深度pytorch 4.6
深度学习--初识GAN
深度学习--GAN网络 GAN是一种深度学习模型，全称为生成对抗网络（Generative Adversarial Networks）。它由两个神经网络组成：一个生成器网络和一个判别器网络。 生成器网络通过学习训练数据的分布，生成新的数据。而判别器网络则尝试区分生成器生成的数据和真实的训练数据。在训 ......
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 ......
动手学习深度学习-pandas dataframe转为张量
动手学习深度学习-pandas dataframe转为张量 创建数据 在当前目录的上一级目录创建csv文件，然后写入数据 import os os.makedirs(os.path.join('..','data'),exist_ok=True) # '..'表示上一级目录路径 data_file ......
深度学习自学看懂论文的网站
救命啊！深度学习代码看不懂怎么办啊？一个网站彻底解决！-人工智能/AI/机器学习_哔哩哔哩_bilibili GitHub - labmlai/annotated_deep_learning_paper_implementations: 🧑🏫 59 Implementations/tutori ......
win11+pytorch2.0+cuda11.7.1安装记录
起个坑，后面会开始更一些深度学习的内容，也好久没经营博客了。研0的生活鸭 使用的环境：暗影精灵9（win11+rtx4050，6999最低配那个） 1.Anaconda安装 网上教程一大把，这里就不贴了 2.cuda 11.7.1版本下载 这个下载也容易，一拉一大把，略 3.pytorch安装 co ......
深度学习--LSTM网络、使用方法、实战情感分类问题
深度学习--LSTM网络、使用方法、实战情感分类问题 1.LSTM基础 长短期记忆网络（Long Short-Term Memory，简称LSTM），是RNN的一种，为了解决RNN存在长期依赖问题而设计出来的。 LSTM的基本结构： 2.LSTM的具体说明 LSTM与RNN的结构相比，在参数更新的过 ......
机器学习和深度学习的区别
机器学习和深度学习都属于人工智能领域，但它们有不同的方法和应用场景。 机器学习是一种利用统计学习算法让计算机模仿人类的学习过程来实现智能化的技术。机器学习的主要思想是从大量的数据中发掘规律和模式，然后将这些规律和模式应用到新的数据中进行预测和决策。聚类，聚合 深度学习是机器学习的一个分支，它利用多层 ......
深度研究：接连创造高估值、高增长神话的PLG
组织架构不匹配、权责分配不清晰以及团队协作无机制是推进PLG业务面临的三大核心挑战，而安全软件公司Snyk以其指数级营收和估值增长的成功实践证明，构建合适且高效团队是助力PLG创新实现高速增长的关键，其经验值得借鉴。本文将通过分析Synk如何构建起全能型跨职能团队，如何定义PLG团队核心权责，以及如 ......
【动手学深度学习】第四章笔记：多层感知机、权重衰减、暂退法、数值稳定性和模型初始化、环境和分布偏移
为了更好的阅读体验，请点击这里 4.1 多层感知机 4.1.1 隐藏层 由于仿射变换中的线性是一个很强的假设，因此导致了线性模型可能会不适用。线性意味着单调假设：任何特征的增大都会导致模型输出的增大或者模型输出的减小。 但是违反单调性的例子比比皆是。除此之外，分类任务中，仅依托像素强度分类也很不合理 ......
深度学习--RNN实战与存在问题
深度学习--RNN实战与存在问题 时间序列预测 import numpy as np import torch import torch.nn as nn import torch.optim as optim from matplotlib import pyplot as plt #数量 num ......
深度学习--RNN基础
深度学习--RNN基础 RNN（Recurrent Neutral Network，循环神经网络），主要应用于自然语言处理NLP。 RNN表示方法 1.编码 因为Pytorch中没有String类型数据，需要引入序列表示法(sequence representation)对文本进行表示。 表 ......
pytorch自定义或自组织数据集
import os from pathlib import Path from typing import Any, Callable, Optional, Tuple import numpy as np import torch import torchvision from PIL impor ......
使用PyTorch和Flower 进行联邦学习
本文将介绍如何使用 Flower 构建现有机器学习工作的联邦学习版本。我们将使用 PyTorch 在 CIFAR-10 数据集上训练卷积神经网络，然后将展示如何修改训练代码以联邦的方式运行训练。 完整文章： https://avoid.overfit.cn/post/8d05a12c208c4f49 ......
Pytorch可视化热力图
可视化热力图可以有两种方式： 1）特征图可视化，将各通道特征的最大值作为热力图像素值，进行可视化——可以参考博客，一种比较灵活的特征图保存方式 2）根据梯度值结合特征图计算热力图，热力图的显示的重点是梯度高的地方，也是网络关注的重点 基于梯度进行热力图可视化有一些工作，如grad-cam，也有一些开 ......
深度学习--实战 ResNet18
深度学习--实战 ResNet18 ResNet18的基本含义是，网络的基本架构是ResNet，网络的深度是18层。但是这里的网络深度指的是网络的权重层，也就是包括池化，激活，线性层。而不包括批量化归一层，池化层。 模型实现 import torch from torch import nn imp ......
深度学习--实战 LeNet5
深度学习--实战 LeNet5 数据集 数据集选用CIFAR-10的数据集,Cifar-10 是由 Hinton 的学生 Alex Krizhevsky、Ilya Sutskever 收集的一个用于普适物体识别的计算机视觉数据集，它包含 60000 张 32 X 32 的 RGB 彩色图片，总共 1 ......
求解带有限重的三维装箱问题——启发式深度优先搜索算法
引子 在这篇文章中，只考虑了尺寸的限制，没有加入重量限制。加入重量限制后，主要思路有两个关键点： 1、在简单块和复合块生成的时候，记录块的重量。 2、在填充块的时候，记录装箱过程中的总重量，达到限重则不进行填充。 代码： import copy from itertools import produ ......
求解三维装箱问题的启发式深度优先搜索算法(python)
⭐️ 问题描述 给定一个容器(其体积为V VV) 和一系列待装载的箱子，容器和箱子的形状都是长方体。问题的目标是要确定一个可行的箱子放置方案使得在满足给定装载约束的情况下，容器中包含的箱子总体积S SS尽可能的大，即填充率尽可能的大，这里填充率指的是S / V ∗ 100 % S/ V * 100\ ......
AI人工智能 机器学习 深度学习 学习路径及推荐书籍
要学习Pytorch，需要掌握以下基本知识： 编程语言：Pytorch使用Python作为主要编程语言，因此需要熟悉Python编程语言。 线性代数和微积分：Pytorch主要用于深度学习领域，深度学习是基于线性代数和微积分的，因此需要具备线性代数和微积分的基础知识。 机器学习基础知识：了解机器学习 ......
深度学习--魔法类nn.Module
深度学习--魔法类nn.Module 作用 #pytorch 封装了一些基本的网络类，可以直接调用 #好处： 可以直接调用现有的类 容器机制：self.net = nn.Sequential() 参数返回：list(net.parameters())[0].shape #返回对应的参数的shape ......
深度学习--初识卷积神经网络
深度学习--初识卷积神经网络 1.LeNet-5 80年代，正确率达到99.2% 5/6层 输入层：32*32 第一层：卷积层 6@28*28 第二层：下采样层 6@14*14 第三层：卷积层 16@10*10 第四层：下采样层 16@5*5 第五层：全连接层 120 第六层：全连接层 84 输出层 ......
极客时间「大师课·深度剖析 RocketMQ5.0」上线啦，欢迎免费领取！
2022 年，RocketMQ 5.0 的正式版正式发布，相对于 RocketMQ 4.0，架构走向云原生化，并且覆盖了更多的业务场景。想要掌握最新版本 RocketMQ 的应用，就需要进行更加体系化的深入了解。 ......
深度学习--卷积神经网络基础
深度学习--卷积神经网络基础 1.卷积操作 卷积操作简单来说就是矩阵对应位置相乘求和，这样不仅可以减少模型的参数数量，还可以关注到图像的局部相关特性。 import torch import torch.nn as nn import torch.nn.functional as F #卷积操作（I ......
动手深度学习pytorch 5-7章
深度学习计算 1. 块提供的基本功能： 1. 输入数据作为前向传播函数的参数 2. 通过前向传播函数生成输出 3. 计算其输出关于输入的梯度 4.存储和访问前向传播计算所需的参数 5. 根据需要初始化模型参数 2. Sequential 类 1. 将块逐个追加到列表中的函数 2. 前向传播函数，用于 ......
深度学习样本绘制注意事项
在绘制深度学习样本的时候，部分初学者总是用绘制监督分类样本的方法绘制深度学习样本，在图像上随意绘制样本，这种绘制样本的方法不适用于深度学习样本绘制。 如下为错误的示例： 深度学习样本绘制应遵循“全、多、精”三个原则： 样本子区域选取，应该全面覆盖多种地物类型。 绘制样本尽可能地多，推荐绘制子区域内8 ......
sass样式穿透，深度作用选择器, 父选择器
scss .el-input-number { ::v-deep #inputNumber { text-align: left; } } css .el-input-number >>> #inputNumber { text-align: left; } & a { font-weight: b ......
3_transforms (pytorch tutorial)
Transforms Data does not always come in its final processed form that is required for training machine learning algorithms. We use transforms to perfo ......
pytorch在有限的资源下部署大语言模型（以ChatGLM-6B为例）
pytorch在有限的资源下部署大语言模型（以ChatGLM-6B为例） Part1知识准备 在PyTorch中加载预训练的模型时，通常的工作流程是这样的： my_model = ModelClass(...)state_dict =torch.load(checkpoint_file) 用简单的话 ......
基于深度强化学习(DQN)的迷宫寻路算法
QLearning方法有着明显的局限性，当状态和动作空间是离散的且维数不高时可使用Q-Table存储每个状态动作的Q值，而当状态和动作时高维连续时，该方法便不太适用。可以将Q-Table的更新问题变成一个函数拟合问题，通过更新参数θ使得Q函数逼近最优Q值。DL是解决参数学习的有效方法，可以通过引进D ......