卷积ai_pytorch概念pytorch
dockerfile概念简介——镜像分层
一、dockerfile概念 dockerfile是自定义镜像的一套规则 dockerfile由多条指令构成，Dockerfile中的每一条指令都会对应于Docker镜像中的每一层 1.1docker镜像的分层 dockerfile的原理就是镜像分层。 Dockerfile 中的每个指令都会创建一个 ......
【pytorch】土堆pytorch教程学习（五）torchvision 中的数据集的使用
torchvision 中的数据集使用 在torchvision.datasets模块中提供了许多内置的数据集。 内置的数据集有 CIFAR10、MNIST、COCO等，更多可进入 pytorch 官网查看。 所有内置的数据集都继承了 torch.utils.data.Dataset 类，并且实现了 ......
pytorch模型降低计算成本和计算量
下面是如何使用PyTorch降低计算成本和计算量的一些方法： 压缩模型：使用模型压缩技术，如剪枝、量化和哈希等方法，来减小模型的大小和复杂度，从而降低计算量和运行成本。 分布式训练：使用多台机器进行分布式训练，可以将模型训练时间大大缩短，提高训练效率，同时还可以降低成本。 硬件加速：使用GPU或TP ......
【pytorch】为什么 ToTensor 后紧接 Normalize 操作？
学习 pytorch 的 transforms 一节中产生疑问：ToTensor 操作中图像数据满足 [0,255] 条件会进行线性归一化，映射到 [0,1]。在 ToTensor 操作后一般紧接着 Nomalize 操作，又进行了一次标准差归一化。既然已经归一化了一次，为什么还要再来一次？ 以下是 ......
【pytorch】土堆pytorch教程学习（四）Transforms 的使用
transforms 在工具包 torchvision下，用来对图像进行预处理：数据中心化、数据标准化、缩放、裁剪、旋转、翻转、填充、噪声添加、灰度变换、线性变换、仿射变换、亮度/饱和度/对比度变换等。 transforms 本质就是一个python文件，相当于一个工具箱，里面包含诸如 Resize ......
在PyTorch中，可以对Tensor进行操作的一些函数：view、permute、squeeze、unsqueeze等
tensor是深度学习中非常实用的数据类型，PyTorch包含了许多可以操作tensor的工具，比如重塑、、（不考虑内存底层的具体情况）。 1. 查看Tensor的shape ......
医学图像的深度学习的完整代码示例：使用Pytorch对MRI脑扫描的图像进行分割
图像分割是医学图像分析中最重要的任务之一，在许多临床应用中往往是第一步也是最关键的一步。在脑MRI分析中，图像分割通常用于测量和可视化解剖结构，分析大脑变化，描绘病理区域以及手术计划和图像引导干预，分割是大多数形态学分析的先决条件。 本文我们将介绍如何使用QuickNAT对人脑的图像进行分割。使用M ......
Mastering Regular Expressions(精通正则表达式) 阅读笔记：第一章，概念
Real Scenario(现实场景) Here's the scenario: you're given the job of checking the pages on a web server for doubled words (such as "this this"), a common ......
代码笔记27 numpy和pytorch中的多维数组切片
原来还可以用数组切数组，我算是长见识了。不多说了，直接上代码应该可以明白 import numpy as np xyz = np.arange(36).reshape(3, 4, 3) B, N, C = xyz.shape farthest = np.random.randint(0, N, si ......
详解 HTTPS 概念
我们都知道HTTPS能够加密信息，以免敏感信息被第三方获取。所以很多银行网站或电子邮箱等等安全级别较高的服务都会采用HTTPS协议。 HTTPS简介 HTTPS其实是有两部分组成：HTTP SSL / TLS，也就是在HTTP上又加了一层处理加密信息的模块。服务端和客户端的信息传输都会通过TLS进行 ......
详解 HTTPS 概念
导读 我们都知道HTTPS能够加密信息，以免敏感信息被第三方获取。所以很多银行网站或电子邮箱等等安全级别较高的服务都会采用HTTPS协议。 HTTPS简介 HTTPS其实是有两部分组成：HTTP SSL / TLS，也就是在HTTP上又加了一层处理加密信息的模块。服务端和客户端的信息传输都会通过TL ......
【pytorch】土堆pytorch教程学习（三）TensorBoard的使用
TensorBoard 是TensorFlow的可视化工具包，提供机器学习实验所需的可视化功能和工具： 跟踪和可视化损失及准确率等指标 可视化模型图（操作和层） 查看权重、偏差或其他张量随时间变化的直方图 将嵌入投射到较低的维度空间 显示图片、文字和音频数据 剖析 TensorFlow 程序 安装 ......
关于pytorch包的测试问题
pytorch的官方github项目有个文件专门用于测试torch是否安装成功，例如：https://github.com/pytorch/pytorch/blob/v1.11.0/test/test_torch.py 但是我们平时测试一个pip包是否安装成功，都是直接import来测试，这样的测试 ......
计算机基础概念
1，为什么需要计算机 随着时代的发展，每个人需要处理的信息越来越多，如果此时单纯靠人脑来计算，那效率是非常低的，因此也慢慢有了电子计算设备，也就是计算机 2，计算机的定义 所谓的计算机是一种电子计算的高效的电子设备，我们称之为电脑， ......
PyTorch常用操作
数据集加载 1. 网络数据集 加载数据集：https://pytorch.org/vision/stable/datasets.html import torchvision.datasets as datasets import torchvision.transforms as transfor ......
二、分布式基础概念--谷粒商城
1.微服务服务架构风格，就像是把一个单独的应用程序开发为一套小服务，每个小服务运行在自己的进程中，并使用轻量级机制通信，通常是HTTP API。这些服务围绕业务能力来构建，并通过完全自动化部署机制来独立部署。这些服务使用不同的编程语言书写，以及不同数据存储技术，并保持最低限度的集中式管理简而言之：拒 ......
Pytorch2 如何通过算子融合和 CPU/GPU 代码生成加速深度学习
动动发财的小手，点个赞吧！ PyTorch 中用于图形捕获、中间表示、运算符融合以及优化的 C++ 和 GPU 代码生成的深度学习编译器技术入门 计算机编程是神奇的。我们用人类可读的语言编写代码，就像变魔术一样，它通过硅晶体管转化为电流，使它们像开关一样工作，并允许它们实现复杂的逻辑——这样我们就可 ......
基于simulink的WiMax通信系统仿真,包括RS编译码,卷积编译码,OFDM,输出星座图和频谱图
1.算法仿真效果 matlab2022a仿真结果如下： 2.算法涉及理论知识概要 全球微波接入互操作性（World Interoperability for Microwave Access，WiMAX），WiMAX的另一个名字是802.16。IEEE802.16标准，又称WiMAX，或广带无线接入 ......
【深度学习基础】使用libtorch部署pytorch训练的网络
下载安装配置：https://pytorch.org/cppdocs/installing.html 小例程：https://pytorch.org/cppdocs/frontend.html 官方：https://pytorch.org/tutorials/beginner/Intro_to_To ......
RocketMQ(一)：基本概念
RocketMQ官方文档地址：RocketMQ官网文档地址。 一、什么是RocketMQ RocketMQ是一款分布式、队列模型的消息中间件。 二、RocketMQ的基本概念 2.1、Topic - 主题 Topic是RocketMQ 中消息传输和存储的顶层容器，用于标识同一类业务逻辑的消息，通过T ......
m基于信道差错概率模型仿真对比RS,汉明码以及卷积编译码性能,仿真输出信道差错概率与误码率和仿真速度三维关系图
1.算法仿真效果 matlab2022a仿真结果如下： 在数字通信系统中, 数字通信系统及其相关部分必须满足误码率的最低规 范要求。误码率是一个非常重要的指标，它衡量着系统性能的好坏，因此在数 字通信领域中经常会遇到误码率的测试问题。误码率[是二进制比特流经过系 统传输后发生差错的概率，其测量方法[ ......
C++概念：引用折叠、模板推导、通用引用
1. 引用折叠规则 如果间接的创建一个引用的引用，则这些引用就会“折叠”（空格前为模板T类型）。 X& &、X& &&、X&& &都折叠成X& X&& &&折叠为X&& 当将一个左值传递给一个参数是右值引用指向模板类型参数(T&&)时，编译器推断模板参数类型为实参的左值引用 template<typ ......
PyTorch保存模型断点以及加载断点继续训练
在训练神经网络时，用到的数据量可能很大，训练周期较长，如果半途中断了训练，下次从头训练就会很费时间，这时我们就想断点续训。 一、神经网络模型的保存，基本两种方式：1. 保存完整模型model， torch.save(model, save_path) 2. 只保存模型的参数， torch.save( ......
关于深度学习中的两个概念weights和checkpoint
WEIGHT和checkpoint都是深度学习中的概念，但它们的含义和作用有所不同。 WEIGHT通常指的是神经网络中的参数。在训练过程中，神经网络的参数会不断更新以提高模型的准确性。这些参数通常被存储在称为“权重”的数组中。因此，当我们保存模型的权重时，我们实际上是将神经网络的参数保存到文件中，以 ......
经典卷积神经网络结构：LeNet-5、AlexNet、VGG
LeNet-5 LeNet-5模型是专门为手写数字识别而设计的经典卷积神经网络。 从上图可以看出，LeNet-5总共由输入层、卷积层、池化层、卷积层、池化层、全连接层、全连接层、输出层组成。 1、输入层：一张32*32的灰度图像，只有一个颜色通道，深度为1。 2、卷积层：将输入与6个高为5，宽为5， ......
利用pytorch深度学习框架验证骰子的合格性
利用pytorch深度学习框架验证骰子的合格性 骰子生产的合格性可以用概率来表达，比如每个面出现的概率大概都是1/6。 import torch from d2l import torch as d2l from torch.distributions import multinomial # 多次 ......
深度学习网络fine-tune原理研究 - 以卷积神经网络为例
一、什么是预训练模型（pre-trained model） 预训练模型就是已经用数据集训练好了的模型，这里的数据集一般指大型数据集。比如 VGG16/19 Resnet Imagenet COCO 正常情况下，在图像识别任务中常用的VGG16/19等网络是他人调试好的优秀网络，我们无需再修改其网络结 ......
第四章 存储器管理 4.6 虚拟存储器的基本概念
一、虚拟存储器的引入 1.常规存储器管理方式的特征 ①一次性：要求将一个作业全部装入内存才能运行。 ②驻留性”: 作业装入后一直驻留内存直到作业完成。 2.内存的扩充方法 ①物理扩充 ②逻辑扩充 覆盖：应用程序手动把需要的指令和数据保存在内存中 对换：操作系统自动把暂时不能执行的程序保存到外存中 虚 ......
Android音频开发之音频基本概念
原文地址 www.jianshu.com Android音频开发之音频基本概念 音频采集一般使用 AudioRecod或者 MediaRecord 音频采集的来源是什么？ MediaRecorder.AudioSource.MIC 一般是麦克风 采样率(单位：赫兹) 每秒钟音频采样点个数(8000/ ......