文件：torch-1.4.0+cu92-cp37-cp37m-win_amd64.whl torchvision-0.5.0+cu92-cp37-cp37m-win_amd64.whl cuda_9.2.148_win10.exe cudnn-9.2-windows10-x64-v7.6.4.38 Anaconda3-2020.02-Windows-x86_64 pycharm-professional-2019.2

YoloV3-Pytorch 介绍 这是Pytorch中YoloV3的实现。 这是对westerndigitalcorporation的源代码的修改，避免了从原始darknet框架“导入”配置文件。 源代码的版权在许可证文件中。 修改的; 我尝试使用常用的术语尽可能直观地构建模型。 我还将模块划分为功能，以便可以轻松地将其导入并用于其他项目以及此处。 此外，还增加了在视频上运行，加载KITTI数据集，每种COCO和Pascal VOC样式的度量标准等的功能。 环境环境 python 3.xx

关于课程 该存储库与Pearson Publishing实时网络研讨会“使用PyTorch机器学习”配合PyTorch 。 David Mertz（ ）和提供的其他培训也使用了此材料的版本。 如果您参加了使用此材料的网络研讨会之一，我建议您在以下上完成有关该问卷的调查：。 当人们填写完这些内容后，我们会将更新后的答案折叠到课程本身使用的数据集中。 安装培训资料 在参加本课程之前，请配置您需要的环境。 在存储库中，找到文件requirements.txt以使用pip安装软件，或找到文件envi

S-DCNet和SS-DCNet 这是S-DCNet和SS-DCNet的非官方实现（Pytorch）。 这些文件是 （） （） 请参阅此页面底部的确切参考。 讨论表明作者没有计划发布培训代码（截至2019年10月）。 该存储库包含用于对已发布的数据集ShanghaiTech Part_A和Part_B进行模型训练和评估的代码。 还提供了用于推断用户提供的独立图像的代码。 仅实现基于分类的计数器（C-Counter）（未实现基于回归的计数器（R-Counter））。 环境 根据re