动手深度学习PyTorch 第27页

书生·浦语第三章：基于 InternLM 和 LangChain 搭建你的知识库

一、搭建环境1.1基础环境配置在官方提供的教程中构建环境的命令如下#拷贝一个pytorch2.0.1的环境/root/share/install_conda_env_internlm_base.shInternLM

Jankin_Tian·2024-01-14 21:41

PyTorch项目源码学习（3）——Module类初步学习

torch.nn.ModuleModule类是用户使用torch来自定义网络模型的基础，Module的设计要求包括低耦合性，高模块化等等。一般来说，计算图上所有的子图都可以是Module的子类，包括卷积，激活函数，损失函数节点以及相邻节点组成的集合等等，注意这里的关键词是“节点”，Module族类在计算图中主要起到搭建结构的作用，而不涉及运算逻辑的具体实现。要注意的是，Module类对象的chil

_int_me·2024-01-14 20:10

pytorch和pycocotools的安装

记录一下自己安装pytorch和pycocotools一，Anaconda安装二，pytorch安装三，安装pycocotools一，Anaconda安装参考博客首先保证你有python3.6/3.7的环境

敏儿要努力·2024-01-14 17:54

pytorch与jittor计图的数据集读写比较

pytorch与jittor计图的数据集读写比较pytorchjittorpytorchpytorch分为三级结构：分别是Dataset，Dataloader，train/test_loader.其中第一级别

天天写点代码·2024-01-14 16:10

onnx模型：查看、转换与使用

2.可视化可视化网页:https://netron.app/结果：3.pytorch框架下的转换pytorch框架下，使用torch.onnx.export（）函数进行转换。

LENG_Lingliang·2024-01-14 16:36

深度学习框架PyTorch入门与实践：第一章 PyTorch简介

张天祥学号：21181214261学院：广州研究院转自https://blog.csdn.net/u011436316/article/details/100813287【嵌牛导读】本文重点介绍了什么是pytorch

这就是神奇呀·2024-01-14 14:44

[代码复现]BrainGNN: Interpretable Brain Graph Neural Network for fMRI Analysis

2.2.代码运行3.为啥跑这个代码1.论文资料（1）论文原文：BrainGNN：用于fMRI分析的可解释脑图神经网络-ScienceDirect（2）论文代码：GitHub-xxlya/BrainGNN_Pytorch

夏莉莉iy·2024-01-14 13:55

基于pytorch的支持向量机

本文主要实现了一个以pytorch编写的支持向量机。

大雾的小屋·2024-01-14 12:54

基于pytorch的循环神经网络情感分析系统

任务目标基于给定数据集，进行数据预处理，搭建以LSTM为基本单元的模型，以Adam优化器对模型进行训练，使用训练后的模型进行预测并计算预测分类的准确率。数据简介IMDB数据集是一个对电影评论标注为正向评论与负向评论的数据集，共有25000条文本数据作为训练集，25000条文本数据作为测试集。已知数据集中数据格式如下1、读取数据2、数据预处理首先，对于创建词汇表，记录每一个单词出现的频率，并由此将特

大雾的小屋·2024-01-14 12:54

PyTorch常用操作

0.先决条件安装驱动、CUDA、cuDNN，请参考：https://blog.csdn.net/liugan528/article/details/128974129importtorchprint(torch.__version__)#查看gpu是否可用print(torch.cuda.is_available())#查看设备gpu个数print(torch.cuda.device_count(

GarryLau·2024-01-14 12:53

基于pytorch的图书评论分析系统

任务目的基于给定数据集，采用三层bp神经网络方法，编写程序并构建分类模型，通过给定特征实现预测的书籍评分的模型。数据简介在各项指标中，我认为书籍的评分和出版社、评论数量还有作者相关，和其他属性的关系并大。所以，对于出版社，我选取了出版社的平均评分和出版社在这个表格中出现的频率作为出版社的评价指标。对于作者选择了平均评分作为指标。此外，选择了前40000条数据作为训练集，考虑到运算的时间成本，后续只

大雾的小屋·2024-01-14 12:22

一条命令解决安装torch_scatter torch_sparse torch_cluster torch_spline

pipinstallpyg_libtorch_scattertorch_sparsetorch_clustertorch_spline_conv-fhttps://data.pyg.org/whl/torch-2.0.0+cu118.html该命令安装了pyg_lib包以及一些与PyTorch

_Lyang_·2024-01-14 11:35

#工具# 最简单的anaconda安装教程！

安装成功开始菜单可以打开AnacondaPrompt，且不报错创建anaconda虚拟环境可以手动创建安装第三方库-PyTorch

向日葵花籽儿·2024-01-14 11:57

cuda版本对应的 pytorch和torchvision

cuda版本对应的pytorch和torchvision官网链接：https://pytorch.org/get-started/previous-versions/

weLin2230·2024-01-14 11:44

cuda12.0 安装 pytorch

流程如下首先下载miniconda，我下的是python3.8的创建自己的自定义环境检查自己的cuda版本，我的是cuda:12.0然后再pytorch上找到对应cuda版本的进行下载，pipinstall

NoahBBQ·2024-01-14 11:40

在 Nvidia Docker 容器编译构建显存优化加速组件 xFormers

本篇文章，聊聊如何在新版本PyTorch和CUDA容器环境中完成xFormers的编译构建。让你的模型应用能够跑的更快。

soulteary·2024-01-14 10:20

pytorch中torchvision数据集的使用——CIFAR-10dataset数据集

一、数据集的基本使用介绍1.数据集的基本介绍CIFAR-10dataset数据集在这个数据集中包括了60000张32*32的彩色图片这个图片会有10种类别['airplane','automobile','bird','cat','deer','dog','frog','horse','ship','truck']每个类别有6000张图像其中有50000张图像训练图片然后10000张是测试图片这个

m0_54291751·2024-01-14 10:33

【AI实战】分布式训练：使用DistributedDataParallel实现单机多GPU并行训练resnet50模型

DistributedDataParallel依赖包加载预训练模型使用DistributedDataParallel自定义数据加载分布式训练保存模型完整代码DistributedDataParallel一种基于pytorch

szZack·2024-01-14 09:07

Pytorch单机多卡并行应用经验分享

目录一、设置进程组二、封装模型【Tips】三、分割数据【Tips】四、训练模型【Tips】五、执行命令行【Tips】参考资料记录分享一下最近使用单机多卡执行并行运算时总结的一些经验，以下内容均假设实验所使用的设备上有GPU，且已准备好了单卡运算时所需的数据及模型代码，本文仅介绍使用多卡（即多进程）并行运算时要在代码及命令行中需要额外设置的内容。一、设置进程组首先，我们要在指定存储设备device前

略胜亿筹·2024-01-14 09:34

pytorch多GPU并行DistributedDataParallel应用和踩坑记录（本节-单机多卡实现）持续补充

参考链接：pytorch多GPU并行训练DistributedDataParallel应用和踩坑记录_train_sampler=distributedsampler(train_dataset,-CSDN

Miss_Bueno·2024-01-14 09:33

安装Pytorch如何选择CUDA的版本，看这一篇就够了

CUDA是一个并行计算平台和编程模型，能够使得使用GPU进行通用计算变得简单和优雅。Nvidia官方提供的CUDA库是一个完整的工具安装包，其中提供了Nvidia驱动程序、开发CUDA程序相关的开发工具包等可供安装的选项。NvidiaCUDANvidia安装的cuda是一个完整的cuda库，包含cudatoolkit和相应的驱动。主要包含三部分：CUDAtoolkit、CUDAdriver和NVI

AI小白龙*·2024-01-14 08:41

动手学深度学习

本期Datawhale组队学习呢，是学习李沐老师的动手学深度学习pytorch版本，希望自己能坚持学下去有所收获。

伟伟好帅·2024-01-14 07:01

李沐《动手学深度学习》预备知识张量操作与数据处理

张量的运算（三）张量的广播机制（四）索引和切片（五）转换为其他Python对象二、数据预处理（一）数据集读取（二）缺失值处理（三）转换为张量格式教材：李沐《动手学深度学习》一、数据操作张量：n维数组，PyTorch

丁希希哇·2024-01-14 07:29

Task 2

@pytorch深度学习预备知识数据操作1、首先在学长的帮助下，我学会了如何配置环境，包括下载d21库和torch库。2、然后是学习了一些numpy库的基础知识，比如如何创建张量、如何访问它的大小等。

爱敲代码的农农·2024-01-14 07:27

深度学习（动手学深度学习pytorch）1

目录预备知识数据操作数据预处理线性代数微积分预备知识数据操作1.行对应样本，列对应属性2.张量（n维数组），Numpy包中的ndarray。用torch的arange，下面是生成行向量，从0开始的前十二个整数。shape访问每个轴长度（形状），size访问元素个数，reshape改变形状【可以写-1让它自动计算，如x.reshape(-1,4)】importtorchx=torch.arange(

智能打工人·2024-01-14 07:26

《动手学深度学习》组队学习——Task1-2打卡

1.在Navigator界面，尝试创建d2l环境，并在base和d2l环境下安装了pytorch（咱也不知道这步是不是多余）。

Jessy佳音·2024-01-14 07:55

李沐《动手学深度学习》预备知识线性代数与微积分

张量运算的基本性质（三）降维（四）点积（五）矩阵向量积、矩阵乘法（六）范数二、微积分（导数、偏导数、梯度、链式法则）三、自动微分（一）非标量变量的反向传播（二）分离计算（三）Python控制流的梯度计算（四）pytorch

丁希希哇·2024-01-14 07:52

GPU云服务器使用教程、运行YOLOV5项目并连接到本地VSCode（Pycharm）

之前已经教过大家如何在自己的电脑中配置Pytorch深度学习环境，但是有些小伙伴没有英伟达的GPU，所以用CPU的话训练模型会比较慢，所以这次出一期使用GPU云服务器的教程。

爱敲代码的panda·2024-01-14 07:29

报错NVIDIA GeForce RTX 4060 Laptop GPU with CUDA capability sm_89 is not compatible with ...

完整报错serWarning:NVIDIAGeForceRTX4060LaptopGPUwithCUDAcapabilitysm_89isnotcompatiblewiththecurrentPyTorchinstallation.ThecurrentPyTorchinstallsupportsCUDAcapabilitiessm

坠金·2024-01-14 06:49

Feature Fusion for Online Mutual KD

FeatureFusionforOnlineMutualKnowledgeDistillationofficialimplementation：https://github.com/Jangho-Kim/FFL-pytorch

00000cj·2024-01-14 05:38

当conda list列表中同时存在pytorch和torch

查看torch能否用GPU（torch.cuda.is_available()）只与torch有关。

wen_ding·2024-01-14 05:34

给我一台新的服务器，我会怎么安排 CUDA

深度学习环境搭建过程中，初期阶段，相信大家都会遇到，动不动TensorFlow或者Pytorch库与Cuda、或者Cudnn版本不匹配的问题；因此很多时候，在一台服务器中安装多个Cuda逐步成为了各位搬砖大佬们的必然选择本文为大家揭秘一台全新服务器

墨理学AI·2024-01-14 04:42

深度学习pytorch环境搭建

一、Anaconda安装与使用1、安装参考：https://www.jianshu.com/p/62f155eb6ac5https://blog.csdn.net/weixin_37766087/article/details/1007421982、conda使用：打开anacondaprompt查看conda版本：conda--version创建新环境：condacreate--nameenv_

青衫无尘·2024-01-14 03:46

官方数据集的下载方法

目录PyTorch官网介绍下载数据集Transform变换操作PyTorch官网介绍首先进入PyTorch官网，其界面如下：点击torchvision进入，我这里以0.9.0的版本为例，若要改变版本号，

睡不醒的毛毛虫·2024-01-14 02:13

PyTorch深度学习快速入门

本文是基于B站博主“我是土堆”发布的深度学习入门教程所编写的相关笔记，主要用于Python小白快速入门深度学习，了解PyTorch的相关理论知识及逻辑代码。

睡不醒的毛毛虫·2024-01-14 02:43

深度学习基础教程

目录预备知识基础知识（1）PyTorch基础知识（2）线性回归模型（3）逻辑回归模型（4）全连接神经网络预备知识requires_grad：用于指示是否需要计算相应张量的梯度。

睡不醒的毛毛虫·2024-01-14 02:12

Pytorch将标签转为One-Hot编码

二、pytorch的官方实现在pytorch中实现了onehot编码，就在torch.nn.functional里面，下面是它的注释当中的示例，我们开看看：Examples:>>>

夏天是冰红茶·2024-01-13 22:01

模型的权值平均的原理和Pytorch的实现

在PyTorch中，官方提供了实现模型权值平均的方法。这里我们首先介绍指数移动平均（EMA）方法，它使用一个衰减系数来平衡当前权值和先前平均权值。

夏天是冰红茶·2024-01-13 22:00

GitHub 国内镜像

在访问github时太卡了、这是可以使用国内镜像网站访问例如:https://github.com/bubbliiiing/detr-pytorch改成https://hub.nuaa.cf/bubbliiiing

廷益--飞鸟·2024-01-13 21:46

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，其中序列的任何部分都可以动态地与任何其他部分相互作用，特别是具有因果注意力机制的的Transformer，擅长处

deephub·2024-01-13 19:39

YOLOv4剪枝【附代码】

本项目只是负责把框架搭建起来，没有进行重训练的微调或者去研究应该剪哪里比较好，需要自己去研究YOLOv4代码参考：Pytorch搭建自己的YoloV4目标检测平台（Bubbliiiing深度学习教程）_

爱吃肉的鹏·2024-01-13 19:35

torch.where()函数

PyTorch提供了一个强大的函数torch.where()，它使得基于条件的张量操作变得既简单又高效。本文将深入探讨torch.where()的用法，并通过示例展示它在不同场景中的应用。

uestc_Venn·2024-01-13 18:05

gpu显卡简介

一、目录1.基本常用参数2.nvidia显卡基本了解(基本简介)3.显卡查看算力4.显卡算力、驱动版本（DriverVersion）、CUDAToolkit（CUDAVersion）、PyTorch版本之间的关系

云帆@·2024-01-13 17:44

PyTorch源码解读（二）torchvision.transforms

PyTorch框架中有一个非常重要且好用的包：torchvision，该包主要由3个子包组成，分别是：torchvision.datasets、torchvision.models、torchvision.transforms

cdy艳0917·2024-01-13 17:30

【记笔记】Pytorch中的一些函数

pytorch函数笔记DataLoader原文链接：https://blog.csdn.net/qq_28057379/article/details/115427052DateLoader中的num_worker

sunszgszg·2024-01-13 17:30

普通卷积、转置卷积（transposed convolution)的原理及运算步骤的详细解释

2.其次，transposedconvolution、fractionally-stridedconvolution和deconvolution都是指转置卷积，但是pytorch官方采用transposedconvolution

Trouville01·2024-01-13 17:29

简单谈一谈pytorch中混合精度训练(torch.cuda.amp)的功效及命令行参数解析器的使用

一、首先来了解一下一个完整的命令行参数解析器的构成：1.创建解析器对象：使用argparse.ArgumentParser()创建一个解析器对象；2.添加位置参数和其它可选参数：使用add_argument()方法添加位置参数和可选参数，指定参数的名称、类型、默认值、帮助信息等；3.解析命令行参数：parse_args()方法解析命令行参数，并将解析结果存储在一个命令空间对象中；4.使用解析结果：