d2l_zh 《动手学深度学习》第二版PyTorch版本 运行环境：Google Colab

关于PyTorch 1.2.0 现在，master分支默认支持PyTorch 1.2.0。 由于严重的版本问题（尤其是torch.utils.data.dataloader），MDSR功能被暂时禁用。 如果您必须训练/评估MDSR模型，请使用旧版分支。 EDSR-PyTorch 关于PyTorch 1.1.0 1.1.0更新进行了较小的更改。 现在，我们默认情况下支持PyTorch 1.1.0，如果您喜欢旧版本，请使用旧版分支。 该存储库是CVPRW 2017，第二版NTIRE的PyTorch官方实现，其论文为“用于单图像超分辨率的增强型深度残差网络” 。 您可以从找到原始代码和更多信息。 如果您发现我们的工作对您的研究或出版物有用，请引用我们的工作： [1] Bee Lim，Sanghyun Son，Heewon Kim，Seungjun Nah和Kyoung Mu Lee

课程介绍 本课程面向希望更多的通过代码实践去学习深度学习原理的同学和在职人士。 《动手学深度学习》是2019年国内最受欢迎的人工智能学习教材之一，伯禹教育携手上海交通大学团队，以此书的知识架构为基础，沿用了其中的原理讲解文档，并将代码框架由MXNET迁移至PyTorch，还对这些优质的实践代码制作了讲解视频。其中部分PyTorch代码来自GitHub开源仓库：https://github.com/ShusenTang/Dive-into-DL-PyTorch。 通过这门课程的学习，你将可以对深度学习中常见的方法以及相关的应用有一个从原理到实践的全面了解。 本课程主要针对代码进行讲解，理论基础较

对Pytroch版本的代码做了整理，直接点击train.py即可完成训练。

YOLOv3的Darknet53主干网络的预训练权重，为pytorch版本，文件格式为.pth

GAIN的pytorch版本，包括GAIN、SGAIN、WSGAIN-CP、WSGAIN-GP，包含十个数据集和四种缺失数据填补方法，关于GAIN的tensorflow版本，可以参考资源：https://download.csdn.net/download/didi_ya/85864095

YOLOv3-pytorch版源代码

这是一个基于pytorch的手写数字识别小项目，使用minist数据集进行训练，最高可达99%精度。 首先，此代码逻辑清晰，思路简单，便于用户修改(修改网络结构，优化器等)，用户可在config.py文件中修改epoch、batch等配置参数，来达到更好的效果。数据集无需做处理。 其次，该代码固定了各种随机初始化参数的种子，这样便于用户复现最好的效果。可以使用预训练模型。 最后，用户需要配置pytorch环境，再打开pycharm即可运行代码，无需任何修改。

这是一个基于pytorch的手写数字识别小项目，使用minist数据集进行训练，最高可达99%精度。 首先，此代码逻辑清晰，思路简单，便于用户修改(修改网络结构，优化器等)，用户可在config.py文件中修改epoch、batch等配置参数，来达到更好的效果。 其次，该代码固定了各种随机初始化参数的种子，这样便于用户复现最好的效果。 最后，用户需要配置pytorch环境，再打开pycharm即可运行代码，无需任何修改。

胶囊网络python-pytorch版本，参考博客：https://blog.csdn.net/m0_46384757/article/details/121559514