pytorch模型训练实用教程第10页

Ascend Extension for PyTorch是个what？

1AscendExtensionforPyTorchAscendExtensionforPyTorch插件是基于昇腾的深度学习适配框架，使昇腾NPU可以支持PyTorch框架，为PyTorch框架的使用者提供昇腾

·2025-02-25 03:53

Python的PyTorch+CNN深度学习技术在人脸识别项目中的应用

人脸识别技术是一种基于人脸特征进行身份识别的生物识别技术，其核心原理包括人脸检测、人脸对齐、特征提取、特征匹配、身份识别。一、应用场景安防：门禁、监控。金融：刷脸支付、身份验证。社交：自动标注、美颜。医疗：患者身份确认、情绪分析。二、关键技术深度学习：CNN在人脸检测、特征提取中表现优异。大数据：大规模数据集（如LFW、MegaFace）提升模型泛化能力。硬件加速：GPU、TPU等加速计算，提升实

mosquito_lover1·2025-02-25 01:07

深度学习入门篇--来瞻仰卷积神经网络的鼻祖LeNet

B站视频讲解:深度学习入门篇:使用pytorch搭建LeNet网络并代码详解实战前言大家在学习神经网络的时候肯定会有这样的感受,有很多的文章和视频,有的文章也很好,但是总是不成体系,总是学起来东一榔锤,

智算学术·2025-02-25 00:31

pytorch3d安装记录

官方安装教程：https://github.com/facebookresearch/pytorch3d/blob/main/INSTALL.md通过pip或conda可以很容易安装上预编译好的包，安装过程不会报错

leo0308·2025-02-24 23:57

基于Python开发的使用多个单视图特征融合的基于图卷积网络（GCN）的肺结节检测系统的示例

我们将使用PyTorch和torch_geometric库来实现图卷积网络，并模拟数据进行演示。步骤概述数据准备：模拟生成多个单视图的肺结节特征数据，并构建图数据。特征融合：将多个单视图特征进行融合。

go5463158465·2025-02-24 20:06

第G9周：ACGAN理论与实战

>-**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]**本人往期文章可查阅：深度学习总结我的环境：语言环境：Python3.11编译器：PyCharm深度学习环境：Pytorchtorch

OreoCC·2025-02-24 18:50

DeepSeek混合精度训练核心技术解析与实践指南

和FP32数据格式，在保证模型精度的前提下实现：40-60%显存占用降低（ResNet50案例：从7.8GB降至4.2GB）1.5-3倍训练速度提升（BERT-Large案例：从8h缩短至5h）突破大模型训练显存瓶颈

燃灯工作室·2025-02-24 15:33

AI环境初识

PyTorch：由Facebook推出，也是一个广受欢迎的开源机器学习库。PyTorc

网络飞鸥·2025-02-24 07:02

pytorch torch.triu函数介绍

torch.triu是PyTorch提供的一个函数，用于生成矩阵的上三角部分。它的名称来源于"triangularupper"（上三角形），作用是将矩阵的下三角部分置为零，只保留对角线及其上方的元素。

qq_27390023·2025-02-24 02:28

F.interpolate函数

F.interpolate是PyTorch中用于对张量（通常是图像数据）进行插值操作的函数，常用于调整张量的大小，例如改变图像的分辨率。它支持多种插值方法，包括最近邻插值、双线性插值和三次插值等。

dringlestry·2025-02-23 21:20

AI如何预测比赛结果：体育预测技术全解析

一、系统架构设计1.整体架构数据采集层数据处理层模型训练层预测服务层应用展示层2.技术选型Python3.8+TensorFlow/PyTorchScikit-learnPandas/NumpyFlask

翱翔的猪脑花·2025-02-23 17:54

大语言模型训练数据集格式

1.SFT（有监督微调）的数据集格式对于大语言模型的训练中，SFT（SupervisedFine-Tuning）的数据集格式可以采用以下方式：输入数据：输入数据是一个文本序列，通常是一个句子或者一个段落。每个样本可以是一个字符串或者是一个tokenized的文本序列。标签数据：标签数据是与输入数据对应的标签或类别。标签可以是单个类别，也可以是多个类别的集合。对于多分类任务，通常使用one-hot编

香菜烤面包·2025-02-23 16:13

大模型训练 && 微调数据格式

1.SFT（有监督微调）的数据集格式？对于大语言模型的训练中，SFT（SupervisedFine-Tuning）的数据集格式可以采用以下方式：输入数据：输入数据是一个文本序列，通常是一个句子或者一个段落。每个样本可以是一个字符串或者是一个tokenized的文本序列。标签数据：标签数据是与输入数据对应的标签或类别。标签可以是单个类别，也可以是多个类别的集合。对于多分类任务，通常使用one-hot

comli_cn·2025-02-23 16:43

深度学习框架与边缘计算融合驱动医疗金融模型优化新路径

当前，TensorFlow、PyTorch等主流框架通过轻量化改造（如TensorFlowLite与PyTorchMobile）逐步适应边缘设备的资源限制，同时结合联邦学习技术构建分布式训练网络。

智能计算研究中心·2025-02-23 11:10

如何下载安装包进行 PyTorch 和 torchvision 的离线安装

如何下载安装包进行PyTorch和torchvision的离线安装在没有互联网连接的环境下安装PyTorch和torchvision可能看起来有点困难，但通过事先下载所需的安装包，我们可以轻松地在任何系统上进行离线安装

长路可遥·2025-02-23 07:36

AI趋势下，软件测试工程师怎么拥抱AI

框架：掌握TensorFlow、PyTorch

悠然的笔记本·2025-02-23 05:24

深度学习之图像回归（二）

（一）主要是帮助迅速入门理清一个深度学习项目的逻辑这篇文章则主要注重在此基础上对于数据预处理和模型训练进行优化前者会通过涉及PCA主成分分析特征选择后者通过正则化数据预处理数据预处理的原因思路链未经过处理的原始数据存在一些问题

zhengyawen666·2025-02-23 05:52

Python中常见库 PyTorch和Pydantic 讲解

PyTorch简介PyTorch是一个开源的深度学习框架，由Facebook的AI研究团队开发。

爱丫爱·2025-02-22 23:40

Python：实现 PyTorch 中训练自定义卷积神经网络模型(CNN)并导出模型为 ONNX 格式，同时使用 ONNX Runtime 进行推理

本文将介绍如何使用PyTorch训练一个简单的卷积神经网络（CNN）模型，并将训练好的模型导出为ONNX格式，之后使用ONNXRuntime在Python中加载并进行推理。

煤炭里de黑猫·2025-02-22 16:40

AIGC训练效率与模型优化的深入探讨

文章目录1.AIGC概述2.AIGC模型训练效率的重要性3.模型优化的概念与目标4.模型优化策略4.1学习率调节4.2模型架构选择4.3数据预处理与增强4.4正则化技术4.5量化与剪枝5.代码示例6.结论人工智能领域的发展

DARLING Zero two♡·2025-02-22 13:18

LangChain-基础(prompts、序列化、流式输出、自定义输出)

LangChain-基础我们现在使用的大模型训练数据都是基于历史数据训练出来的，它们都无法处理一些实时性的问题或者一些在训练时为训练到的一些问题，解决这个问题有2种解决方案基于现有的大模型上进行微调，使得它能适应这些问题

JolyouLu·2025-02-22 10:55

DeepSeek 学习路线图

概率统计：理解贝叶斯理论和概率分布，用于模型训练和推理。微积分：了解优化算法中的梯度下降等概念。2.编程基础Python：掌握Python编程，这是深度学习和AI开发的主要语言

CarlowZJ·2025-02-22 09:14

如何评估代理IP服务对AI大模型训练的影响

2023年某头部AI公司的内部报告显示，在分布式训练场景下，因代理IP配置不当导致的算力浪费平均达15%。工程师们往往更关注GPU型号或算法优化，却容易忽略网络链路这个隐形变量。本文将以可复现的测试方法，拆解代理IP对训练效果的三大影响维度，手把手教您建立科学的评估体系。一、影响因子的精准拆解代理IP对训练效果的影响主要体现在三个层面：‌1.数据流速波动‌当爬虫节点通过代理IP采集训练数据时，实测

·2025-02-22 08:33

YOLOv11快速上手：如何在本地使用TorchServe部署目标检测模型

环境准备在开始之前，确保你的开发环境满足以下要求：Python版本：3.8或以上PyTorch：1.9或以上CUDA：如果使用GPU，加速训练和推理TorchServe：用于模型

SYC_MORE·2025-02-22 07:57

用deepseek学大模型05逻辑回归

deepseek.com:逻辑回归的目标函数，损失函数，梯度下降标量和矩阵形式的数学推导，pytorch真实能跑的代码案例以及模型,数据，预测结果的可视化展示，模型应用场景和优缺点，及如何改进解决及改进方法数据推导

wyg_031113·2025-02-22 00:48

【深度学习】预训练和微调概述

预训练和微调概述1.预训练和微调的介绍1.1预训练（Pretraining）1.2微调（Fine-Tuning）2.预训练和微调的区别预训练和微调是现代深度学习模型训练中的两个关键步骤，它们通常是一个预训练

CS_木成河·2025-02-21 22:35

基于深度学习的钢材表面缺陷检测系统：UI界面 + R-CNN + 数据集

内容涵盖从数据准备、R-CNN模型训练到UI界面设计

深度学习&目标检测实战项目·2025-02-21 21:30

PyTorch torch.logsumexp 详解：数学原理、应用场景与性能优化（中英双语）

PyTorchtorch.logsumexp详解：数学原理、应用场景与性能优化在深度学习和概率模型中，我们经常需要计算数值稳定的对数概率操作，特别是在处理softmax归一化、对数似然计算、损失函数优化等任务时

阿正的梦工坊·2025-02-21 20:22

Vision Transformer图像分类实现

以下是使用PyTorch实现VisionTransformer进行图像分类的步骤。1.安装必要的库首先，确保你已经安装了必要的库：pipinstalltorchtorch

reset2021·2025-02-21 16:13

神经网络模型训练中的相关概念：Epoch，Batch，Batch size，Iteration

一杯水果茶！·2025-02-21 16:39

初识pytorch

一、AI发展史二、什么是深度学习深度学习是机器学习的一个子集。为了更好地理解这种关系，我们可以将它们放在人工智能（AI）的大框架中来看。机器学习是实现人工智能的一种途径，深度学习是机器学习的一个子集，也就是说深度学习是实现机器学习的一种方法。与机器学习算法的主要区别如下图所示：三、扩展1.使用场景1)图像识别和处理2)自然语言处理（NLP）3)音频处理4)视频分析5)游戏和仿真6)自动驾驶汽车7)

m0_73286250·2025-02-21 15:02

Java部署机器学习模型:方案二(基于DJL)

DJL有以下几个方面优势：支持多个底层引擎DJL支持多个底层引擎，包括MXNet、TensorFlow和PyTorch等。

iiilloi·2025-02-21 15:01

机器学习—逻辑回归

目录1、基础概念1.1、什么是逻辑回归1.2、逻辑回归与线性回归的区别1.3应用场景2、逻辑回归模型2.1、模型定义2.2、Sigmoid函数2.3、决策边界2.4、概率解释3、模型训练3.1、损失函数

60岁的程序猿·2025-02-21 14:22

Pytorch实现之GIEGAN（生成器信息增强GAN）训练自己的数据集

简介简介：在训练数据样本之前首先利用VAE来推断潜在空间中不同类的分布，用于后续的训练，并使用它来初始化GAN。与ACGAN和BAGAN不同的是，提出的GIEGAN有一个分类器结构，这个分类器主要判断生成的图像或者样本图像属于哪个类，而鉴别器仅判断图像是来自于生成器还是真实样本。论文题目：GeneratorInformationEnhancementGenerativeAdversarialNet

这张生成的图像能检测吗·2025-02-21 13:43

模型压缩-模型蒸馏、模型剪枝、模型量化

一、模型蒸馏1.1蒸馏简介知识蒸馏是指通过教师模型指导学生模型训练，通过蒸馏的方式让学生模型学习到教师模型的知识，最终使学生模型达到或媲美教师模型的准确度。

NLP的小Y·2025-02-21 08:39

图像检测分析难题？三维天地引入YOLO目标检测技术带来全新解决方案！

然而,传统的图像处理方法面临着诸多挑战,如庞大的数据量、复杂的特征提取、漫长的模型训练周期以及复杂的公式计算等。这些问题不仅限制了检测的效率,还对结果的准确性产生了负面影响。

资讯分享周·2025-02-21 08:02

利用深度学习进行汇率预测：LSTM与Transformer模型的应用实践

第一部分：数据收集与准备1.1数据集介绍1.2数据准备第二部分：使用LSTM模型进行汇率预测2.1数据序列化2.2LSTM模型构建2.3模型训练与评估2.4结果可视化第三部分：使用Transformer

人工智能_SYBH·2025-02-21 06:53

南京大学联合字节开源视频超分辨率增强生成框架，视频清晰度一键提升，支持从低分辨率视频生成高分辨率视频

❤️如果你也关注AI的发展现状，且对AI应用开发非常感兴趣，我会每日分享大模型与AI领域的最新开源项目和应用，提供运行实例和实用教程，帮助你快速上手AI技术，欢迎关注我哦！

蚝油菜花·2025-02-21 05:45

DeepSpeed Chat大模型训练【训练类ChatGPT 的大模型】

第1章：DeepSpeed-Chat模型训练实战本章内容介绍如何使用微软最新发布的DeepSpeedChat来训练类ChatGPT的大模型。通过本章内容，你将了解：DS-Chat是什么？

u013250861·2025-02-20 23:40

代理IP服务如何优化AI大模型训练的分布式计算效率

AI大模型训练就像一场接力赛，每个计算节点都是接力选手，而代理IP则是保证选手们“跑得更稳、交接更顺”的隐形教练。在分布式计算中，效率瓶颈往往不是算力本身，而是数据调度与通信协作的隐性损耗。

·2025-02-20 21:33

ptython setup.py install 设置python包编译时的并行数

通过源码编译安装pytorch3d的时候，直接执行pythonsetup.pyinstall时，默认开的并行数很多，有10几个，直接导致机器卡死。

leo0308·2025-02-20 19:02

HarmonyOS Next数据处理与模型训练优化

本文旨在深入探讨华为鸿蒙HarmonyOSNext系统（截止目前API12）中数据处理与模型训练优化相关技术细节，基于实际开发实践进行总结。

·2025-02-20 17:51

深度学习工厂的蓝图：拆解CUDA驱动、PyTorch与OpenCV的依赖关系

想象一下，你正在建造一座深度学习工厂，这座工厂专门用于高效处理深度学习任务（如训练神经网络）和计算机视觉任务（如图像处理）。为了让工厂顺利运转，你需要搭建基础设施、安装设备、设置生产线，并配备控制台来管理整个生产过程。以下是这座工厂的详细构建过程：1.工厂的基础设施：Ubuntu比喻：Ubuntu是工厂所在的土地和建筑，提供了基础设施和运行环境。作用：提供操作系统环境，支持安装和运行各种工具和框架

时光旅人01号·2025-02-20 17:46

YOLOv8 Pose使用RKNN进行推理

二、ONNX推理1.首先需要先将Pytorch模型转换为Onnx模型，下载pt模型这里给出官方的权重下载地

い不靠譜︶朱Sir·2025-02-20 15:30

【CUDA】Pytorch_Extensions

【CUDA】Pytorch_Extensions为什么要开发CUDA扩展？

joker D888·2025-02-20 15:28

本地搭建小型 DeepSeek 并进行微调

1.环境准备Python3.7或更高版本PyTorch1.8或更高版本CUDA(可选，用于GPU加速)Git2.克隆DeepSeek仓库bash复制gitclonehttps://github.com/

非著名架构师·2025-02-20 15:55

Transformer 模型架构

以下是详细解释：1.架构vs框架的区别概念定义示例模型架构定义神经网络的结构设计Transformer、CNN、RNN开发框架提供实现模型的工具和库PyTorch、TensorFlow2.Transformer

2401_89793006·2025-02-20 15:24

【自然语言处理|迁移学习-08】：中文语料完型填空

文章目录1中文语料完型填空任务介绍2数据集加载及处理3定义下游任务模型4模型训练5.模型测试1中文语料完型填空任务介绍任务介绍：完成中文语料完型填空完型填空是一个分类问题，[MASK]单词有21128种可能数据构建实现分析

爱学习不掉头发·2025-02-20 14:50

BP 神经网络在考古数据分析中的应用

通过丰富的代码示例展示了如何运用BP神经网络进行考古文物的分类鉴定、年代预测以及遗址空间分布分析等任务，涵盖数据预处理、网络构建、模型训练与评估等关键环节。

fanxbl957·2025-02-20 13:42

如果MLlib 中没有所需要的模型，如何使用 Spark 进行分布式训练？

如果MLlib中没有你所需要的模型，并且不打算结合更强大的框架（如TensorFlowOnSpark或Horovod），仍然可以使用Spark进行分布式训练，但需要手动处理训练任务的分配、数据准备、模型训练

是纯一呀·2025-02-20 08:57

推荐频道

pytorch模型训练实用教程