pytorch代码积累

【深度学习】pytorch快速得到mobilenet_v2 pth 和onnx

在linux执行这个程序：importtorchimporttorch.onnxfromtorchvisionimporttransforms,modelsfromPILimportImageimportos#LoadMobileNetV2modelmodel=models.mobilenet_v2(pretrained=True)model.eval()#Downloadanexampleima
XD742971636·2023-11-20 03:36

pytorch基础知识四【索引与切片】

索引与切片1.索引2.切片2.1根据首项/尾项切片2.2根据步长切片2.3根据特定索引切片2.4根据掩码切片2.5根据索引返回指定索引上的数据集合3.torch.ge()、torch.gt()、torch.le()、torch.lt()3.1torch.ge()3.2torch.gt()3.3torch.le()3.4torch.lt()1.索引importtorcha=torch.rand(4,
北四金城武·2023-11-20 02:29

Pytorch中二维张量切片

在列表切片中有三个参数：list[start：stop：step]start-开始索引，stop-结束索引，step-步长默认打“：”。默认值start为0，stop为最后，步长为1。若只有两个参数，则为start和stop，步长默认为1.step小于0则为逆向切片：一些例子（参考链接在后）：#list[起始索引,结束索引]切片时包含起始索引位置的元素，但不包含结束索引位置的元素#索引为0表示第一
北京地铁1号线·2023-11-20 02:59

从 X 入门Pytorch——环境安装建议，Tensor多种构造方式，Tensor的基本操作

本文参加新星计划人工智能(Pytorch)赛道：https://bbs.csdn.net/topics/613989052满打满算，入门CV的坑已经快一年了，现在忙着换模型，加模块，看效果。
Philo`·2023-11-20 02:28

从 X 入门Pytorch——Tensor的索引，切片，拼接，拆分，Reduction操作

本文参加新星计划人工智能(Pytorch)赛道：https://bbs.csdn.net/topics/613989052承接上文：自己深度学习环境搭建和免费环境使用+Tensor构造+Tensor基本操作
Philo`·2023-11-20 02:54

PyTorch 101 Part 1: Understanding Graphs, Automatic Differentiation and Autograd

PyTorchisoneoftheforemostpythondeeplearninglibrariesoutthere.It'sthegotochoicefordeeplearningresearch
婉妃·2023-11-20 02:59

使用PyTorch进行深度学习

译者：bdqfork作者:RobertGuthrie深度学习构建模块：仿射映射,非线性函数以及目标函数深度学习表现为使用更高级的方法将线性函数和非线性函数进行组合。非线性函数的引入使得训练出来的模型更加强大。在本节中，我们将学习这些核心组件，建立目标函数，并理解模型是如何构建的。仿射映射深度学习的核心组件之一是仿射映射，仿射映射是一个关于矩阵A和向量x，b的f(x)函数，如下所示：image需要训
bdqfork·2023-11-20 01:41

解决ubuntu16.04安装pytorch时pip3报错的问题

在Ubuntu16.04环境下安装pytorch时，提示pip版本过低，需要升级pip。但是升级后使用pip3指令却报错。
白色机械键盘·2023-11-19 23:21

inceptionnext代码及其分层输出

InceptionNeXtimplementation,paper:https://arxiv.org/abs/2303.16900Somecodeisborrowedfromtimm:https://github.com/huggingface/pytorch-image-models
一休哥※·2023-11-19 23:27

windows 11 本地运行ER-NeRF及pytorch3D安装

ER-NeRF本地运行只要梳理好依赖版本，运行起来就很顺畅condacreate-nernerfpython=3.10创建本项目虚拟环境condainstallpytorch==1.12.1torchvision
183090792csdn·2023-11-19 22:36

Pytorch：Transformer(Encoder编码器-Decoder解码器、多头注意力机制、多头自注意力机制、掩码张量、前馈全连接层、规范化层、子层连接结构、pyitcast) part1

日萌社人工智能AI：KerasPyTorchMXNetTensorFlowPaddlePaddle深度学习实战（不定时更新）Encoder编码器-Decoder解码器框架+Attention注意力机制Pytorch
あずにゃん·2023-11-19 22:16

RE2文本匹配实战

引言今天我们来实现RE2进行文本匹配，模型实现参考了官方代码https://github.com/alibaba-edu/simple-effective-text-matching-pytorch。
愤怒的可乐·2023-11-19 22:57

基于深度学习的医学图像分割学习笔记（六）V-Net

V-Net:FullyConvolutionalNeuralNetworksforVolumetricMedicalImageSegmentation原文链接代码pytorch版本数据集：PROMISE2012Vnet
Demon果·2023-11-19 21:54

MIGraphX推理框架第十章-MIGraphX常见问题

目录模型转换问题onnx的upsample算子与pytorch不等价batchnorm参数不固定问题模型转换问题onnx的upsample算子与pytorch不等价解决方法：1）更新pytorch；2）
染念·2023-11-19 20:45

Win10下面安装pytorch遇到的坑

1、最重要的一点，要使用conda安装，不要使用pip，反正我折腾了半天pip安装也没成功：（1）在以下网址中有安装的代码，注意要选conda：https://pytorch.org/get-started
WangZhanye·2023-11-19 20:05

基于Pytorch的从零开始的目标检测

引言目标检测是计算机视觉中一个非常流行的任务，在这个任务中，给定一个图像，你预测图像中物体的包围盒(通常是矩形的)，并且识别物体的类型。在这个图像中可能有多个对象，而且现在有各种先进的技术和框架来解决这个问题，例如Faster-RCNN和YOLOv3。本文讨论将讨论图像中只有一个感兴趣的对象的情况。这里的重点更多是关于如何读取图像及其边界框、调整大小和正确执行增强，而不是模型本身。目标是很好地掌握
金戈鐡馬·2023-11-19 19:41

PyTorch 实战之水果分类

当我们试图提高神经网络的准确性时，经常会遇到过拟合训练数据的情况。当我们运行测试数据的模型时，这会导致一个糟糕的预测。因此，我采取了一个数据集，并应用这些技术，不仅提高准确性，而且还处理过拟合的问题。在本文中，我们将使用以下技术在不到5分钟的时间内训练一个最先进的模型，以达到从Fruit360数据集中分类图像的95%以上的准确率:数据增强数据分析中的数据增强是通过对现有数据或从现有数据中新创建的合
金戈鐡馬·2023-11-19 19:41

【Pytorch基础】基础点整理4

一、激活函数#sigmoid函数fromtorch.nnimportfunctionalasFa=torch.linspace(-100,100,12)print(torch.sigmoid(a))#F.sigmoid(a)#tensor([0.0000e+00,2.9296e-36,2.3072e-28,1.8169e-20,1.4309e-12,1.1267e-04,#9.9989e-01,1
Zlan_lvlv·2023-11-19 17:10

时间序列预测-Transformer,Informer,Autoformer,FEDformer复现结果

实验环境硬件规格或软件版本号CPUInter®Xeon®[email protected](Pascal)内存32.0GBPython3.7.3Pytorch1.2.0CUDA11.6
幸运的小菜鸟·2023-11-19 16:53

第七章 解析PyTorch中Hook函数(工具)

为了更深入地理解神经网络模型，有时候我们需要观察它训练得到的卷积核、特征图或者梯度等信息，这在CNN可视化研究中经常用到。其中，卷积核最易获取，将模型参数保存即可得到；特征图是中间变量，所对应的图像处理完即会被系统清除，否则将严重占用内存；梯度跟特征图类似，除了叶子结点外，其它中间变量的梯度都被会内存释放，因而不能直接获取。最容易想到的获取方法就是改变模型结构，在forward的最后不但返回模型的
小酒馆燃着灯·2023-11-19 14:41

PyTorch|逻辑回归的简单实现

经过前面的学习，我们介绍了张量Tensor的基本操作，也知晓了PyTorch的AutoGrad系统。有了上述基础，便可以试着训练简单的机器学习模型了。今天我们将尝试训练一个简单的逻辑回归模型。
木千之·2023-11-19 14:24

pytorch学习：逻辑回归代码

#-*-coding:utf-8-*-"""CreatedonSunSep209:50:012018@author:www"""importtorchfromtorch.autogradimportVariableimportnumpyasnpimportmatplotlib.pyplotasplt#设定随机种子torch.manual_seed(250)#读入数据withopen(r'E:\da
xckkcxxck·2023-11-19 14:24

深度学习环境配置Anaconda+cuda+cudnn+PyTorch——李沐大神《动手学深度学习》环境配置（巨详细，持续迭代）

李沐大神《动手学深度学习》安装篇——通用AI、深度学习、机器学习环境Anaconda+cuda+cudnn+Pytorch(手把手教你安装深度学习环境）——这里是GPU+PyTorch版本文章目录李沐大神
Beyond_April·2023-11-19 14:54

MLP感知机python实现

importtrain_ch3importtorchimporttorchvisionfromtorch.utilsimportdatafromtorchvisionimporttransforms#①准备数据集defload_data_fashion_mnist(batch_size,resize=None):#PyTorch
可以养肥·2023-11-19 14:47

李沐深度学习环境安装（包括pytorch和d2l）

李沐深度学习环境安装（包括pytorch和d2l）目录一、安装Anaconda3二、安装GPU版本的pytorch三、使用jupyternotebook运行李沐书籍的源码目录一、安装Anaconda3进入
大叔_CGD·2023-11-19 14:16

这可能是关于Pytorch底层算子扩展最详细的总结了！

1、前言一般情况下，pytorch推荐使用python层的前端语言来构建新的算子。因为pytorch在python层的api已经足够丰富，可以构造出很多自定义的算子。
DL-Practise·2023-11-19 14:12

【深度学习】李沐动手学习深度学习-环境配置

anaconda3，因此不用安装miniconda.1.首先创建d2l环境#创建环境名称为d2l环境condacreate--named2lpython=3.9-y#激活环境condaactatived2l2.安装pytorch
赵小闲·2023-11-19 14:41

李沐的学习Pytorch环境配置

按照清华源配置清华源conda配置最好下载1.11版本torch那一套然后装d2l版本可以装pipinstalld2l=0.17.6然后可以用http://localhost:8889/notebooks/pytorch
菜菜小堡·2023-11-19 14:09

pytorch的backward()的底层实现逻辑

自动微分是一种计算张量（tensors）的梯度（gradients）的技术，它在深度学习中非常有用。自动微分的基本思想是：自动微分会记录数据（张量）和所有执行的操作（以及产生的新张量）在一个由函数（Function）对象组成的有向无环图（DAG）中。在这个图中，叶子节点是输入张量，根节点是输出张量。通过从根节点到叶子节点追踪这个图，可以使用链式法则（chainrule）自动地计算梯度。在前向传播（
子燕若水·2023-11-19 14:08

（二）Pytorch快速搭建神经网络模型实现气温预测回归(代码+详细注解)

导入数据以及展示部分1.导入数据集以及对数据集进行处理2.展示数据（看看就好）三（1）、搭建网络进行预测（理解版）三（2）、搭建网络进行预测（应用版）四、对预测结果进行一个展示，蓝色真实值，红色预测值总结前言深度学习pytorch
爱吐泡泡的小鱼苗·2023-11-19 14:08

PyTorch微调终极指南1：预训练模型调整

如今，在训练深度学习模型时，通过根据自己的数据微调预训练模型来进行迁移学习（transferlearning）已成为首选方法。通过微调这些模型，我们可以利用他们的专业知识并使它们适应我们的特定任务，从而节省宝贵的时间和计算资源。本系列分为四篇文章，侧重于微调模型的不同方面，本文为第一篇，我们将深入研究定义预训练模型并配置它以适合你的目标任务。定义模型包括一系列重要决策，包括选择适当的架构、定制模型
新缸中之脑·2023-11-19 12:54

PyTorch微调终极指南2：提升模型的准确性

本文是Pytorch微调终极指南系列的第二部分，第一篇点击这里。在线工具推荐：Three.
新缸中之脑·2023-11-19 12:54

PyTorch微调权威指南3：使用数据增强

如果你曾经参与过PyTorch模型的微调，可能会遇到PyTorch的内置变换函数，这使得数据增强变得轻而易举。即使你之前没有使用过这些功能，也不必担心。
新缸中之脑·2023-11-19 12:54

【人工智能实验室】2022寒假第二次培训（包含环境配置）

https://pytorch.org
Miracle.W·2023-11-19 12:15

pytorch环境搭建若干

，都是扯淡，有其他地方可以下载python3.9旧版本：https://www.filehorse.com/download-python-64/55317/torch官网的安装提示：https://pytorch.org
飞鸟真人·2023-11-19 10:56

RT-DETR代码学习笔记（DETRs Beat YOLOs on Real-time Object Detection）

论文地址：https://arxiv.org/abs/2304.08069代码地址：GitHub-ultralytics/ultralytics:NEW-YOLOv8inPyTorch>ONNX>OpenVINO
athrunsunny·2023-11-19 09:10

第一次组会汇报（2023/11/18）

目录一，浅谈学习规划二，两个比较典型的注意力机制㈠SEnet⒈结构图⒉机制流程讲解⒊源码（pytorch框架实现）及逐行解释⒋测试结果㈡CBAM⒈结构图⒉机制流程讲解⒊源码（pytorch框架实现）及逐行解释
晴友读钟·2023-11-19 06:08

SEnet注意力机制(逐行代码注释讲解）

目录⒈结构图⒉机制流程讲解⒊源码（pytorch框架实现）及逐行解释⒋测试结果⒈结构图左边是我自绘的，右下角是官方论文的。
晴友读钟·2023-11-19 06:04

【Pychram】怎么在pycharm里切换pytorch和tensorflow等新环境（其他博客）

1.新建项目后选择添加解释器2.选择左侧Conda环境，新版本下的PyCharm如下界面，其中Conda可执行文件选择Anaconda3根目录下的_conda.exe文件，点击加载环境3.直接使用现有环境即可4.创建项目文件，左下角选择TensorFlow_py路径下的解释器5.等待解释器内容更新完毕后，添加代码并执行fromkeras.utilsimportto_categoricalfromk
DJ.马·2023-11-19 05:46

anaconda,cuda,torch,lightning的安装

本博客仅作为初学者参考使用，汇总了多位大牛的博客，如有侵权请联系我删除anaconda,cuda,torch,lightning的安装1、Anaconda2、cuda3、pytorch4、lightning5
张文琪2023·2023-11-19 04:26

pytorch.nn.Conv1d详解

通读了从论文中找的代码，终于找到这个痛点了！以下详解nn.Conv1d方法1参数说明in_channels(int)–输入信号的通道。out_channels(int)–卷积产生的通道。kernel_size(intortuple)-卷积核的尺寸，经测试后卷积核的大小应为in_channels（行）*kernel_size（列）stride(intortuple,optional)-卷积步长pad
张文琪2023·2023-11-19 04:10

【PyTorch】常见错误: RuntimeError: Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor)

错误：RuntimeError:Inputtype(torch.FloatTensor)andweighttype(torch.cuda.FloatTensor)shouldbethesame问题原因：错误内容就在类型不匹配，根据报错内容可以看出Inputtype为torch.FloatTensor（CPU数据类型），而weighttype（即网络权重参数这些）为torch.cuda.FloatT
Alexa2077·2023-11-19 03:55

PyTorch

正常界面创建环境condacreate-nenv_testpython=3.6进入环境condaactivateenv_testpycharm中，创建项目，选择环境
xskukuku·2023-11-19 02:41

003、Nvidia Jetson Nano Developer KIT（b01）-深度学习环境配置

之——深度学习环境目录之——深度学习环境杂谈正文1.各种依赖库1.1pytorch的底层依赖库1.2opencv依赖1.3torchvision0.9.0依赖2.安装pytorch3.安装torchvision
Here we are——wxl·2023-11-19 00:03

Linux下查看pytorch运行时真正调用的cuda版本

而且pytorch在安装时也会自动安装一个对应的版本。正确查看方式：想要查看Pytorch实际使用的运行时的cuda目录，可以直接输出cpp_extension.py中的CUDA_HOME变量。
大龙唉·2023-11-19 00:49

pytorch中几种tensor掩码的获取方法（含代码）

方式一：直接取布尔值输入：target=torch.Tensor([1,0,0,2,0,0,3])mask=(target>0)masked_target=target[mask]print(target)print(mask)print(masked_target)输入：target=torch.Tensor([1,0,0,2,0,0,3])mask=target.ge(0)masked_tar
蘑菇桑巴·2023-11-18 20:21

pytorch深度学习基础（五）——SoftMax函数反向传递公式推导及代码实现

SoftMax函数反向传递公式推导及代码实现SoftMax函数介绍简介公式图像反向传递公式推导当输入坐标与输出坐标相对应时当输入坐标与输出坐标不对应时两种情况合并代码实现一个简单但不严谨的实现正规代码SoftMax函数介绍简介softmax函数是常用的输出层函数，常用来解决互斥标签的多分类问题。当然由于他是非线性函数，也可以作为隐藏层函数使用公式假设我们有若干输入[x1,x2,x3…xn]，对应的
艾醒(AiXing-w)·2023-11-18 19:37

论文阅读（1） —— Character Region Awareness for Text Detection

论文地址：https://arxiv.org/abs/1904.01941Pytorch代码实现https://github.com/clovaai/CRAFT-pytorch自制PPT下载地址：https
じんじん·2023-11-18 18:20

【笔记 Pytorch】稀疏矩阵、scipy.sparse模块的使用

安装：pipinstallscipy描述：就是专门为了解决稀疏矩阵而生。导入模块：fromscipyimportsparse优缺点总结七种矩阵类型描述coo_matrix★【名称】coordinateformat【优点】  ①不同稀疏格式间转换效率高(特别是CSR和CSC)  ②不支持元素的存取和增删，但是易于保存和读取。  ③构建矩阵时，允许坐标重复。【缺点】  ①不能直接运算；  ②不能直接切
坚果仙人·2023-11-17 18:18

【笔记 Pytorch】模型网络结构、网络参数可视化

文章目录查看网络结构打印方式torchsummary方式（输入格式不好控制）print方式（简便，存在输出顺序与执行顺序不一致的问题）可视化方式HiddenLayerPytorchVIZtensorboardX
坚果仙人·2023-11-17 18:18
上一页 59 60 61 62 63 64 65 66 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他