yolov8 人脸检测数据集 一万张照片，300 epoch训练好的模型best.pt文件 准确率能达到百分之八十以上 预训练模型使用yolov8s, gpu3080ti训练两天

三维粒子模拟程序的说明文档，可以模拟等立体的状态灯等。

facebookresearch的supervision-by-registration项目所需的pytorch模型文件。

基于行锚框和全局信息的深度学习车道线检测方法模型（CULane数据集，50个epoch）

这个是已经训练好的DFGAN，针对CUB的生成器模型，训练轮数601轮 默认bird.yml： CONFIG_NAME: 'bird' DATASET_NAME: 'bird' DATA_DIR: '../data/bird' GPU_ID: 0 WORKERS: 1 B_VALIDATION: True # True # False loss: 'hinge' TREE: BRANCH_NUM: 1 BASE_SIZE: 256 TRAIN: NF: 32 # default 64 BATCH_SIZE: 24 MAX_EPOCH: 601 NET_G: '../test' TEXT: EMBEDDING_DIM: 256 CAPTIONS_PER_IMAGE: 10 DAMSM_NAME: '../DAMSMencoders/bird/inception/text_encoder200.pth'

遇到的问题 当时自己在使用Alexnet训练图像分类问题时，会出现损失在一个epoch中增加，换做下一个epoch时loss会骤然降低，一开始这个问题没有一点头绪，我数据也打乱了，使用的是tf.train.shuffle_batch 在capacity中设置一个值，比如是1000吧，每次取一千个数据后将这一千个数据打乱，本次使用的数据集就是每个种类1000多，而我加载数据时是一类一类加载的，这就造成了每一批次的开始可以跟前一类数据做打乱处理，但是在中间数据并不能达到充分的shuffle 解决问题 在加载数据集的时候用numpy中的shuffle将数据集充分的打乱后在读入tfrecord中，之

一个用于断点续训的类的定义，测试过了，非常好用。在对数据集进行训练时，可中断训练，训练下一次开始从中断的状态开始训练，非常适合PYTHON程序测试。

EPOCH安装教程（官方提供） 按照pdf上的方法一步一步组装EPOCH

主要介绍了keras中epoch,batch,loss,val_loss用法说明，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

Olympus epoch 600 远程指令