在Pyrotch上实现情感分类模型，包含一个BERT 模型和一个分类器（MLP），两者间有一个dropout层。BERT模型实现了预训练参数加载功能，预训练的参数使用HuggingFace的bert_base_uncased模型。同时在代码中实现了基于预训练BERT模型的下游情感分类任务的fine_tune，包含了训练集上的训练、测试集上测试评估性能等内容。 情感分类的大致过程为：首先，将一个句子中的每个单词对应的词向量输入BERT，得到句子的向量表征。然后将句向量经过dropout层再输入分类器，最后输出二元分类预测。

包含训练代码、预测代码、数据划分代码、网络代码等，采用pytorch框架所写。

基于Pytorch框架自定义7层卷积神经网络模型实现垃圾分类系统源码+数据集+项目说明（人工智能期末作业）.zip 垃圾分类 实验要求： 利用深度学习模型完成垃圾分类 图片数据集来源：https://momodel.cn/explore/5d411ace1afd9427c236eab5?type=dataset Result： 使用 PyTorch 自定义 7 层卷积神经网络加 2 层全连接层的分类模型

毕设项目 基于VGG19网络实现5类水果识别系统源码+数据集+模型+项目操作说明 主要针对正在做毕设的同学和需要项目实战的深度学习cv图像识别模式识别方向学习者。 也可作为课程设计、期末大作业。包含：项目源码、训练好的模型、项目操作说明等，该项目可直接作为毕设使用。 也可以用来学习、参考、借鉴。如果基础不错，在此代码上做修改，训练其他模型。

基于图像分类网络 VGG实现模式识别系统的设计与实现代码大全.pdf基于图像分类网络 VGG实现模式识别系统的设计与实现代码大全.pdf基于图像分类网络 VGG实现模式识别系统的设计与实现代码大全.pdf

利用pytorch 搭建猫狗公鸡图片分类网络，附带训练图片1200张，模型下载可以直接在cpu电脑上训练预测，代码包含模型的保存和可视化，学习率调整等基础知识，适合新手入门

pytorch 搭建图片分类网络

使用Resnext50网络对猫图像进行分类，最终得到正确率91.67%。

从早期生物神经网络研究，到神经网络从实现深度化，模块化，引入注意力机制，再到实现高效化神经网络。这个时间节点比较火热的autoML,神经架构搜索技术等了解图像分类不仅仅只需要精度。

实验报告 分类技术——二分网络上的链路预测.docx