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。

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.

利用pytorch实现图像分类的一个完整的代码，训练

基于PyTorch实现昆虫分类任务 有数据代码 可直接运行-数据 基于PyTorch实现昆虫分类任务 有数据代码 可直接运行-数据

pytorch实现天气分类

我们介绍一些使用预训练网络的实际例子，这些网络出现在TorchVision模块的图像分类中。 Torchvision包包括流行的数据集，模型体系结构，和通用的图像转换为计算机视觉。基本上，如果你进入计算机视觉并使用PyTorch, Torchvision将会有很大的帮助!

利用pytorch实现图像分类

unet 细胞分割 pytorch 模板（多分类也能用）

使用pytorch搭建分类网络，针对Luna16数据集生成的疑似肺结节进行分类，实现假阳性剔除。其样本集保存为.Mat的形式（数据+类别），固定大小为24*40*40。 注意!!!!!原始getMat.py、traindataset.py有误（有bug），因为csdn无法修改资源，详情见https://blog.csdn.net/qq_24739717/article/details/101034728

本例提取了植物幼苗数据集中的部分数据做数据集，数据集共有12种类别，演示如何使用pytorch版本的mobilenetv2图像分类模型实现分类任务。将训练的模型转为onnx，实现onnx的推理，然后再将onnx转为TensorRT，并实现推理。 通过本文你和学到： ​ 1、如何从torchvision.models调用mobilenetv2模型？ ​ 2、如何自定义数据集加载方式？ ​ 3、如何使用Cutout数据增强？ ​ 4、如何使用Mixup数据增强。 ​ 5、如何实现训练和验证。 ​ 6、如何使用余弦退火调整学习率。 ​ 7、如何载入训练的模型进行预测。 ​ 8、pytorch转onnx，并实现onnx推理。 ​ 9、onnx转TensorRT，并实现TensorRT的推理。 希望通过这篇文章，能让大家对图像的分类和模型的部署有个清晰的认识。 链接：https://wanghao.blog.csdn.net/article/details/123003159