUV,heavy truck,racing car,fire engine.
2022-09-22 20:00:10
901.68MB
1
使用PyTorch在MURA数据集上的DenseNet
在MURA数据集上实现169层模型的PyTorch实现，灵感来自Pranav Rajpurkar等人的论文 。 MURA是肌肉骨骼X射线照片的大型数据集，其中放射医师手动将每项研究标记为正常或异常。
重要事项：
所实现的模型是169层DenseNet，其单节点输出层使用ImageNet数据集上预先训练的模型中的权重进行初始化。
在将图像馈送到网络之前，将每个图像标准化为具有与ImageNet训练集中的图像相同的均值和标准差，并缩放为224 x 224，并通过随机的横向反转和旋转进行增强。
该模型使用了本文提到的改进的二进制交叉熵损失函数。
每次经过一段时间后，验证损失达到稳定水平，学习率就会下降10倍。
优化算法是默认参数β1= 0.9和β2= 0.999的Adam。
根据MURA数据集文件：
该模型将一个或多个用于上
2022-09-21 22:28:28
194KB
1
本项目已包含花分类数据集和训练好的AlexNet.pth模型，可直接进行花分类预测，代码共分5部分：
1. 数据预处理：划分数据集
2. 加载自定义数据集
3. 建立Alexnet模型
4. 模型训练
5. 模型的评估和使用训练好的模型进行图片分类
本文代码简单易懂，有较具体的注释，只需具备基础的python知识，便可以顺序通读。
2022-09-21 21:05:15
425.68MB
1
案例文章链接
https://datayang.blog.csdn.net/article/details/126819153
https://datayang.blog.csdn.net/article/details/126819968
https://datayang.blog.csdn.net/article/details/126820458
2022-09-20 16:05:30
1.77MB
1
pytorch 官网给出的例子中都是使用了已经定义好的特殊数据集接口来加载数据，而且其使用的数据都是官方给出的数据。如果我们有自己收集的数据集，如何用来训练网络呢？此时需要我们自己定义好数据处理接口。幸运的是pytroch给出了一个数据集接口类(torch.utils.data.Dataset)，可以方便我们继承并实现自己的数据集接口。
torch.utils.data
torch的这个文件包含了一些关于数据集处理的类。
class torch.utils.data.Dataset: 一个抽象类， 所有其他类的数据集类都应该是它的子类。而且其子类必须重载两个重要的函数：len(提供数据集的大小
2022-09-19 16:20:25
61KB
1
VITON-HD — Official PyTorch Model alias_final.pth
2022-09-17 21:12:40
383.83MB
1