PyTorch Template 本项目是深度学习模型pytorch框架的一个通用训练模板，源自 . 在原项目上按照自己的习惯做了一些修改。 文件夹组织机构说明如下： Mnist分类模型示例 python main.py 训练过程中可以看到保存的模型，文件在experiments/mnist_exp_0/checkpoints下面。 如果想查看模型的效果，可以运行下面的代码。 agent = MnistAgent(config) test_loader = torch.utils.data.DataLoader( datasets.MNIST('data', train=False, transform=transforms.Compose([ transforms.ToTensor(), transforms.Normalize((0.1307,)

笔记整理 代码整理 L2 范数正则化（regularization） %matplotlib inline import torch import torch.nn as nn import numpy as np import sys sys.path.append(/home/kesci/input) import d2lzh1981 as d2l # L2范数正则化 def fit_and_plot_pytorch(wd): # 对权重参数衰减。权重名称一般是以weight结尾 net = nn.Linear(num_inputs, 1) nn.init

torch1.9.0的gpu版本的 pip install安装包，网上下载太慢，这个下载迅速。 文件全名： torch-1.9.0+cu102-cp38-cp38-linux_x86_64.whl

deep learning lib based on PyToch, learned from MxNet/Gluon and Chainer;deep learning lib based on PyToch, learned from MxNet/Gluon and Chainer

生成对抗网络GAN使用PyTorch框架实现

分享视频教程——深度学习-PyTorch框架实战系列，完整版16章，附源码+数据+课件；课程内容全部以实战为导向，基于当下计算机视觉与自然语言处理中经典项目进行实例讲解，通过Debug模式详解项目中每一行代码的作用与效果，整体风格通俗易懂，提供全部课程所属课件。

代码：code-of-learn-deep-learning-with-pytorch 教材：深度学习入门之Pytorch.pdf 适合入门深度学习的必备教材，代码齐全，文本清晰

学习_潜入DL-PyTorch 本项目新生于Datawhale :spouting_whale:第10期组队学习活动：《动手学深度学习》 Pytorch版，由Datawhale成员安晟维护 《动手学深度学习》是亚马逊首席科学家李沐等人编写的一本优秀的深度学习教学，原书作者：阿斯顿·张，李沐，扎卡里C.立顿，亚历山大J.斯莫拉以及其他社区贡献者 中文版：| 英文版：| 针对本书的MXNet代码，github分别有中英两个开源版本的Pytorch扩展：| 本项目正在对以上优质资源的代码进行学习和复现，随后将会力求进一步扩展，补充最新的模型，训练技巧，学术进展等 持续更新中... 食用方法 对于已更新完成的部分，每个小节都配备了和原书呼应的markdown教程供阅读，以及对应的源码供大家练习，调试和运行。 此外大家还可以在伯禹学习平台找到相关的视频学习资料 在部分涉及比较多理论的章节，以便让公式正常显示，强烈建议安装c

YOLO系列是基于深度学习的端到端实时目标检测方法。 PyTorch版的YOLOv5轻量而性能高，更加灵活和便利。  本课程将手把手地教大家使用labelImg标注和使用YOLOv5训练自己的数据集。课程实战分为两个项目：单目标检测（足球目标检测）和多目标检测（足球和梅西同时检测）。  本课程的YOLOv5使用ultralytics/yolov5，在Windows系统上做项目演示。包括：安装YOLOv5、标注自己的数据集、准备自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型和性能统计。  希望学习Ubuntu上演示的同学，请前往 《YOLOv5(PyTorch)实战：训练自己的数据集(Ubuntu)》课程链接：https://edu.csdn.net/course/detail/30793  本人推出了有关YOLOv5目标检测的系列课程。请持续关注该系列的其它视频课程，包括： 《YOLOv5(PyTorch)目标检测实战：训练自己的数据集》 Ubuntu系统 https://edu.csdn.net/course/detail/30793 Windows系统 http

【为什么要学习这门课】 Linux创始人Linus Torvalds有一句名言：Talk is cheap. Show me the code. 冗谈不够，放码过来！代码阅读是从基础到提高的必由之路。 YOLOv5是最近推出的轻量且高性能的实时目标检测方法。YOLOv5使用PyTorch实现，含有很多业界前沿和常用的技巧，可以作为很好的代码阅读案例，让我们深入探究其实现原理，其中不少知识点的代码可以作为相关项目的借鉴。 【课程内容与收获】 本课程将详细解析YOLOv5的实现原理和源码，对关键代码使用PyCharm的debug模式逐行分析解读。 本课程将提供注释后的YOLOv5的源码程序文件。   【相关课程】 本人推出了有关YOLOv5目标检测的系列课程。请持续关注该系列的其它视频课程，包括： 《YOLOv5(PyTorch)目标检测实战：训练自己的数据集》 Ubuntu系统 https://edu.csdn.net/course/detail/30793 Windows系统 https://edu.csdn.net/course/detail/30923 《YOL