深度pytorch 5.1
深度学习目标检测：YOLOv5实现车辆检测(含车辆检测数据集+训练代码)
https://blog.csdn.net/guyuealian/article/details/128099672 深度学习目标检测：YOLOv5实现车辆检测(含车辆检测数据集+训练代码) 目录 深度学习目标检测：YOLOv5实现车辆检测(含车辆检测数据集+训练代码) 1. 前言 2. 车辆检测数 ......
深度学习在机器视觉中的应用与优势
深度学习在机器视觉中的应用与优势已经引领了该领域的巨大进展，它基于深度神经网络的方法在图像处理和分析方面取得了卓越的成就。以下是深度学习在机器视觉中的一些应用和优势： 图像分类： 深度学习模型如卷积神经网络（CNN）在图像分类任务中表现出色。它们可以自动学习和提取图像中的特征，从而在识别和分类图 ......
pytorch报错
问题报错 RuntimeError: one of the variables needed for gradient computation has been modified by an inplace operation: [torch.FloatTensor [544, 768]], whi ......
【Python深度学习】目标检测和语义分割的区别
在计算机视觉领域，语义分割和目标检测是两个关键的任务，它们都是对图像和视频进行分析，但它们之间存在着明显的区别。本文将通过图像示例，详细阐述语义分割和目标检测之间的差异。 ......
直播小程序源码，pytorch同时让两个dataloader打乱的顺序是相同
直播小程序源码，pytorch同时让两个dataloader打乱的顺序是相同 class MyDataset(Dataset): def __init__(self, datasetA, datasetB): self.datasetA = datasetA self.datasetB = data ......
从机器学习到深度学习知识体系梳理
这几天看到一本书《从机器学习到深度学习（基于scikit-learn与Tensorflow的高效开发实战）》 感觉非常适合AI知识架构的搭建，在这里记录一下，其实里面还有非常棒的细节，比如： 把Numpy、Pandas、Matplotlib 作为了Python基础工具，感觉这个思路非常好可以用自己的 ......
5.1 C/C++ 使用文件与指针
C/C++语言是一种通用的编程语言，具有高效、灵活和可移植等特点。C语言主要用于系统编程，如操作系统、编译器、数据库等；C语言是C语言的扩展，增加了面向对象编程的特性，适用于大型软件系统、图形用户界面、嵌入式系统等。C/C++语言具有很高的效率和控制能力，但也需要开发人员自行管理内存等底层资源，对于... ......
m基于深度学习网络的宠物狗种类识别系统matlab仿真,带GUI界面
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 基于深度学习网络的宠物狗种类识别系统是一种利用深度学习技术进行图像分类的方法，可以自动学习图像中的特征，并根据这些特征对图像进行分类。该系统的原理和数学公式如下： 深度神经网络模型：在宠物狗种类识别系统中，使用深度神经 ......
深度学习（cudnn加速）
cudnn为网络每一卷积层选最优实现方法，加速网络训练。 设置如下： torch.backends.cudnn.benchmark = True 加速条件如下： 1. 输入数据在训练过程中一般不变化。 2. 数据量较大，并可以同时加载到GPU内存中。 3. 训练次数比较多。 ......
pytorch(8-3) 文本语言处理 拆分成字符统计词频并从高到底分配ID 画图可视化1-3元词频分布规律
https://zh.d2l.ai/chapter_recurrent-neural-networks/language-models-and-dataset.html import collections import re from d2l import torch as d2l #@save ......
搭建Pytorch2.1+CUDA12.1+Anaconda+Pycharm深度学习环境
环境： Win11 22H2 需要的安装包： Anaconda3-2021.05-Windows-x86_64.exe Python 3.11. pycharm-professional-2021.2.1.exe CUDA12.1与CUDNN V8.9.5 pytorch 2.1 选择性安装Open ......
《动手学深度学习 Pytorch版》 8.3 语言模型和数据集
8.3.1 学习语言模型 依靠在 8.1 节中对序列模型的分析，可以在单词级别对文本数据进行词元化。基本概率规则如下： \[P(x_1,x_2,\dots,x_T)=\prod^T_{t=1}P(x_t|x_1,\dots,x_{t-1}) \]例如，包含了四个单词的一个文本序列的概率是： \[P( ......
pytorch(8-2) 文本语言处理 拆分成字符统计词频并从高到底分配ID
https://zh.d2l.ai/chapter_recurrent-neural-networks/language-models-and-dataset.html import collections import re from d2l import torch as d2l #@save ......
深度学习（判断cuda是否可用）
安装完pytorch、cuda和cudnn之后，可以先判断是否可用。 import torch print('CUDA版本:',torch.version.cuda) print('Pytorch版本:',torch.__version__) print('显卡是否可用:','可用' if(torc ......
安装pytorch报错，没解决
environment variables: CIO_TEST= CLASS_PATH=.:/exe/jdk/jdk1.8.0_341/lib/dt.jar:/exe/jdk/jdk1.8.0_341/lib/tools.jar :/exe/jdk/jdk1.8.0_341/jre/lib COND ......
深度解析集成服务云的多重启动机制：数据集成更智能，业务流畅畅行无阻
集成方案的“点火”时刻！花式启动数据集成 在这篇文章中，我们将探讨轻易云集成服务云的集成方案启动机制，以助您在企业数据集成中灵活应对各种需求，确保数据自由流动。 启动方案是什么 启动方案是指集成方案启动执行的方式。轻易云集成服务云提供了四种启动方式，包括人工启动、定时启动、事件触发、消息启动，允许在 ......
【Pytorch】小土堆笔记（未完成）
transforms 在训练的过程中，神经网络模型接收的数据类型是 Tensor，而不是 PIL 对象，因此我们还需要对数据进行预处理操作，比如图像格式的转换。 同时我们可以对图片进行一系列图像变换与增强操作，例如裁切边框、调整图像比例和大小、标准化等，以便模型能够更好地学习到数据的特征。 这些操作 ......
《动手学深度学习 Pytorch版》 8.2 文本预处理
import collections import re from d2l import torch as d2l 解析文本的常见预处理步骤： 将文本作为字符串加载到内存中。 将字符串拆分为词元（如单词和字符）。 建立一个词表，将拆分的词元映射到数字索引。 将文本转换为数字索引序列，方便模型操作。 ......
windows下安装conda和安装GPU版本的tensorflow和pytorch
windows下安装conda和安装GPU版本的tensorflow和pytorch 驱动下载 查看自己电脑的独立显卡型号 如：NVIDIA GeForce RTX 3060 在查看自己电脑是否已经安装了显卡驱动，如果显卡可用，那么就是安装了驱动；否则就要到NVIDIA官网下载驱动 NVIDIA驱动 ......
《动手学深度学习 Pytorch版》 8.1 序列模型
到目前为止，我们遇到的数据主要是表格数据和图像数据，并且所有样本都是独立同分布的。然而，大多数的数据并非如此。比如语句中的单词、视频中的帧以及音频信号，都是有顺序的。 简言之，如果说卷积神经网络可以有效地处理空间信息，那么本章的循环神经网络（recurrent neural network，RNN） ......
pytorch(8-1) 循环神经网络 序列模型
https://zh.d2l.ai/chapter_recurrent-neural-networks/sequence.html #%matplotlib inline import torch from torch import nn from d2l import torch as d2l f ......
pytorch训练模版
train.py import torch import numpy as np import os import math import sys import argparse import psutil import torch import torch.optim as optim impor ......
pytorch 自定义dataset类
实现模版 class our_dataset(Dataset): def __init__(self,···): super(our_dataset, self).__init__() #初始化，可以自定义添加参数 def __getitem__(self,index): ··· return im ......
深度学习算法原理实现——自写神经网络和训练模型
代码来自：https://weread.qq.com/web/reader/33f32c90813ab71c6g018fffkd3d322001ad3d9446802347 《python深度学习》 from tensorflow.keras.datasets import mnist from t ......
PyTorch学习笔记
Pycharm按住Ctrl可以查看这个类 ctrl + /快速注释 ctrl + P可以知道函数需要一个什么参数 transforms的使用 Tensorboard 使用 transforms的Normalize作用：可以用来标准化 Compose的用法 dataloader 神经网络torch.n ......
深度学习---目标检测网络YoloX
一、网络介绍 YoloX由旷视科技开源，以YoloV3(Darknet53作为backbone)作为基线，最大的区别在于 Decoupled Head，Data Aug，Anchor Free 和样本匹配（SimOTA）这几个方面，另外还提供了完善的代码，并很贴心的提供了部署脚本，真的很友好了。 P ......
酷睿Ultra 9错失首发：只有6+8+2核心、只能跑5.1GHz
Intel已经官宣，将在12月14日正式发布代号Meteor Lake的新一代酷睿Ultra，但最新消息显示，首发阵容并不完整。 酷睿Ultra将采用Intel史上最大的架构变革，升级Intel 4制造工艺，拥有全新的分离式模块化架构、P核+E核＋LPE核混合架构、NPU AI独立引擎等，但因为工艺 ......
深度学习入门书籍
统计学习方法（第2版） 9.4 https://book.douban.com/subject/33437381/ 作者: 李航 出版社: 清华大学出版社 出版年: 2019-5-1 页数: 464 定价: 98.00元 装帧: 平装 ISBN: 9787302517276 深度学习入门 https ......
pytorch中squeeze()和unsqueeze()函数
下面使用一个二维矩阵看下dim不同时呈现出的效果： # 创建一个3*4的全1二维tensor a = torch.ones(3,4) ''' 运行结果 tensor([[1., 1., 1., 1.], [1., 1., 1., 1.], [1., 1., 1., 1.]]) '''在0维度上插入一 ......