深度pytorch 5.1
基于深度神经网络的图像分类与训练系统（MATLAB GUI版，代码+图文详解）
本博客详细介绍了基于深度神经网络的图像分类与训练系统的MATLAB实现代码，包括GUI界面和数据集，可选择模型进行图片分类，支持一键训练神经网络。首先介绍了基于GoogleNet、ResNet进行图像分类的背景、意义，系统研究现状及相关算法。然后展示了系统的界面演示效果，包括选择图片分类、选择文件夹... ......
windows 配置 cuda pytorch
1. 进入 https://pytorch.org，依次选择 PyTorch Build -> Your OS ->Package ->Language ->Compute Platform，然后会生成安装命令或下载链接，执行或下载安装即可 如果没有 GPU，Compute Platform 选 C ......
【pytorch】土堆pytorch教程学习（六）DataLoader 的使用
DataLoader 将数据集（dataset）和采样器（sampler）组合在一起，并在给定数据集上提供迭代。 DataLoader 支持 map 式和 iterable 式的数据集，可进行单进程或多进程加载、自定义加载顺序和可选的自动批处理和内存固定。 先看下实例化一个 DataLoader 所 ......
深度学习—孪生网络与蒸馏网络
一、孪生神经网络 1、概述：它在目标识别与追踪、精确制导、行人重识别、人脸验证、笔迹验证、图像匹配等领域具有重要应用。 尤其在基于孪生网路的目标检测与追踪方面，设计了SiamFC、SiamRPN、SiamRPN++、DaSiamRPN等经典算法。 本质上，孪生网路是一种实现深度度量学习的深度学习技术 ......
【2023 · CANN训练营第一季】昇腾AI入门Pytorch
昇腾AI全栈架构 华为AI全栈全场景解决方案为4层，分别为芯片层、芯片使能层、AI框架层和应用使能层。 芯片 基于统一、可扩展架构的系列化AI IP和芯片，为上层加速提供硬件基础。 芯片产品：昇腾310和昇腾910的独立芯片，Nano-Tiny-Lite的非独立芯片。 Ascend层，一切集成电路的 ......
【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 ......
分别使用SAD匹配,NCC匹配,SSD匹配三种算法提取双目图像的深度信息
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 深度学习的蓬勃发展得益于大规模有标注的数据驱动，有监督学习（supervised learning）推动深度模型向着性能越来越高的方向发展。但是，大量的标注数据往往需要付出巨大的人力成本，越来越多的研究开始关注如何在不 ......
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 ......
【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 ......
Libre OJ #10147. 「一本通 5.1 例 1」石子合并
题意 将 $n$ 堆石子绕圆形操场排放，现要将石子有序地合并成一堆。规定每次只能选相邻的两堆合并成新的一堆，并将新的一堆的石子数记做该次合并的得分。 请编写一个程序，读入堆数 $n$ 及每堆的石子数，并进行如下计算： 选择一种合并石子的方案，使得做 $n-1$ 次合并得分总和最大。 选择一种合并石子 ......
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 ......
穿越时空的智慧：经得起时间考验的深度学习理念
前言 近十年，深度学习获得长足发展，大量的研究论文和想法铺天盖地。本文回顾历年来突出的深度学习理念，总结了若干个经得起时间考验的方法，它们已经被反复使用，被广泛证明是有效的。 本文转载自幻方AI 作者 | Denny 仅用于学术分享，若侵权请联系删除 欢迎关注公众号CV技术指南，专注于计算机视觉的技 ......
OpenCV加载深度学习模型
本文使用OpenCV加载深度学习模型，实现了对传入的单张图像或多张图像进行预测。 步骤： 首先读入Caffe框架训练好的模型，然后对输入图像进行预处理操作，并将其传入已构建的网络模型，最后对得到的预测结果进行排序，找到概率最大的，通过标签文件得到最终预测的结果并进行输出展示。 1.单张图像 (1)构 ......
赋值/浅拷贝/深度拷贝
/* 一: 赋值 二: 浅拷贝 二: 深拷贝 */ 一: 赋值 # 赋值 if __name__ == '__main__': dict1 = {'user':'Tom','num':[1,2,3]} # 直接赋值: 引用对象 dict2 = dict1 print("dict1: 0x%x" %i ......
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 ......
深度特征融合相关论文（后续更新）
FCN：Fully convolutional Networks for Semantic Segmentation — CVPR2015 ResNet：Deep Residual Learning for Image Recognition — CVPR2016 FPN：Feature pyram ......
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 ......
【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 ......
[ML&DL] 深度学习的实践层面
深度学习的实践层面 训练集 验证集 测试集 过程 神经网络的训练是一个需要不断迭代的过程，一般先提出idea，然后编码实现、测试，根据测试结果再次调整思路...... 分组与比例 数据集通常分为3个部分：训练集、验证集和测试集。 训练集用于训练模型的参数。 验证集用于选择最好的模型。 测试集用于评估 ......
利用深度学习实现序列模型
利用深度学习实现序列模型 序列问题的含义是接收一个序列作为输入，然后期望预测这个序列的后续。例如继续预测2,4,6,8,10...。这在时间序列中是相当常见的，可以用来预测股市的波动、患者的体温曲线或者赛车所需的加速度。 从原理上说，==卷积神经网络可以有效处理空间信息，那么循环神经网络则能更好处理 ......
关于深度思考
对任何领域要达到专家水平境界是一个非常困难的事情。对多数人而言，首要的是理解摆在他们面前的大量工作，并通过学习并获得直觉感悟，这些感悟促成了见识、格局的增长。 自我境界（含见识、格局）的提升是一个漫长的过程，且是一个无法自我衡量的过程。但从大部分的生涯中总一下，其过程符合一下曲线： 但，本次我想讨论 ......
深度了解group分组查询
使用group by的简单例子 group by 工作原理 group by + where 和 group by + having的区别 group by 优化思路 group by 使用注意点 一个生产慢SQL如何优化 1. 使用group by的简单例子 group by一般用于分组统计，它表 ......
【动手学深度学习】第五章笔记：层与块、参数管理、自定义层、读写文件、GPU
为了更好的阅读体验，请点击这里 由于本章内容比较少且以后很显然会经常回来翻，因此会写得比较详细。 5.1 层和块 事实证明，研究讨论“比单个层大”但“比整个模型小”的组件更有价值。例如，在计算机视觉中广泛流行的ResNet-152 架构就有数百层，这些层是由层组（groups of layers）的 ......
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( ......