图像分类训练技巧集锦（论文笔记）
论文 《Bag of Tricks for Image Classification with Convolutional Neural Networks》的笔记。论文罗列了一大堆提升分类器性能的技巧。
在PASCAL VOC数据集上的多目标检测
参照fast.ai第九课的课程和代码，逐步实现： 多标签分类； 构建多分类和多BBox的数据集； 基于ResNet34，构建SSD网络结构；基于anchor box，定义SSD损失函数； 创建更多的anchor来优化模型； 使用Focal Loss；NMS选BBox。
在PASCAL VOC数据集上的单目标检测
参照fast.ai第八课的课程和代码，逐步实现： 读取分析PASCAL数据集； 实现图像最大目标分类预测； 实现图像最大目标BBOX区域预测；实现BBOX和分类的同时预测。
PyTorch 番外篇：Pytorch中的TensorBoard（TensorBoard in PyTorch）
Pytorch番外S04E01：Pytorch中的TensorBoard（TensorBoard in PyTorch）。TensorBoard利用TensorBoard对MINIST分类训练过程可视化
PyTorch 高级篇（4）：图像标注（Image Captioning (CNN-RNN)）
Pytorch高级S03E04：图像标注（Image Captioning (CNN-RNN)）。图像标注CNN编码，RNN解码看图说话
PyTorch 高级篇（3）：神经风格迁移（Neural Style Transfer）
Pytorch高级S03E03：神经风格迁移（Neural Style Transfer）。风格迁移内容损失+风格损失利用已训练模型做特征提取