MXNET深度学习的图像和视频数据集及模型
mxbox的Python项目详细描述
XMXBOX：MXNET框架的简单、高效、灵活的视觉工具箱。
BR/> MXBOX是一个工具箱，旨在为视觉任务提供一个通用而简单的接口。这个项目的灵感来自于[pytorch]（https://github.com/pytorch/pytorch）和[torchvision]（https://github.com/pytorch/vision）。详细的版权文件正在准备中。欢迎改进和建议。
将**预处理**定义为流
`` python
transform=transforms.compose（[
transforms.randomSizedCrop（224），
transforms.randomHorizontalFlip（），
transforms.mx.tondarray（），
transforms.mx.normalize（mean=[0.485，0.456，0.406]，
std=[0.229，0.224，0.225]），
]
```
xxx中可以找到更多示例。
2）在几行中构建**dataloader*
``python
feedin嫒shapes={
“batch嫒size”：8，
“data”：[mx.io.datadesc（name='data'，shape=（8，3，32，32），layout='nchw'），
‘label’：[mx.io.datadesc（name='softmax戥label'，shape=（8，1），layout='n'）]
}
dst=dataset（root='../../data'，transform=img戥transform，label戥transform=label戥transform）
loader=dataloader（dst，feedin戥shapes，threads=8，shuffle=true）
``````
` mnist是开箱即用的。您只需从“mxbox.datasets”加载它们。
3）加载具有预训练权重的流行模型
``python
vgg=mxbox.models.vgg（num廑classes=10，pretrained=true）
resnet=mxbox.models.resnet152（num廑classes=10，pretrained=true）
```
即将推出。
BR/> MXBOX是一个工具箱，旨在为视觉任务提供一个通用而简单的接口。这个项目的灵感来自于[pytorch]（https://github.com/pytorch/pytorch）和[torchvision]（https://github.com/pytorch/vision）。详细的版权文件正在准备中。欢迎改进和建议。
将**预处理**定义为流
`` python
transform=transforms.compose（[
transforms.randomSizedCrop（224），
transforms.randomHorizontalFlip（），
transforms.mx.tondarray（），
transforms.mx.normalize（mean=[0.485，0.456，0.406]，
std=[0.229，0.224，0.225]），
]
```
xxx中可以找到更多示例。
2）在几行中构建**dataloader*
``python
feedin嫒shapes={
“batch嫒size”：8，
“data”：[mx.io.datadesc（name='data'，shape=（8，3，32，32），layout='nchw'），
‘label’：[mx.io.datadesc（name='softmax戥label'，shape=（8，1），layout='n'）]
}
dst=dataset（root='../../data'，transform=img戥transform，label戥transform=label戥transform）
loader=dataloader（dst，feedin戥shapes，threads=8，shuffle=true）
``````
` mnist是开箱即用的。您只需从“mxbox.datasets”加载它们。
3）加载具有预训练权重的流行模型
``python
vgg=mxbox.models.vgg（num廑classes=10，pretrained=true）
resnet=mxbox.models.resnet152（num廑classes=10，pretrained=true）
```
即将推出。
欢迎加入QQ群-->： 979659372
