数据 数据收集–>img,label 数据划分–>train,valid,test(详细见:https://blog.csdn.net/wyyyyyyfff/article/details/104381429) 数据读取–>dataloader–>sampler(index生成索引,样本序号),dataset(根据索引读取img,label) 数据预处理–>transforms DataLoader DataLoader是Pytorch中用来处理模型输入数据的一个工具类。通过使用DataLoader,我们可以方便地对数据进行相关操作,比如我们可以很方便地设置batch_size,对于每一个ep
2022-05-01 16:44:51 96KB al AS c
1
图片显示 pytorch 载入的数据集是元组tuple 形式,里面包括了数据及标签(train_data,label),其中的train_data数据可以转换为torch.Tensor形式,方便后面计算使用。 同样给一些刚入门的同学在使用载入的数据显示图片的时候带来一些难以理解的地方,这里主要是将Tensor与numpy转换的过程,理解了这些就可以就行转换了 CIAFA10数据集 首先载入数据集,这里做了一些数据处理,包括图片尺寸、数据归一化等 import torch from torch.autograd import Variable import matplotlib.pyplot
2022-05-01 13:01:43 43KB c OR pytorch
1
Pytorch单车预测(代码+数据+训练好的参数)
2022-05-01 12:06:08 437KB pytorch 深度学习
1
基于Vision Transformer的图像分类系统,pytorch版本的,训练数据集是植物叶片病害无标注数据集,训练100轮后最高准确率为99.74%,你也可以基于本架构训练你自己的数据集。博客地址:https://blog.csdn.net/weixin_51331359/article/details/124514770?spm=1001.2014.3001.5502
2022-05-01 12:06:04 609.91MB Transformer 计算机视觉 pytorch 人工智能
1
用于Vision Transformer的预训练模型,导入后提高训练准确率起点,有利于模型拟合。
2022-04-30 19:08:04 306.01MB 综合资源 Transformer 计算机视觉 pytorch
1
光学字符识别 使用Pytorch特征提取的光学字符识别。
2022-04-30 09:29:27 1KB
1
将VOC格式文件放至data的文件夹 JPEGImages文件夹中存放数据图片 Annotations文件夹中存放与图片一一对应的标签文件 调整voc2yolo4.py文件中的trainval_percent 、train_percent的值,控制训练集、测试集、验证集的比例;调整完成后运行该文件,在data/ImageSets/Main文件夹中生成对应数据集的图片文件名 运行voc_annotation.py文件,运行前将文件中的classes列表替换为自己数据集的class的名字 运行后自动生成yolo_train.txt文件,文件中每一行的格式为图片路径和图片中标注框的位置以及分类,如下所示 data/JPEGImages/MVI_20011__img00001.jpg 592,378,752,540,3 557,120,604,163,2 545,88,580,118,2 508,67,536,92,3 553,70,582,89,7 731,114,783,153,2 902,250,960,357,3 修改train.py中的路径参数与自己电脑上的路径相匹配 classes
2022-04-29 16:08:29 5.24MB python
pytorch 官方torchvision库中的squeezenet1_0,squeezenet1_1 的ONNX 文件。
2022-04-29 16:08:27 8.82MB 神经网络 pytorch 人工智能 深度学习
1
自己亲自使用的pytorch分类框架,加了注释,有自己写的数据增强的代码,自己写的评估指标,十分好用,自己加了多种网络
2022-04-29 16:08:25 50KB pytorch 图像分类
1
pytorch 1.1.0 for python3.7 官方windows64位版本 pip安装
2022-04-28 23:47:09 94.98MB python3.7 pytorch windows 64位
1