SSD类算法训练好的权重模型在coco2017/2014数据集上的测试代码，可出测试结果，实测可用。（pytorch版）

MSRN_PyTorch 该存储库是论文“用于图像超分辨率的多尺度残差网络”的官方PyTorch实施。 可以从下载论文 可以从下载所有测试数据集（预处理的HR图像）。 所有原始测试数据集（HR图像）都可以从下载。 我们的MSRN直接在Y通道上进行了培训和测试。 但是，越来越多的SR模型在RGB通道上进行训练。 为了公平起见，我们根据代码对MSRN进行了重新培训。 我们发布了该项目的新代码和结果。 旧代码被移到OLD /文件夹中。 新代码存储在MSRN /文件夹中。 更新2019.06.12.1 先前提供的再训练模型使用DIV2K（1-895）。 我们更正了此错误，并提供了重新训练的模型（DIV2K 1-800）和结果。 我们现在还提供了x8结果！ 请注意，我们仅使用800张图像（DIV2K 1-800）进行训练，并使用最新的重量文件进行测试。 更新2019.06.12.2

吴恩达卷积神经网络，第一周作业PyTorch版本代码(gpu-cpu通用） 1.PyCharm上运行的PyTorch项目 2.基础的卷积神经网络搭建 3.加入了gpu加速所需的代码 4.含数据集+cnn_utils.py【对原版本做了简化】 5.含训练、模型保存、模型加载、单个图片预测代码 6.里面保存了个已经在gpu上训练好的模型，下载后也可以自行训练

利用VGG16对kaggle比赛提供的猫狗图片进行迁移学习-PyTorch版本 1.已改写为gpu-cpu通用 2.数据集处理参考注释；含后续训练、训练集/验证集accuracy计算，图片测试 3.数据集请参考https://www.kaggle.com/c/dogs-vs-cats

适用于u神新版本的pytorch-yolov3,更新了一些网络模型的名称，如果使用了旧版的pt文件，会出现无法加载模型的问题

lstm-cnn- pytorch版学习

MXNet代码实现改为PyTorch实现

pytorch版本的yolov3voc版本火焰数据集

YOLOv3-Pytorch版本训练教程-附件资源

YOLOv3-Torch2TRT 介绍 通过torch2trt Python API将YOLOv3和YOLOv3-tiny（PyTorch版本）转换为TensorRT模型。 安装 克隆仓库 git clone https://github.com/DocF/YOLOv3-Torch2TRT.git 下载预先训练的体重 $ cd weights/ $ bash download_weights.sh 要求 需要两个特殊的Python包： 张量 火炬2trt 由于YOLO中的升采样操作，根据torch2trt API的介绍，您需要使用插件安装该版本。 安装参考： : 检查torch2trt API python3 check.py 推理加速 加速技术： FP16 TensorRT 以下是TITAN xp的一些结果： 型号名称 输入尺寸 FP16 整个模式*（FPS） 骨