#Pytorch

深度学习环境配置系列文章（三）：配置VS Code和Jupyter的Python环境

深度学习环境配置系列文章目录第一章专业名称和配置方案介绍第二章Anaconda配置Python和PyTorch第三章配置VSCode和Jupyter的Python环境第四章配置Windows11和Linux
极光喵·2025-05-18 02:49

Python 深度学习环境配置

在本地配置适用于深度学习的Python环境时，特别是使用主流深度学习框架（如TensorFlow、PyTorch等），需要完成以下步骤：1.安装必要的软件和工具（1）系统依赖Windows:安装最新的显卡驱动
卖血买老婆·2025-05-18 02:19

模型训练技巧EMA

前言文章理论推导部分参考指数移动平均（EMA）的原理及PyTorch实现在深度学习中，经常会使用**指数移动平均（ExponentialMovingAverage,EMA）**对模型参数做平均，因为模型权重在最后的
羽星_s·2025-05-18 00:06

【深度学习】聊一聊深度学习分布式训练

主要从以下几个方面进行总结：分布式训练的基本原理TensorFlow的分布式训练PyTorch的分布式训练框架Horovod分布式训练1、分布式训练
风度78·2025-05-18 00:35

linux下安装cuda后nvcc -V无法执行的解决方案

pytorch版本博主刚开始安装的pytorch版本为1.2.0，但是所跑的pytorch程序是在0.4.0版本下写的，结果运行时出现了一些问题，必须改装较低版本的pytorch——这里选择了0.4.1
Retrospector·2025-05-17 21:16

pytorch 配置

安装Anaconda之后配置pytorchpytorch配置：yamlfile:name:pytorchenvchannels:-pytorch-defaultsdependencies:-numpy=
tiantian123456·2025-05-17 16:43

基于深度学习的高效图像失真校正框架总结

研究背景与问题2.方法概述：两阶段校正框架3.实验与性能4.局限性与未来方向5.结论资源与代码一、数据准备1.合成失真数据集2.真实数据（可选）二、第一阶段：深度学习校正（EffiGeoNet）1.网络架构（PyTorch
我是你们的星光·2025-05-17 15:59

深度学习笔记12-mnist手写数字识别(Pytorch)

天深度学习训练营中的学习记录博客原作者：K同学啊目录一、前期准备1.导入数据2.数据可视化二、构建简单的CNN网络三、训练模型1.设置超参数2.编写训练函数3.编写测试函数4.正式训练编辑四、结果可视化编辑五、总结1.Pytorch
m0_67869333·2025-05-17 15:27

线性回归的简洁实现

上文我们自己编写了，模型，损失函数，优化算法；如果经常进行模型训练，就需要经常编写这些函数，效率低，pytorch有一些现成的资源可供调用，我们就使用现成的资源，重写一下上文的训练过程importtorchfromtorch.utilsimportdatafromtorchimportnndefsynthetic_data
后知后觉·2025-05-17 13:45

深入解析PyTorch中MultiheadAttention的隐藏参数add_bias_kv与add_zero_attn

关键背景最近在学习pytorch中的源码尤其是nn.modules下算子的实现，针对activation.py下MultiheadAttention下有两个不常见的参数的使用比较有趣，因为时序领域很少使用这两个参数
dunzane·2025-05-17 11:03

PyTorch Lightning报错「MisconfigurationException」：多GPU训练与DDP模式的配置检查

PyTorchLightning报错「MisconfigurationException」：多GPU训练与DDP模式的配置检查在多GPU训练中，PyTorchLightning用户常遇到MisconfigurationException
喜欢编程就关注我·2025-05-17 10:24

从零开始认识深度学习工具：TensorFlow vs PyTorch

从零开始认识深度学习工具：TensorFlowvsPyTorch学习前的知识准备什么是深度学习？深度学习就像教电脑从经验中学习。就像你通过反复练习学会骑自行车一样，计算机会通过大量数据自动发现规律。
赛卡·2025-05-17 06:59

数据预处理全流程：从创建数据集到 PyTorch 张量的完整实践

本文通过一个完整的示例，演示如何创建包含缺失值的数据集、处理不同类型的缺失值，并将数据转换为PyTorch张量，为后续模型训练奠定基础。
wwangxubin·2025-05-16 21:02

如何把DeepSeek R1模型微调成为某个场景的模型

准备工作环境配置确保有适当的硬件（如GPU）和软件环境（如Python、PyTorch或TensorFlow）。可以使用云服务平台获取计算资源。
LCG元·2025-05-16 17:56

GPT-2 小模型剪枝实战：L1 Unstructured 剪枝策略与实现详解

本文基于prune_training.py文件，展示如何使用PyTorch对GPT-2Student模型进行L1不规则剪枝（UnstructuredPruning），分析剪枝策略、实现代码、效果影响及保存模型的关键细节
YoanAILab·2025-05-16 14:07

部署本地大模型并导入本地数据文件的一般步骤

安装PyTorch或Tensor
辉腾-T·2025-05-16 13:26

用Python玩转人工智能——数字识别技术 之一

以下是其详细介绍：（二）本地导入MNIST数据集的方法方法一：使用torchvision（PyTorch）方法二：使用tensorflow.keras方法三：手动下载并解析
波涛浪子·2025-05-16 12:52

PyTorch 分布式训练

深入理解PyTorch分布式训练：环境变量与进程通信机制在深度学习模型变得日益庞大之后，单个GPU的显存已经无法满足高效训练的需求。
handsomeboysk·2025-05-16 11:18

PyTorch 入门与核心概念详解：从基础到实战问题解决

PyTorch入门与核心概念详解：从基础到实战问题解决前言用PyTorch编写Transformer模型时遇到了多个错误，包括维度不匹配、NaN损失、注意力权重未记录以及OpenMP库初始化等问题。
灏瀚星空·2025-05-16 11:46

NLP实战入门——文本分类任务（TextRNN，TextCNN，TextRNN_Att，TextRCNN，FastText，DPCNN，BERT，ERNIE）

本文参考自https://github.com/649453932/Chinese-Text-Classification-Pytorch?
雾重烟秋·2025-05-16 06:37

pytorch小记（二十）：深入解析 PyTorch 的 `torch.randn_like`：原理、参数与实战示例

pytorch小记（二十）：深入解析PyTorch的`torch.randn_like`：原理、参数与实战示例一、函数签名与参数详解二、`torch.randn_like`vs`torch.randn`
墨绿色的摆渡人·2025-05-16 03:12

卷积神经网络(CNN)原理与实战：从LeNet到ResNet

本文将全面解析CNN的工作原理，并通过PyTorch框架实现从经典LeNet到现代ResNet的完整代码示例，帮助读者深入理解这一强大工具。
软考和人工智能学堂·2025-05-15 23:46

PyTorch API 4 - 分布式通信、分布式张量

文章目录分布式通信包-torch.distributed后端支持PyTorch内置的后端选择哪个后端？
编程乐园·2025-05-15 22:36

Python实战：PyTorch入门

Python作为一门流行的编程语言，拥有丰富的深度学习框架，其中PyTorch是近年来备受关注的一个。
拥抱AI·2025-05-15 15:20

python pytorch 模型构造函数、连接函数 通俗版

目录前言一、模型定义函数1.`nn.Linear`（全连接层）2.`nn.Conv2d`（卷积层）3.`nn.LSTM`（长短时记忆网络）二、连接函数1.`nn.ReLU`（激活函数）2.nn.Sigmoid3.nn.Softmax三、组合示例（搭积木）.分类模型模板2.生成模型模板**五、常见问题**Q1：为什么要有激活函数？Q2：全连接层和卷积层有什么区别？Q3：如何选择激活函数？前言最近压力
Python虫·2025-05-15 15:48

python pytorch 损失器与优化器

目录前言损失函数（LossFunction）——老师的评分标准常见类型及适用场景：优化器（Optimizer）——学生的学习策略常见类型及特点：优化器参数调整指南表参数调整优先级（从高到低）搭配使用示例关键注意事项前言书接上回我们谈到损失器与优化器，这一章我们细谈一下接下来我用「老师教学生」的比喻来总结，保证清晰易懂：损失函数（LossFunction）——老师的评分标准作用：量化模型预测结果与真
Python虫·2025-05-15 15:48

模型部署 - onnx 的导出和分析 - PyTorch 导出 ONNX - 学习记录

onnx的导出和分析一、PyTorch导出ONNX的方法1.1、一个简单的例子--将线性模型转成onnx1.2、导出多个输出头的模型1.3、导出含有动态维度的模型二、pytorch导出onnx不成功的时候如何解决
Nice_cool.·2025-05-15 13:33

pytorch-＞onnx-＞tf-＞tflite

1.pytorch->onnxtry:importonnxprint('\nStartingONNXexportwithonnx%s...'%onnx.
风1995·2025-05-15 13:02

pytorch深度学习入门（15）之-使用onnx模型量化

量化ONNX模型内容量化概述ONNX量化表示格式量化ONNX模型基于变压器的模型Transformer基于变压器的模型GPU上的量化常问问题量化概述ONNX运行时中的量化是指ONNX模型的8位线性量化。在量化期间，浮点值被映射到以下形式的8位量化空间：val_fp32=scale*(val_quantized-zero_point)scale是一个正实数，用于将浮点数映射到量化空间。计算方法如下：
码农呆呆·2025-05-15 13:01

从0到1：PyTorch实战与优化全解析

一、PyTorch，深度学习的魔法棒？在当今数字化时代，深度学习无疑是科技领域中最耀眼的明星之一。从图像识别到自然语言处理，从自动驾驶到智能医疗，深度学习正以前所未有的速度改变着我们的生活和工作方式。
计算机学长·2025-05-15 10:44

LAM单图秒级打造超写实3D数字人头部CUDA out of memory

CUDAoutofmemory.Triedtoallocate190.21GiB.GPU0hasatotalcapacityof6.00GiBofwhich1.97GiBisfree.Oftheallocatedmemory2.90GiBisallocatedbyPyTorch
天机️灵韵·2025-05-15 05:42

动手学深度学习（Pytorch版）代码实践 -卷积神经网络-16自定义层

16自定义层importtorchimporttorch.nn.functionalasFfromtorchimportnnclassCenteredLayer(nn.Module):def__init__(self):super().__init__()#从其输入中减去均值#X.mean()计算的是整个张量的均值#希望计算特定维度上的均值，可以传递dim参数。#例如，每一列均值，X.mean(d
@李思成·2025-05-14 21:46

PyTorch 基础操作实践

在深度学习框架PyTorch的使用中，理解和掌握一些基础操作至关重要，下面将对相关操作进行总结。广播机制广播机制允许不同形状的张量进行运算。
wwangxubin·2025-05-14 20:08

探索PyTorch中的空间与通道双重注意力机制：实现concise的scSE模块

探索PyTorch中的空间与通道双重注意力机制：实现concise的scSE模块在深度学习领域，尤其是在计算机视觉任务中，特征图的注意力机制变得越来越重要。
RockLiu@805·2025-05-14 18:56

装饰器在Python中的作用及在PyTorchMMDetection中的实战应用

装饰器在Python中的作用1.装饰器是什么？为什么它很重要？装饰器（Decorator）是Python中的一种高级语法，用于在不修改原函数代码的情况下，动态增强函数的功能。它的核心思想是**"装饰"现有函数**，类似于给手机套壳——手机本身功能不变，但多了保护或附加功能。1.1装饰器的核心作用代码复用：避免重复写相同的逻辑（如日志、计时、权限检查）非侵入式扩展：不改动原函数代码就能添加功能提高可
_Itachi__·2025-05-14 18:25

【图像分类】基于PyTorch搭建LSTM实现MNIST手写数字体识别（双向LSTM，附完整代码和数据集）

在https://blog.csdn.net/AugustMe/article/details/128969138文章中，我们使用了基于PyTorch搭建LSTM实现MNIST手写数字体识别，LSTM是单向的
机器不学习我学习·2025-05-14 18:55

利用自适应双向对比重建网络与精细通道注意机制实现图像去雾化技术的PyTorch代码解析

利用自适应双向对比重建网络与精细通道注意机制实现图像去雾化技术的PyTorch代码解析漫谈图像去雾化的挑战在计算机视觉领域，图像复原一直是研究热点。其中，图像去雾化技术尤其具有实际应用价值。
RockLiu@805·2025-05-14 18:24

使用pytorch保存和加载预训练的模型方法

需要使用到的函数在PyTorch中，torch.save()和torch.load()是用于保存和加载模型的核心函数。
basketball616·2025-05-14 18:24

基于MLP BP时间序列预测Python程序

基于MLP\BP预测模型特色：1、单变量，多变量输入，自由切换2、单步预测，多步预测，自动切换3、基于Pytorch架构4、多个评估指标（MAE,MSE,R2,MAPE等）5、数据从excel文件中读取
黑科技小土豆·2025-05-14 14:56

# YOLOv3：基于 PyTorch 的目标检测模型实现

YOLOv3：基于PyTorch的目标检测模型实现引言YOLOv3（YouOnlyLookOnce）是一种流行的单阶段目标检测算法，它能够直接在输入图像上预测边界框和类别概率。
www_pp_·2025-05-14 11:10

Pytorch之保存和加载预训练的模型

在深度学习中会用到迁移学习的方法，也就是我们把在其它数据集上训练比较好的model拿到我们的模型上来进行finetune,这样避免了我们重新去花费时间去训练模型，比如vgg16提取图像特征的这个模型，大大节省了我们训练的时间。这个过程我们就涉及到加载预训练的模型，有的时候我们需要加载整个模型，有时候我们需要模型的一个部分，因此在本文中将会对在Pytroch这个框架中如何加载预训练的模型做以阐述。说
BlackMan_阿伟·2025-05-14 04:55

Pytorch使用手册-计算机视觉迁移学习教程（专题十三）

在本教程中，你将学习如何使用迁移学习训练一个卷积神经网络进行图像分类。更多关于迁移学习的内容可以参考CS231n课程笔记。引用课程笔记中的内容：实际上，很少有人从头开始训练一个完整的卷积网络（随机初始化），因为拥有足够大数据集的情况相对罕见。相反，通常会在非常大的数据集上（例如ImageNet，它包含120万张图片和1000个类别）预训练一个卷积网络，然后将该网络用于感兴趣任务的初始化或作为固定的
无声之钟·2025-05-14 04:24

Pytorch加载部分预训练模型的参数

问题背景假设我有一个已训练好的Model1，并已保存它的参数为.pth格式，我有一个与Model1结构完全相同的模型Model2，我希望Model2加载Model1中与特征提取有关的模块的参数，其他模块的参数随机初始化。应用场景为在K折交叉验证时，我希望从第二折开始的模型加载第一折训练模型的部分参数，并在此基础上微调，从而减少训练轮数。解决方法加载保存的第一折训练好的模型参数，因为我保存时是多GP
卡卡南安·2025-05-14 04:52

Python 里 PyTorch 的图像风格迁移实现

Python里PyTorch的图像风格迁移实现关键词：Python、PyTorch、图像风格迁移、卷积神经网络、内容损失、风格损失摘要：本文深入探讨了在Python环境下使用PyTorch实现图像风格迁移的相关技术
Python编程之道·2025-05-14 03:17

深度学习---常用优化器

✅稳定、无需复杂调参，适合快速实验初学者使用或结构新颖✅✅容错率高，容易收敛医学图像初步建模✅✅常用于baseline训练复杂大模型（如Transformer）❌不推荐替代方案为AdamW，更稳定二、PyTorch
灬0灬灬0灬·2025-05-14 01:35

Python训练营打卡Day24

很多流行的ML/DL库（如TensorFlow,PyTorch,NumPy）在其API中都广泛使用了元
宸汐Fish_Heart·2025-05-13 21:09

Python, C ++开发人类社会等级评定APP

1.系统架构设计：-前端：Python+Qt/QML（兼顾跨平台与性能）-后端服务：C++17高性能核心+PythonFlaskRESTAPI-数据处理：PythonPandas+Dask-机器学习：PyTorch
Geeker-2025·2025-05-13 19:25

【小贪】程序员必备：Shell、Git、Vim常用命令

：MySQL,HiveSQL,SparkSQL✅大数据处理常用：Pyspark,Pandas⚪图像处理常用：OpenCV,matplotlib⚪机器学习常用：SciPy,Sklearn⚪深度学习常用：Pytorch
贪钱算法还我头发·2025-05-13 15:26

PyTorch 实战：从 0 开始搭建 Transformer

导入必要的库pythonimportmathimporttorchimporttorch.nnasnnfromLabmL_helpers.moduleimportModulefromlabml_n.utilsimportclone_module_ListfromtypingimportOptional,Listfromtorch.utils.dataimportDataLoader,TensorD
COOCC1·2025-05-13 13:40

基于LSTM-Transformer混合模型实现股票价格多变量时序预测(PyTorch版)

前言系列专栏:【深度学习：算法项目实战】✨︎涉及医疗健康、财经金融、商业零售、食品饮料、运动健身、交通运输、环境科学、社交媒体以及文本和图像处理等诸多领域，讨论了各种复杂的深度神经网络思想，如卷积神经网络、循环神经网络、生成对抗网络、门控循环单元、长短期记忆、自然语言处理、深度强化学习、大型语言模型和迁移学习。在金融市场的分析中，股票价格预测一直是一个充满挑战且备受关注的领域。Transforme
矩阵猫咪·2025-05-13 02:04
上一页 6 7 8 9 10 11 12 13 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他