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
PyTorch 高级篇（2）：变分自编码器（Variational Auto-Encoder）
Pytorch高级S03E02：变分自编码器（Variational Auto-Encoder）。变分自编码器数据生成VAE+MINIST生成手写数字