深度pytorch 5.1
Introduction-to-PyTorch-reading-notes
Introduction to PyTorch 阅读笔记 Datetime: 2023-03-24T20:45+08:00 Categories: Python | MachineLearning 兜兜转转还是来到了 DL 的大门前 写了一半，结果不知道为什么都没了，明明 vscode autosa ......
深度学习之PyTorch实战（4）——迁移学习
（这篇博客其实很早之前就写过了，就是自己对当前学习pytorch的一个教程学习做了一个学习笔记，一直未发现，今天整理一下，发出来与前面基础形成连载，方便初学者看，但是可能部分pytorch和torchvision的API接口已经更新了，导致部分代码会产生报错，但是其思想还是可以借鉴的。 因为其中内容 ......
使用matlab深度学习工具箱实现CNN卷积神经网络训练仿真
1.算法描述 深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)。深度学习是学习样本数据的内在规律和表示层次，这些学习 ......
深度学习之路三 训练椭圆函数
#coding:utf-8 from sklearn.neural_network import MLPRegressor from sklearn.model_selection import train_test_split from sklearn.metrics import mean_sq ......
深度学习之路三 将上一篇稍微通用的模型用sklearn代替
from sklearn.neural_network import MLPRegressor import numpy as np # 创建神经网络对象 # 使用adam优化器 adam是一种梯度下降算法 # 使用sgd优化器 adam是一种随机梯度下降算法 model = MLPRegresso ......
深度学习之路二 将上一篇的逻辑流水线变成稍微通用的模型
import numpy as np class NeuralNetwork: def __init__(self, input_size, output_size): self.input_size = input_size self.output_size = output_size self. ......
VScode连接GPU服务器进行深度学习
VScode连接GPU服务器进行深度学习 最近用台式机跑一些小的深度学习项目,发现越来越慢了,由于一些原因,有时候需要我进行现场作业但是我的笔记本是轻薄本(Thinkpad YYDS)不带显卡,百度了一下发现可以租一台GPU服务器,跑深度学习模型,我自己摸索了一下午终于跑成了一个简单案例,方 ......
深度学习之路一 前向反馈和反向传播的初步雏形
#coding: utf8 import math # x1, x2输入神经元 x1=1 x2=2 # w1,w2分别为x1,x2的权重 w1=0.2 w2=0.3 # b为输出神经元的偏移量 b = 0.1 target = 1 # 目标值 def f(w1, w2, b): return x1 ......
pytorch gather b2 = a.gather(1, b.view(-1, 1))
import torch a = torch.randint(0, 100, (6,3)) b = torch.Tensor([0, 1, 1, 2, 0, 2]).long() b = b.unsqueeze(1) b0 = b.view(-1, 1) b2 = a.gather(1, b.vie ......
feature map-CAM 和 利用pytorch-hook注册实现CAM可视化
什么是CAM CAM的全称是Class Activation Mapping或Class Activation Map，即类激活映射或类激活图。 论文《Learning Deep Features for Discriminative Localization》发现了CNN分类模型的一个有趣的现象： ......
深度学习-线性代数
1.标量 仅包含一个数值被称为标量。 2.向量 向量被视为标量值组成的列表，这些标量被称为向量的元素，在数学上，具有一个轴的张量表示向量。一般来说，张量可以具有任意长度，这取决于机器的内存。 3.长度、维度、形状 向量的长度通常称为向量的维度，我们可以用Python内置函数len访问张量长度。 当用 ......
后处理中使用深度图重建世界坐标 - 相对Camera坐标空间的方式
原理 下图中球体的世界坐标=相机的世界坐标+球体相对于相机的坐标。但在后处理的shader中，我们能知道的有：1) 相机的世界坐标，2) 相机信息：FOV, Near, Far, aspect等，3) 球体的z值 1) 下面的图是侧式图，通过下面的图我们可以知道 tan30=nearPlaneHal ......
Pytorch构建超分辨率模型——常用模块
Import required libraries: import torch import torch.nn as nn import torch.optim as optim from torch.utils.data import DataLoader from torchvision imp ......
【pyrender】基于PyRender的深度图渲染
一、安装pyrender 安装pyrender: https://pyrender.readthedocs.io/en/latest/install/index.html 跑通Offscreen Rendering程序，验证环境是否配置成功：https://pyrender.readthedocs. ......
用Python和Pytorch使用softmax和cross-entropy
softmax激活函数 softmax激活函数将包含K个元素的向量转换到（0，1）之间，并且和为1，因此它们可以用来表示概率。 python: def softmax(x): return np.exp(x) / np.sum(np.exp(x), axis=0) x=np.array([0.1, ......
Pytorch中DDP，端口冲突(Address already in use)解决方法
参考：端口冲突(Address already in use)解决方法 ......
动手学深度学习－第4章多层感知机
最简单的深度网络称为多层感知机。多层感知机由多层神经元组成， 每一层与它的上一层相连，从中接收输入； 同时每一层也与它的下一层相连，影响当前层的神经元。 4.1多层感知机 仿射变换中的线性是一个很强的假设.很容易找出违反单调性的例子.处理这一问题的一种方法是对我们的数据进行预处理， 使线性变得更合理 ......
pyTorch 导入预训练词向量 2023
# 测试 Embedding import torch import gensim import torch.nn as nn wvmodel = gensim.models.KeyedVectors.load_word2vec_format("./data/vector.txt",binary=F ......
显卡驱动+cuda+cudnn+深度学习框架
安装概览 安装显卡驱动、CUDA 和 cuDNN 可能因操作系统和 GPU 型号而异，下面是一般的步骤： 下载和安装适合你 GPU 型号的显卡驱动，可以从官方网站或者 GPU 制造商的网站下载。 下载和安装适合你 CUDA 版本的 CUDA 工具包，可以从官方网站下载。 下载和安装适合你 CUDA ......
称霸Kaggle的十大深度学习技巧
前言 是什么秘诀让新手们在短期内快速掌握并能构建最先进的DL算法？一位名叫塞缪尔（Samuel Lynn-Evans）的法国学员总结了十条经验。 本文转载自量子位 作者 | Samuel Lynn-Evans 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术总结、 ......
使用Pytorch构建LSTM网络实现对时间序列的预测
使用Python构建LSTM网络实现对时间序列的预测 1. LSTM网络神经元结构 LSTM网络 神经元结构示意图 在任一时刻 $t$，LSTM网络神经元接收该时刻输入信息 $x_t$，输出此时刻的隐藏状态 $h_t$，而 $h_t$ 不仅取决于 $x_t$，还受到 $t-1$ 时刻细胞状态 (ce ......
动手学深度学习－第３章线性神经网络
3.1线性回归 回归（regression）是能为一个或多个自变量与因变量之间关系建模的一类方法。 线性回归基于几个简单的假设： １.自变量和因变量之间的关系是线性的 ２.任何噪声都比较正常，如噪声遵循正态分布 仿射变换的特点是通过加权和对特征进行线性变换（linear transformation ......
深度理解Java线程池ThreadPoolExecutor
一.使用线程池的好处 1.提高系统性能和响应速度：线程池可以通过复用线程来减少线程的创建和销毁，从而减少了系统开销，提高了系统的性能和响应速度。 2.提高代码的可维护性：使用线程池可以将任务的执行与线程的创建和管理分离开来，使得代码更加清晰易懂，也更加容易维护。 3.提高代码的可复用性：线程池可以让 ......
Windows下的深度学习环境安装
Windows下的深度学习环境安装 电脑型号：戴尔G15 GPU:RTX3060 第一步：下载anaconda 选择anaconda3 2022.10月版本最新版的windowsx86.exe版。官网下载特别慢，这里采用镜像网站 Index of /anaconda/archive/ | 北京外国语 ......
cuda、cudnn、zlib 深度学习必配三件套（Windows）
无论用tensorrt，还是onnxruntime部署。这三个都得下载配置，推荐都放到相应的cuda路径里（含dll的文件夹、含lib的文件夹）。 推荐先下载tensorrt或者onnxruntime，这样可以知道所需的cuda、cudnn版本。 1、cuda（以11.8为例） 下载地址：CUDA ......
基于深度学习的瓶盖检测系统（Python+YOLOv5深度学习模型+清新界面）
基于深度学习的瓶盖检测系统用于传送带或日常场景中瓶盖检测识别，提供实时瓶盖检测定位和计数，辅助瓶盖生产加工过程的自动化识别。本文详细介绍基于深度学习的瓶盖检测系统，在介绍算法原理的同时，给出Python的实现代码、训练数据集，以及PyQt的UI界面。基于YOLOv5算法实现对图像中存在的多目标进行识... ......
交通信号标志识别软件（Python+YOLOv5深度学习模型+清新界面）
交通信号标志识别软件用于交通信号标志的检测和识别，利用机器视觉和深度学习智能识别交通标志并可视化记录，以辅助无人驾驶等。本文详细介绍交通信号标志识别软件，在介绍算法原理的同时，给出Python的实现代码以及PyQt的UI界面。在界面中可以选择各种图片、视频进行检测识别；可对图像中存在的多目标进行识别... ......
机场航拍图像检测软件（Python+YOLOv5深度学习模型+清新界面）
机场航拍图像检测软件使用深度学习技术检测机场航拍图像中的飞机目标等，识别航拍目标等结果并记录和保存，辅助机场智能管理运行。在介绍算法原理的同时，给出Python的实现代码、训练数据集，以及PyQt的UI界面。机场航拍检测系统主要检测飞机的数目、位置、预测置信度等；连接摄像头设备可开启实时检测功能，另... ......