#pytorch

基于Python和PyTorch的实现示例，结合YOLOv8进行人体检测、HRNet进行姿态估计，以及LSTM进行时间序列分析。

视频输入：从摄像头或视频文件中读取视频流。人体检测与跟踪：使用目标检测模型（如YOLOv8、EfficientDet）检测视频帧中的人体。使用目标跟踪算法（如DeepSORT）跟踪人体，确保连续帧中的人体ID一致。姿态估计：使用姿态估计模型（如HRNet、OpenPose）提取人体的关键点（如头、肩、肘、膝、踝等）。关键点信息用于分析人体的姿态和运动。时间序列分析：使用时间序列模型（如LSTM、G
人工智能专属驿站·2025-04-25 05:33

基于CosyVoice的多语言语音合成技术解析

本文通过详细介绍如何使用Anaconda与PyTorch搭建适合初学者和开发者的深度学习环境，指导用户在GPU环境中高效运行CosyVoice项目。
Mr数据杨·2025-04-25 03:25

pytorch 图像分类预测本地图片

defprediect(img_path):img_src=cv2.imread(img_path,0)#以灰度图的方式读取要预测的图片img=img_src.copy()img=cv2.resize(img,(28,28))height,width=img.shapedst=np.zeros((height,width),np.uint8)foriinrange(height):forjinra
fcm19·2025-04-25 01:11

pytorch -- tensorboard使用

1.导入fromtorch.utils.tensorboardimportSummaryWriter2.ctrl键点击查看如何使用3.writer=SummaryWriter(“dir”)对应事件文件输出到文件夹dir中4.defadd_image(self,tag,img_tensor,global_step=None,步骤walltime=None,dataformats=“CHW”):5.w
斑驳的岁月·2025-04-25 01:08

pytorch版本的tensorboard如何使用

它通常与深度学习框架（如TensorFlow、PyTorch等）一起使用，以帮助研究人员和工程师更好地理解模型的性能、训练过程和内部结构。
姜太公钓鲸233·2025-04-25 01:07

pytorch中tensorboard的使用

pytorch中tensorboard的使用首先安装tensorboard，在pytorch终端中执行如下命令condaactivatepytrochpip3installtensorboardide中写入如下代码
qq_37185821·2025-04-25 01:37

pytorch Tensorboard的使用

标量数据可视化importnumpyasnpfromtorch.utils.tensorboardimportSummaryWriterwriter=SummaryWriter(log_dir='./runs')#log_dir用于指定保存目录flag=1ifflag:forxinrange(100):#把x*2的数据加入标签y=2x的曲线writer.add_scalar(tag='y=2x',
一壶浊酒..·2025-04-25 01:37

用TensorBoard可视化PyTorch

一、TensorBoard与PyTorch配合使用的基本步骤PyTorch可以直接与TensorBoard进行集成，因为TensorBoard是一个独立于TensorFlow之外的可视化工具。
109702008·2025-04-25 01:35

Python torchvision.transforms 下常用图像处理方法

torchvision.transforms是PyTorch用于处理图像数据的一个模块，提供了丰富的图像变换功能。
basketball616·2025-04-24 23:50

深度学习中的Pixel Shuffle和Pixel Unshuffle：图像超分辨率的秘密武器

本篇文章将深入介绍这两种操作的原理，并结合PyTorch实现可视化展示，希望能帮助大家更好地理解他们的用途与效果。为什么需要PixelShuffle和PixelUnshufflePixe
程序员非鱼·2025-04-24 15:58

10招立竿见影的PyTorch性能优化技巧，让模型训练速度翻倍

PyTorch作为深度学习研究与工程领域的主流框架，拥有强大的性能潜力，但许多高级性能特性往往隐藏在文档深处，未被充分利用。
·2025-04-24 14:00

stylegan2代码复现，适应多分类的图像生成

Stylegan2代码构建Mapping的网络代码生成器定义鉴别器定义本文的工作stylegan2的实现大多数已经被实现，但是大多数简单的实现不关注多类别的图像生成，本文的工作在借鉴stylegan2的pytorch
长崆·2025-04-24 13:14

【pytorch学习笔记，利用Anaconda安装pytorch和paddle深度学习环境+pycharm安装---免额外安装CUDA和cudnn】

学习的作者链接:link一、安装pytorch环境1.打开打开anaconda的终端后condaenvlist然后创建一个名字叫pytorch，python是3.8版本的环境condacreate-npytorchpython
徳一·2025-04-24 11:02

利用phpy实现 PHP 编写 Vision Transformer (ViT) 模型

然而，ViT模型通常使用Python编写，尤其是基于PyTorch框架的实现。
·2025-04-24 10:16

利用phpy实现 PHP 编写 Vision Transformer (ViT) 模型

然而，ViT模型通常使用Python编写，尤其是基于PyTorch框架的实现。
·2025-04-24 10:15

PyTorch深度学习框架60天进阶学习计划 - 第47天：模型压缩蒸馏技术（一）

PyTorch深度学习框架60天进阶学习计划-第47天：模型压缩蒸馏技术（一）第一部分：知识蒸馏的温度调节机制详解欢迎来到我们学习计划的第47天！
凡人的AI工具箱·2025-04-24 08:17

零基础入门！手把手教你用AWS高效训练机器学习模型

算力自由：按需选择GPU实例（如P3/P4dn），单机训练提速10倍+开箱即用：预装TensorFlow/PyTorch框架的SageMaker
AWS官方合作商·2025-04-24 07:11

转行指南：Java开发工程师转AI工程师，附大模型学习路线

证据显示，掌握TensorFlow、PyTorch等框架和云部署技术（如Aliyun、AWS）也很重要。
和老莫一起学AI·2025-04-23 20:27

【Gen6D位姿估计】在Linux环境下的复现日志

，仅供学习讨论此外，不得不说，这项工作的识别估计的效果不错，但是效率有点太低了，在GTX1650上处理一帧数据需要1.07秒笔者环境模块版本号Ubuntu22.04CUDA11.8,python3.8pytorch2.4
辰尘_星启·2025-04-23 17:34

在pytorch下使用tensorboard进行可视化训练

在pytorch下使用tensorboard进行可视化训练1.安装pipinstalltensorflowpipinstalltensorboardX2.相关代码fromtensorboardXimportSummaryWriterwriter
左右逢源不是逢源·2025-04-23 10:51

【PyTorch】训练时跟OOM相关的提示信息

1.RuntimeError:CUDAerror:CUBLAS_STATUS_NOT_INITIALIZEDwhencallingcublasCreate(handle)
songyuc·2025-04-23 02:00

GUF 最初是为 llama.cpp 项目开发的

模型通常使用PyTorch或其他框架开发，然后转换为GGUF格式以与GGML一起使用。随着时间的推移，GGUF已成为开源社区中共享AI模型最流行的格式之一。
·2025-04-23 00:21

PyTorch快速入门

前言参考：快速入门—PyTorchTutorials2.6.0+cu124文档-PyTorch深度学习库一、张量参考：张量—PyTorch教程2.6.0+cu124文档-PyTorch深度学习库加速器默认情况下
滴滴哒哒答答·2025-04-22 22:05

第05篇：对抗蒸馏（Adversarial Knowledge Distillation）——让学生“骗过”判别器的秘密

目录对抗蒸馏简介背后的动机与挑战方法原理详解模型结构设计PyTorch实现（含判别器与训练循环）训练策略与技巧实验效果与分析进阶变体与未来趋势总结对抗蒸馏简介：将GAN思维引入KD知识蒸馏（KnowledgeDistillation
厚衣服_3·2025-04-22 21:32

基于pytorch实战项目的总结经验（2)

项目实战，无非于准备数据（数据预处理），加载数据，准备模型，设置损失函数，设置优化器，开始训练，最后验证，结果聚合展示。详细分享一下模型训练经验，新手且好久没有跑深度学习项目了，可能会有些错误项目案例：时尚服饰判别：FashionMNIST准备数据集：数据预处理：Fashion-MNIST数据集中每个图像都是一个28x28的灰度图像，所以无需进行任何修改。transform_data=transf
sannyly·2025-04-22 16:30

Python与PyTorch的版本对应以及pytorch安装问题

Python与PyTorch的版本对应：https://blog.csdn.net/m0_59118857/article/details/132379012使用清华源默认安装pytorch为cpu版本
m0_49009986·2025-04-22 15:47

深度学习实战之手写数字识别

本文将基于PyTorch框架，手把手教你实现一个手写数字识别模型。二、具体代码实现1、pytorch基础库导入importtorchprint(torch.
不吃香菜？·2025-04-22 14:14

# 手写数字识别：使用PyTorch构建MNIST分类器

手写数字识别：使用PyTorch构建MNIST分类器在这篇文章中，我将引导你通过使用PyTorch框架构建一个简单的神经网络模型，用于识别MNIST数据集中的手写数字。
www_pp_·2025-04-22 11:23

【人工智能数学基础】——反向传播算法详解：从链式法则到神经网络训练实战

1.1链式法则：反向传播的核心1.2计算图视角下的反向传播二、从零实现反向传播2.1Python实现双层神经网络2.2代码解析：三、反向传播的优化策略3.1常见问题及解决方案3.2现代优化器的实现对比四、PyTorch
Sonal_Lynn·2025-04-21 20:57

pytorch的函数（如squeeze,permute,flatten,stack,numel,matmul）

个维度（这里的索引是从0开始的，和数组索引一样）a.squeeze(0,2)：消去第1、3个维度a.squeeze()：消去所有长度=1的维度如果指定的维度长度不为1，不报错但是也不会有任何作用.摘自PyTorch
weixin_44040169·2025-04-21 12:15

pytorch flatten函数_1. PyTorch中的基本数据类型——张量

在PyTorch中，张量属于一种基本的数据类型，和Numpy库中的ndarry类似，无论是标量、向量、矩阵还是高维数组都是以张量（Tensor）这种数据类型来表示。
weixin_39646021·2025-04-21 12:45

PyTorch常用函数 | squeeze与unsqueeze函数 | flatten函数 | Pytorch中的各种乘法 | mul与mv与mm与dot与matmul函数

文章目录一、squeeze与unsqueeze函数1.squeeze函数2.unsqueeze函数二、flatten函数三、Pytorch中的各种乘法1.mul函数2.mv函数——矩阵向量乘法3.mm函数
幼稚的人呐·2025-04-21 12:43

PyTorch `flatten()` 和 `squeeze()` 区别

PyTorchflatten()和squeeze()区别在PyTorch里，flatten()和squeeze(0)是两个不同的张量操作，1.flatten()方法flatten()方法用于把一个多维张量展开成一维张量
ZhangJiQun&MXP·2025-04-21 11:42

手搓LeNet-5（基础模型）实现交通标志识别

手搓LeNet-5（基础模型）实现交通标志识别一、环境准备1.安装Python环境2.安装CUDA（可选，仅需GPU加速时）3.配置虚拟环境4.安装PyTorch核心库5.安装辅助库6.验证安装7.准备数据集
竹之却·2025-04-21 11:11

Qwen2.5-Omni 部署框架选择指南：PyTorch vs. TensorFlow 深度对比

目录一、核心结论：优先选择PyTorch方案二、框架技术对比1.官方支持度2.性能基准测试（RTX4090）3.关键功能支持三、环境配置详解1.PyTorch推荐方案系统配置关键依赖验证CUDA可用性2
张3蜂·2025-04-21 04:23

AssertionError: Torch not compiled with CUDA enabled 未启用CUDA支持的PyTorch环境 中使用GPU加速

1.错误原因分析根本问题：当前安装的PyTorch是CPU版本，无法调用GPU硬件加速。
怪兽小·2025-04-21 02:42

pytorch 如何调用cuda_PyTorch算法加速指南

##GetIdofdefaultdevicetorch.cuda.current_device#0cuda.Device(0).name#'0'istheidofyourGPU#TeslaK80或者torch.cuda.get_device_name(0)#GetnamedevicewithID'0'#'TeslaK80'我编写了一个简单的类来获取有关您的cuda兼容GPU的信息：要获取当前的内存
Dimonson·2025-04-21 01:11

安装支持CUDA的PyTorch

确保您在激活的Conda环境中安装支持CUDA的PyTorch版本。
上杉绘梨衣**·2025-04-21 01:40

PyTorch环境中使用CUDA出现的报错

AssertionError:TorchnotcompiledwithCUDAenabled出现“AssertionError:TorchnotcompiledwithCUDAenabled”错误，表示PyTorch
Ambition_LAO·2025-04-21 01:39

未启用CUDA支持的PyTorch环境** 中使用GPU加速解决方案

1.错误原因分析根本问题：当前安装的PyTorch是CPU版本，无法调用GPU硬件加速。
怪兽小·2025-04-21 01:38

Transformer模型：Decoder的self-attention mask实现

视频链接：20、Transformer模型Decoder原理精讲及其PyTorch逐行实现_哔哩哔哩_bilibili文章链接：Transformer模型：WordEmbedding实现-CSDN博客
Galaxy.404·2025-04-21 00:30

Pytorch的常规操作

改变张量形状的操作.view()改变张量x的维度大小x.view(-1,1024)-1的作用是自动计算该维度的大小，以确保总元素数量不变。-1的意思是"任何可以使得总元素数量保持不变的值"。1024是目标形状中的另一个维度的大小。x=x.view(-1,3,3)-1自动计算x的维度大小后面的两个三代表一个3+3矩阵
.YY001.·2025-04-21 00:58

pytorch dataloader 中collate_fn是什么

collate_fn（collatefunction）是在PyTorch中DataLoader中使用的一个参数，用于自定义数据加载和批处理的方式。
zhaoyqcsdn·2025-04-20 19:31

自然语言处理——Hugging Face 详解

HuggingFace旗下最为著名的项目是Transformers库，它为NLP任务提供了大量的预训练模型，并且支持多种主流深度学习框架，如PyTorch和TensorFlow。
goTsHgo·2025-04-20 18:25

pytorch，numpy根据权重取值 -- np.random.multinomial，np.random.choice和torch.multinomial函数

np.random.multinomial(n,pvals,size=None)->取到的次数分布数组该函数表示根据一个概率数组，取若干次，得到一个次数分布数组参数说明：–n:从矩阵中取值次数；–pvals：根据概率取值，这是一个数组，并且所有数据之和为1；–size：输出的维度，默认为1，即1xpvals例子：a=np.random.rand(6)print(a)#array([0.028634
*Lisen·2025-04-20 18:22

安装同时适配Pytorch和Tensorflow的CUDA和cuDNN，并最终完成Pytorch和Tensorflow安装

本教程针对在Windows10环境下通过Anconda环境，首先安装同时适配Pytorch和Tensorflow的CUDA和cuDNN，并最终完成Pytorch和Tensorflow安装，选择Pytorch2.6.0
长路漫漫Lixx·2025-04-20 16:39

ZeroDivisionError: division by zero（imagecaptioning.pytorch-master）

我在运行imagecaptioning.pytorch-master工程时，在测试图像预测效果时，出现报错：ZeroDivisionError:divisionbyzero解决方法：要将目录ImageCaptioning.pytorch-master
季南枫(JIM)·2025-04-20 14:29

第33讲｜遥感大模型在地学分类中的初探与实战

二、遥感大模型在地学分类中的优势三、案例：使用SegmentAnythingModel(SAM)进行遥感地物分割1.安装与依赖配置（PyTorch）2.读取遥感图像（可用Sentinel-2伪彩色图）3
Chh0715·2025-04-20 13:25

PyTorch深度学习框架60天进阶学习计划 - 第46天：自动化模型设计（二）

PyTorch深度学习框架60天进阶学习计划-第46天：自动化模型设计（二）14.搜索空间设计的最佳实践基于上述分析，我们总结出ENAS搜索空间设计的几点最佳实践：适当约束搜索空间：过大的搜索空间不一定带来更好的性能
凡人的AI工具箱·2025-04-20 12:14

PyTorch深度学习框架60天进阶学习计划 - 第46天：自动化模型设计（一）

PyTorch深度学习框架60天进阶学习计划-第46天：自动化模型设计（一）第一部分：使用ENAS算法生成图像分类网络大家好！欢迎来到我们PyTorch深度学习框架60天进阶学习计划的第46天。
凡人的AI工具箱·2025-04-20 11:41
上一页 12 13 14 15 16 17 18 19 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他