tensorflow深度anaconda pytorch

Anaconda使用笔记

一、常用命令 1.1 查看当前conda所有环境 conda info --envs 1.2 创建新环境 conda create -n 环境名 python=x.x 1.3 进入你的环境 Conda activate 环境名 Source activate 环境名 activate + 环境名 1 ......
Anaconda 笔记

GIS融合之路(二)CesiumJS和ThreeJS深度缓冲区整合

在这篇文章开始前再次重申一下,山海鲸并没有使用ThreeJS引擎。但由于ThreeJS引擎使用广泛,下文中直接用ThreeJS同CesiumJS的整合方案代替山海鲸中3D引擎和CesiumJS整合。 系列传送门: 山海鲸可视化:GIS融合之路(一)技术选型CesiumJS/loaders.gl/iT ......
缓冲区 深度 CesiumJS ThreeJS GIS

backbone、head、neck等深度学习中的术语解释

我们在阅读文章的时候,经常看到backbone head neck 这一类的术语,但是我们可能并不知道是什么意思,这篇文章就是对这些术语进行解释: backbone: 翻译为主干网络的意思,既然说是主干网络,就代表其是网络的一部分,那么是哪部分呢?这个主干网络大多时候指的是提取特征的网络,其作用就是 ......
术语 深度 backbone head neck

提升源代码安全性的C#和Java深度混淆工具——IpaGuard

提升源代码安全性的C#和Java深度混淆工具——IpaGuard 摘要 Ipa Guard是一款功能强大的IPA混淆工具,通过对iOS IPA文件进行混淆加密,保护其代码、资源和配置文件,降低破解反编译难度。本文将介绍Ipa Guard的深度混淆技术,包括逻辑混淆、名称混淆以及处理特殊情况的方法,帮 ......
源代码 安全性 深度 IpaGuard 工具

Pytorch中的交叉熵CE和均方误差MSE分别是如何计算的?

本文主要关注输入输出的形状,通过两种标签形式探索一下其计算机制。 交叉熵损失函数 实验设置:假设采用AutoEncoder+分类器。AE负责重构图像,计算MSE。分类器通过latent vector计算23个类别的概率向量。 import torch nn as nn net = AutoEncod ......
误差 Pytorch MSE

Anaconda修改默认下载位置

1.找到./condarc文件。(默认存放位置 C:\User\XXX\XXX) 2.修改内容如下: 点击查看代码 channels: - defaults show_channel_urls: true default_channels: - https://mirrors.tuna.tsingh ......
Anaconda 位置

转载:深度学习:蒸馏Distill

转载,写的比较好了,可以参考:https://blog.csdn.net/pipisorry/article/details/117257414 Distilling the knowledge in a neural networkHinton 在论文中提出方法很简单,就是让学生模型的预测分布,来 ......
深度 Distill

代码随想录 day16 N 叉树的最大深度 完全二叉树的节点个数

N 叉树的最大深度 这题昨天做过二叉版本 n叉区别不大 完全二叉树的节点个数 层级遍历 入que的数量就是节点个数 ......
随想录 节点 随想 个数 深度

深度学习之机器学习理论

(一)机器学习(Machine Learning):就是让计算机具备从大量数据中学习的能力之一系列方法。机器学习使用很多统计方法,统计学家也称之为统计学习,但本质上起源于计算机科学的人工智能。 (二)机器学习的分类:机器学习主要分为两类,即监督学习(supervised learning)与非监督学 ......
深度 机器 理论

QMap深度拷贝

QMap深度拷贝 #include <QMap> #include <QPair> #include <QDebug> QMap<int, QString> deepCopyQMap(const QMap<int, QString>& source) { QMap<int, QString> tar ......
拷贝 深度 QMap

【专题】2023年保险合伙人白皮书及优增深度洞察报告PDF合集分享(附原数据表)

原文链接:https://tecdat.cn/?p=34800 原文出处:拓端数据部落公众号 2023年,中国经济从高速向高质量转型,众多保险公司将队伍转型视为寿险行业供给侧改革的关键。以招募和培养专业、职业绩优人才为核心的策略,成为代理人队伍转型的重要方向。阅读原文,获取专题报告合集全文,解锁文末 ......
白皮 数据表 合伙人 白皮书 深度

vscode使用anaconda虚拟环境

问题分析: 当我们第一次使用vscode+anaconda虚拟环境来运行项目时,一般会报错no module name 'torch'这样的错误,尽管我们已经切换vscode使用的环境为正确的环境也还是不行。这个问题是因为我们在vscode中运行项目是在终端运行的,但如果这个终端是powershel ......
anaconda 环境 vscode

PyTorch项目源码学习(2)——Tensor代码结构初步学习

PyTorch版本:1.10.0 Tensor Tensor是Pytorch项目较为重要的一部分,其中的主要功能如存储,运算由C++和CUDA实现,本文主要从前端开始探索学习Tensor的代码结构。 结构探索 PyTorch前端位于torch目录下,从_tensor.py可以找到Tensor的pyt ......
源码 PyTorch 结构 代码 项目

深度学习模型部署TensorRT为何如此优秀?

一、前言 PyTorch模型的高性能部署问题,主要关注两个方面:高度优化的算子和高效运行计算图的架构和runtime。python有快速开发以及验证的优点,但是相比C++来说速度较慢而且比较费内存,一般高性能场景都是使用C++去部署,尽量避免使用python环境。 TensorRT为什么那么快,因为 ......
深度 TensorRT 模型

Anaconda 修改环境默认位置,以及遇到将安全信息应用到以下对象时发生错误无法枚举容器中的对象访问被拒绝解决

默认虚拟环境会在C盘,anaconda环境默认安装在用户目录C:\Users\username.conda\envs下,想换到D盘 1. 首先,找到用户目录下的.condarc文件 2. 打开.condarc文件,添加或修改.condarc 中的 env_dirs 设置环境路径,按顺序第⼀个路径作为 ......
对象 容器 Anaconda 错误 位置

使用PyTorch实现混合专家(MoE)模型

Mixtral 8x7B 的推出在开放 AI 领域引发了广泛关注,特别是混合专家(Mixture-of-Experts:MoEs)这一概念被大家所认知。混合专家(MoE)概念是协作智能的象征,体现了“整体大于部分之和”的说法。MoE模型汇集了各种专家模型的优势,以提供更好的预测。它是围绕一个门控网络 ......
模型 PyTorch 专家 MoE

安装pytorch/安装jupyterlab并添加已创建环境的kernel

安装pytorch 先创建一个环境,去pytorch官网查找环境所用python版本对应的torch版本,并选择合适的下载命令,在已激活的环境中运行命令,即可安装成功。 安装jupyter jupyter可以按cell运行代码,并且可以边写代码边做笔记。运行conda install jupyter ......
jupyterlab pytorch 环境 kernel

深度估计之SCDepth系列

SC-Depth系列。 SCDepthV1 之前的单目深度估计网络的重投影损失,更多的是利用前后帧的颜色误差进行约束,得到了比较精确的结果。但它们基本上都有一个共性问题:深度值不连续!连续几张图像之间的深度值不连续!也就是说,在不同的帧上产生尺度不一致的预测,因为它们承受了每帧图像的尺度不确定性。这 ......
深度 SCDepth

CUDA驱动深度学习发展 - 技术全解与实战

全面介绍CUDA与pytorch cuda实战 关注TechLead,分享AI全维度知识。作者拥有10+年互联网服务架构、AI产品研发经验、团队管理经验,同济本复旦硕,复旦机器人智能实验室成员,阿里云认证的资深架构师,项目管理专业人士,上亿营收AI产品研发负责人 一、CUDA:定义与演进 CUDA( ......
实战 深度 技术 CUDA

Anaconda打不开

Traceback (most recent call last): File "F:\Anaconda\Scripts\conda-script.py", line 12, in <module> sys.exit(main()) ^^^^^^ File "F:\Anaconda\Lib\site ......
Anaconda

挑战Transformer的新架构Mamba解析以及Pytorch复现

今天我们来详细研究这篇论文“Mamba:具有选择性状态空间的线性时间序列建模” Mamba一直在人工智能界掀起波澜,被吹捧为Transformer的潜在竞争对手。到底是什么让Mamba在拥挤的序列建中脱颖而出? 在介绍之前先简要回顾一下现有的模型 Transformer:以其注意力机制而闻名,其中序 ......
Transformer 架构 Pytorch Mamba

Python中TensorFlow的长短期记忆神经网络(LSTM)、指数移动平均法预测股票市场和可视化|附代码数据

原文链接:http://tecdat.cn/?p=23689 最近我们被客户要求撰写关于LSTM的研究报告,包括一些图形和统计输出。 本文探索Python中的长短期记忆(LSTM)网络,以及如何使用它们来进行股市预测 ( 点击文末“阅读原文”获取完整代码数据)。 在本文中,你将看到如何使用一个被称为 ......

Anaconda3的安装配置及使用教程(2024.1)

1 Anaconda3安装过程 1.1 下载 官方网址:Free Download | Anaconda下载 点击之后等待下载完成 1.2 安装 双击下载好的安装包,等待加载出以下页面后点击Next 同意协议 选择安装方式,仅个人还是全部 选择安装路径 默认即可 等待安装完成 添加环境变量 WIN+ ......
Anaconda3 Anaconda 教程 2024.1 2024

深度可分离卷积

深度可分离卷积,使用了一些 trick 极大减少卷积所需参数量和计算量。 理解深度可分离卷积 若需要对 12×12×3 的输入使用卷积,获得 8×8×256 的输出,直接的卷积方法是使用 256 个 5×5×3 的卷积核(无 padding、步长为 1,下同)。此时卷积层的参数量为 19200,卷积 ......
卷积 深度

深度学习图像复原之去雨:常用数据集介绍

可能有帮助的链接:https://paperswithcode.com/task/single-image-deraining 合成数据集 Rain100H 出自 CVPR 2017 论文 Deep Joint Rain Detection and Removal from a Single Ima ......
深度 图像 常用 数据

CHAT GPT全称及其发展历程深度剖析

CHAT GPT全称为Conversational Generative Pre-trained Transformer,是一种由OpenAI开发的自然语言处理模型。该模型旨在生成流畅且连贯的对话回复,从而在聊天机器人应用中表现出卓越的性能。 CHAT GPT的发展起始于OpenAI提出的GPT架构 ......
全称 深度 历程 CHAT GPT

动手学深度学习v2:数据操作+数据预处理

数据操作 import torch x=torch.arange(12) # x的output为 tensor([0,1,2,3,4,5,6,7,8,9,10,11]) # 可以通过张量的shape属性来访问张量的形状和张量中元素的总数 x.shape # output: torch.Size([1 ......
数据 深度

机器学习周刊03:如何学习深度学习?2024 年学习生成式 AI 路线图、如何构建高效的RAG系统、苹果 腾讯最新论文、阿里DreaMoving

腾讯推出的 AppAgent,是一个多模态智能体,通过识别当前手机的界面和用户指令直接操作手机界面,能像真实用户一样操作手机! 机器学习周刊:关注Python、机器学习、深度学习、大模型等硬核技术 1、如何学习深度学习? 最近X上有推友重提这篇文章,是网友看过 Jeremy 教授的 fast.ai ......
路线图 DreaMoving 深度 周刊 路线

TensorFlow社区与未来展望

在最后一天,我回顾了我的学习之旅,并介绍了TensorFlow社区。我分享了一些优秀的资源、博客和论坛,以及对TensorFlow未来发展的一些展望。我计划继续深入学习,关注TensorFlow的更新和新功能。这是一个关于十天学习TensorFlow的博客大致内容的示例: ......
TensorFlow 社区

制约国产深度学习框架发展的根本原因 —— AI芯片的无法自主生产或量产

秉着没事就胡言乱语的宗旨,这里在接着胡说八道一下。 国外的深度学习框架如TensorFlow、pytorch、Jax打的如火如荼,按照以往惯例我们是不应该去做自主研发软件系统的,毕竟硬件不在掌握之下,搞出的软件质量又不如外国的好,但是随着中美贸易战的爆发这一切被改写。 国外的商用硬件和软件都开始对我 ......
框架 深度 芯片 根本 国产
共2000篇  :1/67页 首页上一页1下一页尾页