PyTorch深度学习

VQ-Diffusion 深度解析与实战指南

深度解析与实战指南VQ-Diffusion项目地址:https://gitcode.com/gh_mirrors/vqd/VQ-Diffusion1.项目介绍VQ-Diffusion是一个用于文本到图像合成的深度学习模型
晏灵昀Odette·2025-02-27 23:45

pytorch阶段性总结2

nn神经网络functional当中卷积的使用importtorchimporttorch.nn.functionalasF#数据input=torch.tensor([[1,2,0,3,1],[0,1,2,3,1],[1,2,1,0,0],[5,2,3,1,1],[2,1,0,1,1]])#卷积核kernel=torch.tensor([[1,2,1],[0,1,0],[2,1,0]])#min
Colinnian·2025-02-27 23:41

【模块】AKConv卷积模块

论文《AKConv:ConvolutionalKernelwithArbitrarySampledShapesandArbitraryNumberofParameters》1、作用AKConv旨在解决深度学习中标准卷积操作的两个固有限制
dearr__·2025-02-27 22:10

AI探索笔记：线性回归

下面分别用传统方法（sklearn）和神经网络（pytorch）来解决线性回归问题。
安意诚Matrix·2025-02-27 22:37

DCMNet一种用于目标检测的轻量级骨干结构模型详解及代码复现

模型背景在深度学习技术快速发展的背景下，目标检测领域取得了显著进展。
清风AI·2025-02-27 21:03

注意力机制（Attention Mechanism）详细分类与介绍

注意力机制（AttentionMechanism）是近年来在深度学习中非常流行的一种技术，特别是在自然语言处理（NLP）、计算机视觉等任务中，具有显著的效果。
Jason_Orton·2025-02-27 20:46

图神经网络：拓扑数据分析的新时代

随着图数据的广泛应用，图神经网络（GraphNeuralNetwork,GNN）作为一种强大的深度学习工具，逐渐成为机器学习领域中的一颗新星。
Jason_Orton·2025-02-27 19:44

智算中心的核心硬件是什么？

当前主流的AI加速计算芯片包括：1、GPU（图形处理器）GPU是智算中心的算力担当，其强大的并行计算能力使其在深度学习领域大放异彩。GPU芯片
Imagination官方博客·2025-02-27 19:42

AI之DeepSeek

DeepSeek是一个开源的基于深度学习的搜索引擎，用于在大规模数据中进行高效的内容检索和相似度搜索。
james二次元·2025-02-27 18:01

[AI] [ComfyUI]理解ComyUI的基本原理及其图像生成技术

ComyUI作为一种图像生成框架，其背后的核心技术基于潜在空间的概念，并通过各种深度学习模块实现高效的图像生成与本地部署。
技术小甜甜·2025-02-27 17:27

VIT（Vision Transformer）【超详细 pytorch实现

CNN的局限性：传统的CNN通过局部卷积核提取特征，虽然可以通过堆叠多层卷积扩大感受野，但仍然依赖于局部信息的逐步聚合，难以直接建模全局依赖关系。ViT的优势：ViT使用自注意力机制（Self-Attention），能够直接捕捉图像中所有patch（图像块）之间的全局关系。这种全局建模能力在处理需要长距离依赖的任务（如图像分类、目标检测）时表现更好。全流程图像预处理+分块图像尺寸标准化，如(224
周玄九·2025-02-27 17:54

深度学习重要论文阅读笔记 ResNet （2025.2.26）

文章目录问题背景数据预处理神经网络模型模型性能知识点积累英语单词积累问题背景随着神经网络变得更深（层数变多），模型的训练过程也会变得更加困难。当神经网络的深度增加，就会出现梯度消失和梯度下降现象，妨碍模型的收敛。不过，这种情况可以通过归一化的模型初始化和中间的归一化层基本解决。但是，尽管在增加了归一化技术的情况下很深的神经网络可以收敛，又出现了另外一个问题，即随着模型深度的增加，模型的准确率反而下
北岛寒沫·2025-02-27 16:50

大模型最新面试题系列：深度学习基础（二）

21.解释模型容量与过拟合的关系，如何在理论上平衡两者？模型容量与过拟合的关系模型容量指的是模型能够学习的复杂模式的能力，通常与模型的参数数量、网络结构的复杂度等相关。过拟合是指模型在训练数据上表现很好，但在未见过的测试数据上表现不佳。当模型容量较低时，模型可能无法学习到数据中的复杂模式，导致欠拟合，即在训练集和测试集上的表现都较差。随着模型容量的增加，模型能够学习到更复杂的模式，在训练集上的表现
人肉推土机·2025-02-27 15:08

深度学习-自学手册

人工智能机器学习神经网络前馈神经网络：没有回路的反馈神经网络：有回路的DNN深度神经网络CNN卷积神经网络RNN循环神经网络LSTM是RNN的一种，长短期记忆网络自然语言处理神经网络神经元-分类器Hebb学习方法，随机–类似SGD一篇神经网络入门BP反向传播，表示很复杂的函数/空间分布从最后一层往前调整参数，反复循环该操作y=a(wx+b)x输入y输出a激活函
谁用了尧哥这个昵称·2025-02-27 15:37

PyTorch模型安卓部署流程(NCNN)全流程实战（2）代码详细解析

代码来源PyTorch模型安卓部署流程(NCNN)全流程实战（1）至于为什么要备注，因为我基础不好，就得一点一点来适合和我一样的慢羊羊学习项目整体结构1.布局文件不解析了比较简单最简单的线性布局main.xml2
咕咕学不会咋办·2025-02-27 15:06

53、深度学习-自学之路-自己搭建深度学习框架-14、使用自己的架构搭建一个通过学习模仿莎士比亚风格的2000次的文章。并且在关键层配有详细解释。

importnumpyasnpclassTensor(object):def__init__(self,data,autograd=False,creators=None,creation_op=None,id=None):self.data=np.array(data)self.autograd=autogradself.grad=Noneif(idisNone):self.id=np.rand
小宇爱·2025-02-27 15:05

自然语言处理（Natural Language Processing, NLP）的主要应用及核心技术

NLP在多个领域有着广泛的应用，并结合了多种先进的技术，包括机器学习（ML）、深度学习（DL）、统计模型以及规则方法。
彬彬侠·2025-02-27 14:34

DeepSeek 高阶应用技术详解（4）

这些领域是深度学习的前沿方向，具有广泛的实际应用价值。2.DeepSeek在时间序列分析中的应用2.1时间序列分析简介时间序列分析是处理时间相关数据的重要技术，广泛应用于金融、气象、医疗等
Evaporator Core·2025-02-27 14:33

记一次pytorch训练loss异常的问题

记一次pytorch训练loss异常的问题问题描述使用mmdetection框架训练时，某项loss出现异常大的值，比如1781232349724294.000。这个问题只在多卡训练时才会出现。
lyyiangang·2025-02-27 14:29

用PyTorch玩转数据：从整理到“看图说话

最近在实验室鼓捣深度学习项目，发现PyTorch的数据处理流程简直像搭乐高——每个模块都精准卡位。今天就把这套"厨房级"工具链拆解给大家看看，连我这种手残党都能轻松上手。
开心快乐幸福一家人·2025-02-27 13:54

RuntimeError: expected dtype Double but got dtype Float

  在使用Pytorch时报了RuntimeError:expecteddtypeDoublebutgotdtypeFloat这个错误，仔细一查才发现是数据类型的问题。
一穷二白到年薪百万·2025-02-27 11:11

【pytorch_geometric报错】RuntimeError: softmax() Expected a value of type

  如果pytorch_geometric中的softmax函数报错，声明一下num_nodes变量即可。
一穷二白到年薪百万·2025-02-27 11:11

Windows环境安装torch_geometric库报错

查阅了各种资料尝试了各种方法，有的说是因为visualc++buildtools没有安装博客链接，有的说升级conda甚至还有的说卸载pytorch重装命，令行如下：condaupdate#升级conda
一穷二白到年薪百万·2025-02-27 11:11

模式识别课程设计：人脸识别 背景与问题引入之问题描述

随着计算机硬件性能的不断提升和深度学习技术的成熟，人脸识别的精度和应用场景不断扩展。
XLYcmy·2025-02-27 10:32

深度学习模型大小与模型推理速度的探讨

**昨天看到了非常好的两篇文章想在此记录和保存，由于模型的实时推理包含很多方面的因素，因而也庆幸能有机会看到这样的文章。**参考大佬：https://zhuanlan.zhihu.com/p/411522457
ICUD·2025-02-27 09:01

用 PyTorch/TensorFlow 搭建简单全连接神经网络

目录用PyTorch/TensorFlow搭建简单全连接神经网络网络结构概述1.使用PyTorch构建网络2.使用TensorFlow构建网络总结用PyTorch/TensorFlow搭建简单全连接神经网络在本篇博客中
gs80140·2025-02-27 08:21

Cassini_Network-Aware Job Schedulingin Machine Learning Clusters

研究背景背景介绍:这篇文章的研究背景是深度学习数据集和模型规模的不断增长，对高效GPU集群的需求日益增加。
一只积极向上的小咸鱼·2025-02-27 07:37

用于训练基于pytorch构建的小型字符级语言模型的数据集汇总

前文，我们从零开始基于transformer框架在pytorch上构建一个小型字符级语言模型，并编写了完整的python示例，模型是需要训练的，所以在原有代码的基础上，我们寻找一些公开的数据集对模型进行训练
搏博·2025-02-27 06:03

50、深度学习-自学之路-自己搭建深度学习框架-11、添加RNN递归神经网络层为了浮现RNN的神经网络使用框架。

importnumpyasnpclassTensor(object):def__init__(self,data,autograd=False,creators=None,creation_op=None,id=None):self.data=np.array(data)self.autograd=autogradself.grad=Noneif(idisNone):self.id=np.rand
小宇爱·2025-02-27 06:01

52、深度学习-自学之路-自己搭建深度学习框架-13、对话预测功能，使用我们自己建的架构重写RNN预测网络,程序的详细解读。

importnumpyasnpclassTensor(object):def__init__(self,data,autograd=False,creators=None,creation_op=None,id=None):self.data=np.array(data)self.autograd=autogradself.grad=Noneif(idisNone):self.id=np.rand
小宇爱·2025-02-27 06:01

扣子和DIfy调用deepseek对比分析

又闻言，Dify、TensorFlow、PyTorch、Keras、Fastai、HuggingFace等工具可以微调诸如deepseek、chatgpt、doubao等大模型。
ISDF-CodeInkVotex·2025-02-27 06:30

29、深度学习-自学之路-深入理解-NLP自然语言处理-做一个完形填空，让机器学习更多的内容程序展示

importsys,random,mathfromcollectionsimportCounterimportnumpyasnpnp.random.seed(1)random.seed(1)f=open('reviews.txt')raw_reviews=f.readlines()f.close()tokens=list(map(lambdax:(x.split("")),raw_reviews)
小宇爱·2025-02-27 06:30

深度学习的前沿与挑战：从基础到最新进展

目录引言什么是深度学习？
Jason_Orton·2025-02-27 03:09

第十三站：卷积神经网络（CNN）的优化

1.数据增强（DataAugmentation）数据增强是提升深度学习模型泛化能力的一种常见手段。通过对训练数据进行各种随机变换，可以生成更多的训练样本，帮助模型避免过拟合。
武狐肆骸·2025-02-27 03:08

深度学习：从神经网络到智能应用

目录引言一.什么是深度学习？
Jason_Orton·2025-02-27 00:43

基于 YOLO 进行车道线检测与目标检测算法研究及开发的一般步骤

基于深度学习的车道线检测与目标检测在自动驾驶等领域有着重要应用，使用YOLO（YouOnlyLookOnce）进行开发是一种常见且高效的方式。
pk_xz123456·2025-02-26 23:37

理解CPU与GPU频繁数据传输

基础理解在学习深度学习神经网络过程中，有时候会遇到一些描述“尽量避免CPU与GPU频繁数据传输”。那这句话应该如何理解呢？我们知道CPU可以访问内存，而GPU也有自己的显存。
_DCG_·2025-02-26 22:58

深度学习批次数据处理的理解

基础介绍在计算机视觉深度学习网络中，在训练阶段数据输入通常是一个批次，即不是一次输入单张图片，而是一次性输入多张图片，而神经网络的结构内部一次只能处理一张图片，这时候很自然就会考虑为什么要这样的输入？
_DCG_·2025-02-26 22:28

安装CUDA以及GPU版本的pytorch

使用pytorch进行深度学习的时候，往往想用GPU进行运算来提高速度。于是搜索便知道了CUDA。下面给出一个自检的建议：检查cuda的版本是否适配自己的GPU。
lskkkkkkkkkkkk·2025-02-26 21:53

如何将 DeepSeek 模型与 PyTorch结合使用

Ollama下载模型验证模型下载本地部署DeepSeek模型使用Flask创建HTTP服务使用PyCharm调用本地服务进一步集成到开发流程封装函数自定义快捷键（可选）✍️相关问答DeepSeek模型与PyTorch
LCG元·2025-02-26 21:52

读论文：Generation of 3D molecules in pockets via a language model (Lingo3Dmol)

为了解决这些问题，我们提出Lingo3DMol,一个基于口袋的3维分子生成方案，将语言模型和几何深度学习技术结合起来。
LastWhisperw·2025-02-26 20:43

Windows 系统下，使用 PyTorch 的 DataLoader 时，如果 num_workers 参数设置为大于 0 的值，报错

在Windows系统下，使用PyTorch的DataLoader时，如果num_workers参数设置为大于0的值，可能会遇到以下错误：RuntimeError:Anattempthasbeenmadetostartanewprocessbeforethecurrentprocesshasfinisheditsbootstrappingphase.Thisprobablymeansthatyoua
张三不嚣张·2025-02-26 20:10

点云配准技术的演进与前沿探索：从传统算法到深度学习融合(1)

1、点云配准的基础理论1.1点云数据的特性与获取点云数据是一种通过大量离散的三维坐标点来精确表示物体或场景表面几何形状和空间位置关系的数字化信息表达方式。在实际应用中，点云数据展现出诸多独特的特性。从表达形式来看，点云数据能够直观地呈现出物体或场景的三维结构，每个点都包含了其在空间中的X、Y、Z坐标信息，这使得点云数据可以精确地描述物体表面的形状和位置。例如，在对古建筑进行三维建模时，通过点云数据
点云SLAM·2025-02-26 19:07

手把手教你如何使用java开发人脸识别及人脸比对（附源码）

痛点目前，常用的人脸识别算法大多基于Python开发，因为Python对深度学习框架的支持较好，且许多优秀的人脸识别算法都是在深度学习框架下实现的。然而，对于Java开发者来说，这种情况并不十分友好。
·2025-02-26 19:34

书籍-《在AWS上构建可扩展的深度学习Pipeline》

Develop,Train,andDeployDeepLearningModels作者：AbdelazizTestas出版：Apress编辑：陈萍萍的公主@一点人工一点智能下载：书籍下载-《在AWS上构建可扩展的深度学习
·2025-02-26 19:30

DeepSeep开源周，第三天：DeepGEMM是啥？

DeepGEMM是Deepseek开源的一个高性能矩阵乘法优化库，专为深度学习场景设计。矩阵乘法（GEMM）是深度学习模型的核心运算（如全连接层、卷积层等），其性能直接影响训练和推理效率。
程序员差不多先生·2025-02-26 19:33

从零开始：使用PyTorch构建DeepSeek R1模型及其训练详解

本文将引导你使用PyTorch从零开始构建DeepSeekR1模型，并详细解释模型架构和训练步骤。
陆鳐LuLu·2025-02-26 19:02

pytorch PIL对np和tensor 图像数据的显示

（显示图像）PIL可以显示np的图像数据，np是whc的格式。在np转换为tenser格式后会自动转换为cWH的格式，tenser再转回来时，依然是cwh格式np.tranpose（1,2,0）可以将cwh格式转换为whc的格式,也就是将原来的0,1,2代表的cwh，变成whc格式代码表示是====互转的代码“tensor_a=torch.tensor(array),np_array=tensor
Tianwen_Burning·2025-02-26 19:32

IPEX-LLM: 英特尔硬件大语言模型加速库部署

本指南将帮助你掌握如何使用IPEX-LLM（IntelPyTorchExtensionforLargeLanguageModels）在英特尔硬件上实现最优化的模型部署。
Felix_bin·2025-02-26 17:23

在Intel GPU上使用IPEX-LLM进行本地BGE嵌入

Intel的IPEX-LLM是一种专门为IntelCPU和GPU优化的PyTorch库，能够在包括本地PC上的集成显卡和独立显卡（如Arc、Flex和Max）在内的Intel硬件上以极低的延迟运行大型语言模型
shuoac·2025-02-26 16:16
上一页 4 5 6 7 8 9 10 11 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他