#pytorch

human36m 3d姿态可视化

可以进行数据集中四个视角的切换以及一个全局视角相机上方为处理的编号demo为遛狗的一个场景（opencv实现，当然也可以用opengl）数据集须官方账户下载这里生成的3d标注是经过预处理的，处理过程可以参考learnable-triangulation-pytorch
曲草·2025-04-15 05:18

nlp面试重点

pytorch默认给你加softmax。如果softmax改成sigmoid也不行，如sigmoid过完以后，[0.9,0
heine162·2025-04-14 23:13

2024pytorch小土堆安装教程（GPU），踩坑总结

目录2024pytorch小土堆安装教程（GPU），踩坑总结本人小白，应老师要求自学深度学习，跟着b站up小土堆老师学习深度学习，第一节课是安装pytorch,在历经三次失败后才获得成功，于是决心写下自己的总结以供大家参考借鉴
m0_hgwxx·2025-04-14 22:36

【李宏毅深度学习——回归模型的PyTorch架构】Homework 1：COVID-19 Cases Prediction (Regression)

目录1、显示NVIDIAGPU的状态信息2、数据集的两种不同的下载方式3、导入相关库4、三个工具函数5、定义自己的数据集类6、定义神经网络模型7、定义选择特征的函数8、训练过程9、超参数字典config10、准备和加载数据11、创建并训练模型12、加载并启动TensorBoard13、使用训练好的模型进行预测14、下载文件到本地1、显示NVIDIAGPU的状态信息#checkgputype!nvi
AI的Learner·2025-04-14 22:35

PHM2012(FEMTO-ST轴承数据集)寿命预测

PHM2012寿命预测比较典型，可以参考如下文章使用CNN实现C-MAPSS数据集里面的剩余寿命预测（Pytorch）_使用cnn实现cmapss数据集-CSDN博客
蜀山燕赤霞·2025-04-14 21:29

PyTorch的torch.stack 和 torch.cat

torch.stack(tensors,dim=0,out=None):torch.stack会沿着一个新的维度将输入张量堆叠起来。所有的输入张量必须具有相同的形状。dim参数指定了新张量增加的维度索引。默认是0，意味着新维度会被添加到张量的最前面。输出张量的维度会增加一个，形状会在指定的维度上增加一个与输入张量数量相同的维度。有两个形状为[a,b]的张量，如果使用torch.stack来堆叠它们
YH美洲大蠊·2025-04-14 21:28

torch.stack和torch.cat的区别

torch.stack和torch.cat的区别torch.stack和torch.cat是PyTorch中用于张量操作的两个函数，它们在功能和使用方式上存在一些区别。
Kstheme·2025-04-14 21:28

第P10周：Pytorch实现车牌识别

本文为365天深度学习训练营中的学习记录博客原作者：K同学啊我的环境：语言环境：python3.12.6编译器：jupyterlab深度学习环境：Pytorch注明：数据还没跑完，但先存档前期准备fromtorchvision.transformsimporttransformsfromtorch.utils.dataimportDataLoaderfromtorchvisionimportdat
小羊的 utopia·2025-04-14 21:27

PyTorch核心函数详解：gather与where的实战指南

PyTorch中的torch.gather和torch.where是处理张量数据的关键工具，前者实现基于索引的灵活数据提取，后者完成条件筛选与动态生成。
梦想画家·2025-04-14 13:39

pytorch: tensor的拆分和拼接（split, chunk, cat, stack）

tensor的拆分和拼接拆分torch.split[按数量拆分]torch.chunk[按块拆分]拼接torch.cat[按原有维度拼接]torch.stack[按创建新维度拼接]拆分torch.split[按数量拆分]torch.split()按数量进行拆分：importtorchx=torch.rand(8,16,3,7,7)y1=torch.split(x,8,dim=1)#第二维度拆分成大
傲笑风·2025-04-14 13:37

深入探索 PyTorch：回归与分类模型的全方位解析

深入探索PyTorch：回归与分类模型的全方位解析在当今数据驱动的时代，机器学习与深度学习技术正广泛应用于各个领域，助力我们从海量数据中挖掘有价值的信息。
扉间798·2025-04-14 12:00

【创建一个YOLO免环境训练包】

核心思路：使用PyTorch预编译版本:利用PyTorch官方提供的预编译包，它包含了CUDA动态库，从而避免了用户单独安装CUDAToolkit。
TIF星空·2025-04-14 08:33

深度强化学习（DRL）框架与多目标调度优化详解

StableBaselines3：基于PyTorch，提供模块化接口，支持自定义奖励函数和状态空间，适合动态多目标优化问题（如柔性车间调度）。TensorFor
大霸王龙·2025-04-14 05:11

AF3 Cropper类解读

AlphaFold3protein_datamodule模块Cropper类用于裁剪蛋白质输入数据的PyTorchnn.Module模块。
qq_27390023·2025-04-13 21:51

pytorch小记（十六）：PyTorch中的`nn.Identity()`详解：灵活模型设计的秘密武器

pytorch小记（十六）：PyTorch中的`nn.Identity`详解：灵活模型设计的秘密武器PyTorch中的`nn.Identity()`详解：灵活模型设计的秘密武器一、什么是`nn.Identity
墨绿色的摆渡人·2025-04-13 19:40

【机器学习】Pytorch常用的方法

目录arrangepermuterangerepeattensorarrangetorch.arange(start=0,end,step=1,out=None,dtype=None,layout=torch.strided,device=None,requires_grad=False)→Tensor返回一个元素个数为(end-start)/step，维度是1*D的tensor。元素里面不包含e
sword_csdn·2025-04-13 19:39

PyTorch深度学习实战（45）——强化学习

PyTorch深度学习实战（45）——强化学习0.前言1.强化学习基础1.1基本概念1.2马尔科夫决策过程1.3目标函数1.4智能体学习过程2.计算状态值3.计算状态-动作值4.Q学习4.1Q值4.2Gym
盼小辉丶·2025-04-13 19:37

pytorch查询字典、列表维度

输出tensor变量维度print(a.shape)输出字典维度forkey,valueinoutput_dict.items():ifisinstance(value,torch.Tensor):print(f"{key}shape:",value.shape)输出列表维度defget_list_dimensions(lst):#基线条件：如果lst不是列表，返回空列表ifnotisinstan
DWQY·2025-04-13 19:06

DAY07：【pytorch】模型构建

PyTorch作为主流深度学习框架，通过nn.Module类提供了统一的模型构建接口，使得复杂网络结构的定义与管理变得高效且规范。
CHO2022·2025-04-13 18:59

MMdetection-教程5：自定义运行设置

目录自定义优化设置自定义pytorch支持的优化器自定义自主实现的优化器1.定义一个新的优化器2.添加优化器到注册表3.在配置文件中指定优化器自定义优化器构造函数（optimizerconstructor
闰土_RUNTU·2025-04-13 15:43

ubuntu20.04 openvino的yolov8推理（nncf量化）

1.环境配置：pipinstallopenvino-dev(2023.0.1)pipinstallnncf(2.5.0)pipinstallultralytics2.模型转换及nncf量化：1.pytorch
yuyuyue249·2025-04-13 13:34

【pytorch】错误：ImportError: cannot import name ‘Self‘ from ‘typing_extensions‘

人工智能导论的实验需要用到pytorch，老师让提前在电脑上装好。
夔888·2025-04-13 08:01

土堆pytorch教程学习笔记 （所有代码笔记超详细完整版）

目录一.read_data二.dataloader三.transforms四。dataset_transforms五.conv六.conv2d七.loss八.linear九.loss-network十.pool十一.RELU十二.sqc十三.test-tensorboard十四.optim十五.model十六.test-modle十七.model-pretained十八.model-save十九.
staozigege·2025-04-12 12:21

AI图像生成

要通过代码实现AI图像生成，可以使用深度学习框架如TensorFlow、PyTorch或GANs等技术。
born-stubborn·2025-04-12 00:00

[Python人工智能] 四十八.PyTorch入门 (3)回归神经网络与关系拟合案例详解

前文讲解PyTorch入门知识，包括变量张量和激励函数。这篇文章将继续介绍PyTorch入门知识，以回归神经网络为例，来介绍如何使用PyTorch搭建神经网络并实现关系拟合。
Eastmount·2025-04-11 20:29

深度学习实战：从零构建图像分类API（Flask/FastAPI版）

本文将手把手教你使用Python生态中的Flask/FastAPI框架，结合PyTorch/TensorFlow部署一个端到端的图像分类API，最终得到一个可通过HTTP请求调用的智能服务。
Tech Synapse·2025-04-11 09:52

Pytorch神经网络工具箱

一、神经网络核心组件层（卷积层、池化层等）：神经网络的基本结构，将输入张量转换为输出张量。模型：由层构成的网络。损失函数：参数学习的目标函数，通过最小化损失函数来学习各种参数。优化器：用于使损失函数最小化。二、构建神经网络的主要工具1.nn.Module继承自Module类，可自动提取可学习的参数。适用于卷积层、全连接层、Dropout层（丢弃法）。Linear全连接层Cohv2d卷积层Batch
煤烦恼·2025-04-11 07:01

NLP实践:pytorch 实现基于LSTM的预训练模型以及词性分类任务

中用以下指令查看nvcc-V**2:cudnn版本:**8700importtorch#用这个查看print(torch.backends.cudnn.version())3:python版本:3.94:Pytorch
某科学の憨憨·2025-04-11 06:29

每天五分钟玩转深度学习PyTorch：搭建LSTM算法模型完成词性标注

本文重点本文通过LSTM算法模型来解决一个实际问题，也就是如何使用LSTM完成词性预测，下面我们搭建两个模型，一个是单词级别的，另外一个是字母级别的，大概的步骤就是，字母级别的LSTM将每个单词的字母作为输入，然后取最后一个时刻作为整个单词的表示，然后将文本中所有的单词的表示stack组合构成最终的文本向量表示，然后和文本数据经过embedding层编码的向量表示cat起来，共同输入到单词级别的L
每天五分钟玩转人工智能·2025-04-11 06:57

Python实现卷积神经网络CNN(Convolutional Neural Network)

Python实现卷积神经网络CNN(ConvolutionalNeuralNetwork)二、卷积的介绍三、图像处理的卷积算法原理四、算法实现4.1导包4.2自定义卷积函数4.3测试卷积结果4.4使用PyTorch
海洋 之心·2025-04-11 03:44

AI平台如何实现推理？数算岛是一个开源的AI平台（主要用于管理和调度分布式AI训练和推理任务。）

它基于Kubernetes构建，支持多种深度学习框架（如TensorFlow、PyTorch等）。
文慧的科技江湖·2025-04-10 23:18

Pytorch神经网络工具箱

Pytorch神经网络工具箱神经网络核心组件层神经网络的基本结构，将输入张量转换为输出张量。模型损失函数优化器构建神经网络的主要工具nn.Module①继承自Module类，可自动提取可学习的参数。
sho_re·2025-04-10 22:42

【深度学习基础】PyCharm anaconda PYTorch python CUDA cuDNN 环境配置

这里写目录标题PyCharm安装anaconda安装PYTorch安装确定python版本CUDA安装cuDNN安装检验环境是否配置成功参照：PyCharm安装官网下载anaconda安装官网下载：https
叫我东方小巴黎·2025-04-10 22:06

基于pytorch的Swin Transformer用于cifar10分类

在上篇文章基于pytorch的VisionTransformer用于cifar10分类中我们了解VIT在视觉分类中的应用，在本篇文章中将介绍另一种transformer模型-SwinTransformer
厚衣服_3·2025-04-10 14:50

PyTorch多GPU训练实战：从零实现到ResNet-18模型

本文将介绍如何在PyTorch中实现多GPU训练，涵盖从零开始的手动实现和基于ResNet-18的简洁实现。代码完整可直接运行。
意.远·2025-04-10 09:11

【Flux TensorRT 模型部署踩坑（三）】error: RPC failed； HTTP 413 curl 22 The requested URL returned error: 413

模型部署系列【保姆级教程附代码】Pytorch(.pth)到TensorRT(.plan)模型转化全流程【保姆级教程附代码(二)】Pytorch(.pth)到TensorRT(.plan)模型转化全流程细化
多恩Stone·2025-04-10 08:39

from pytorch3d import _C ImportError: libcudart.so.10.1: cannot open shared object file: No such fil

frompytorch3dimport_CImportError:libcudart.so.10.1:cannotopensharedobjectfile:Nosuchfil问题描述解决方案：问题描述frompytorch3dimport_C
旋转的油纸伞·2025-04-10 08:08

零基础学习人工智能—Python—Pytorch学习（一）

前言其实学习人工智能不难，就跟学习软件开发一样，只是会的人相对少，而一些会的人写文章，做视频又不好好讲。比如，上来就跟你说要学习张量，或者告诉你张量是向量的多维度等等模式的讲解；目的都是让别人知道他会这个技术，但又不想让你学。对于学习，多年的学习经验，和无数次的回顾学习过程，都证明了一件事，如果一篇文章，一个视频，一个课程，我没学明白，那问题一定不在我，而是上课的主动或被动的不想让我学会，所以，出
kiba518·2025-04-10 08:07

Pytorch添加自定义算子之（2）-配置torch算子

一、安装配置pytorch环境https://pytorch.org/get-started/locally/二、安装eigen3库见上一篇文章三、编写CPP代码算子将此cpp命名为：custom_group_norm.cpp
誓天断发·2025-04-10 04:11

Python和PyTorch深入实现线性回归模型：一篇文章全面掌握基础机器学习技术

1.2Python和PyTorch简介Python是一种强大的编程语言，特别适合处理和分
代码很孬写·2025-04-10 04:40

230516-pytorch-线性回归模型-GPU

importtorchimporttorch.nnasnnimportnumpyasnpclassLinearRegressionModel(nn.Module):def__init__(self,input_dim,output_dim):super(LinearRegressionModel,self).__init__()self.linear=nn.Linear(input_dim,out
dearr__·2025-04-10 04:40

PyTorch构建自定义模型

PyTorch提供了灵活的方式来构建自定义神经网络模型。下面我将详细介绍从基础到高级的自定义模型构建方法，包含实际代码示例和最佳实践。
byxdaz·2025-04-10 04:09

在Python中使用GPU进行并行计算的方法

在Python中使用GPU进行计算通常涉及到一些特定的库，如NumPy、SciPy的GPU加速版本（如CuPy、PyCUDA等）或深度学习库（如TensorFlow、PyTorch等）。
互联网架构小马·2025-04-10 02:29

手写数字识别项目

1.加载预处理数据集加载和预处理数据集，可以使用PyTorch的数据处理工具，如torch.utils和torchvision等，这些工具将在第4章详细介绍。
晚椰子树·2025-04-09 20:17

Seq2Seq - CrossEntropyLoss细节讨论

在PyTorch中，损失函数CrossEntropyLoss的输入参数通常需要满足特定的形状要求。
风筝超冷·2025-04-09 19:07

重新复现代码，一个报错本来更改pip版本就可以解决，整了半天浪费时间了⛔

WARNING:Ignoringversion1.6.0ofpytorch_lightningsinceithasinvalidmetadata:Requestedpytorch_lightning1.6.0fromhttps
顾默@·2025-04-09 18:29

深度学习第P5周：Pytorch实现运动鞋识别

我的环境：语言环境：Python3.11.7编译器：JupyterLab深度学习环境：Pytorch一、前期准
OreoCC·2025-04-09 17:24

PyTorch DataLoader 参数详解

在使用PyTorch的DataLoader时，有许多参数可以调整，这些参数能够帮助我们平衡数据加载效率、内存使用和训练过程的稳定性。
AIGC_增益·2025-04-09 17:23

深度学习模型优化与行业应用新突破

主流框架如MXNet与PyTorch在分布式计算、自动微分等关键能力上形成差异化优势（见表1），而边缘计算与联邦学习的融合，则通过本地化数据处理与隐私保护机制，为医疗影像诊断、金融风险预测等高敏感场景提供了可信部署方案
智能计算研究中心·2025-04-09 15:11

模型优化技术驱动行业应用创新

从底层框架演进看，TensorFlow、PyTorch与MXNet等主流工具通过自适应学习机制与参数化建模能力，显著提升了模型训练效率；而在技术融合层面，联邦学习与边缘计算的协同部署方案，为解决数据隐私与算力瓶颈提供了新范式
智能计算研究中心·2025-04-09 15:41
上一页 14 15 16 17 18 19 20 21 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他