torch张量

Pytorch中torch.gather和torch.scatter函数理解

torch.gather()torch.gather(input,dim,index,*,sparse_grad=False,out=None)→Tensor参数解释：input(Tensor)–thesourcetensordim
尘世猫·2024-09-05 06:40

pytorch实战-7图像风格迁移

1什么是风格迁移howto：还是cnn，输入是图像，输出和上一章相比，不是数字，而是图像。意义：给一张图像输入，可以输出指定风格化处理的图像2风格迁移发展简史早期针对图像局部特征（纹理生成）或特定风格/场景建立模型，迁移时通过套用模型提取图片纹理或转化风格。缺点是特征/风格单一，无法通用。2015lerogatys尝试用神经网络做风格迁移，效果很好，并成为了主流。神经网络做风格迁移前，主要有纹理生
新世纪摸鱼战士678·2024-09-04 18:02

深度学习算法——Transformer

参考教材：动手学pytorch一、模型介绍Transformer模型完全基于注意力机制，没有任何卷积层或循环神经网络层。
fw菜菜·2024-09-04 18:31

pytorch利用简单CNN实现葡萄病虫害图片识别

2实现思路实现思路是想通过pytorch做一个CNN模型的训练，然后根据给出的图片进行类型的预测。3数据集我没有数据集，仅有的一些图片是之前委托我做程序的bro给的
麦麦大数据·2024-09-04 16:19

深度学习入门：使用 PyTorch 构建和训练你的第一个神经网络

PyTorch是一个强大的深度学习框架，它提供了灵活的API和动态计算图，非常适合初学者和研究者使用。安装PyTorch确保安装了Python和pip。
Mr' 郑·2024-09-04 13:29

java正则表达式提取字符串中的序号，BAT大厂面试总结

四面交叉面：模型上线时应该注意的事，如果请求过高模型服务挂了怎么办，tensorflow和torch的区别，如何降低模型复杂度
qq_38514574·2024-09-04 09:59

pytorch pyro更高阶的优化器会使用更高阶的导数，比如二阶导数（Hessian矩阵）

在机器学习和深度学习中，优化器是用来更新模型参数以最小化损失函数的算法。通常，优化器会计算损失函数相对于参数的一阶导数（梯度），然后根据这些梯度来更新参数。但是，更高阶的优化器会使用更高阶的导数，比如二阶导数（Hessian矩阵），来指导参数的更新关于使用更高阶导数的优化器基类的描述。在机器学习和深度学习中，优化器是用来更新模型参数以最小化损失函数的算法。通常，优化器会计算损失函数相对于参数的一阶
zhangfeng1133·2024-09-04 08:57

免费GPU平台教程，助力你的AI, pytorch tensorflow 支持cuda

Colab：https://drive.google.com/drive/home阿里天池实验室：https://tianchi.aliyun.com/60个小时gputianchi.aliyun.com/notebook-ai/天池实验室_实时在线的数据分析协作工具，享受免费计算资源-阿里云天池移动九天：https://jiutian.10086.cn/edu/#/homekagglekaggl
zhangfeng1133·2024-09-04 08:57

Pytorch问题处理：Pytorch distributed RuntimeError: Address already in use

Pytorch报错如下：PytorchdistributedRuntimeError:Addressalreadyinuse原因：模型多卡训练时端口被占用，换个端口就好了。
道纪书生·2024-09-04 06:42

使用Dockerfile构建一个包含NVIDIA的PyTorch和Detectron2的镜像

查看Dockerfile以下是详细的解释：#使用更具体的标记来固定基础镜像版本，确保环境一致性FROMnvcr.io/nvidia/pytorch:23.01-py3#设置工作目录和环境变量WORKDIR
fydw_715·2024-09-04 06:11

并行处理的艺术：深入探索PyTorch中的torch.nn.parallel模块

标题：并行处理的艺术：深入探索PyTorch中的torch.nn.parallel模块在深度学习领域，模型的规模和复杂性不断增长，这要求我们利用所有可用的计算资源来加速训练和推理过程。
杨哥带你写代码·2024-09-04 06:10

【深度学习 transformer】使用pytorch 训练transformer 模型,hugginface 来啦

它由几个关键组件组成：Transformers：这是一个基于PyTorch的库，提供了各种预训练的NLP模型，如BERT、GPT、RoBERTa、DistilBERT等。
东华果汁哥·2024-09-04 06:39

caffe/PyTorch/TensorFlow 在Jupyter Notebook GPU中运用

在JupyterNotebook中使用Caffe框架并利用GPU加速，可以实现多种效果和目的，主要集中在深度学习领域。以下是一些主要的应用场景：快速训练模型：GPU加速可以显著提高模型训练的速度。对于大型数据集和复杂的神经网络结构，使用GPU可以大大减少训练时间。实时数据增强：在训练过程中，可以实时地对输入数据进行变换和增强，以提高模型的泛化能力。GPU加速使得这些操作更加高效。大规模数据处理：深
俊俏的萌妹纸·2024-09-04 04:26

LLM手撕

LayerNormimporttorchfromtorchimportnnclassLayerNorm(nn.Module):def__init__(self,hidden_size,eps=1e-6)
比起村村长·2024-09-04 04:26

【Python机器学习】卷积神经网络（CNN）的工具包

Torch在Python里面也有一个对应的API是PyTorch。这些框架都是高度抽象的工具集，适用于从头构建模型。Python社区开发了一些第三方库来简化这些底层架构的使用。
zhangbin_237·2024-09-04 01:38

TorchText宝典：解锁PyTorch下的NLP炼金术

标题：TorchText宝典：解锁PyTorch下的NLP炼金术在深度学习与自然语言处理(NLP)的交叉领域中，PyTorch已经成为了一个强大的工具。
2401_85702623·2024-09-04 01:06

pytorch模型保存及加载参数恢复训练的例子

一、示例这里是一个示例，展示如何保存和加载模型、优化器的状态以恢复训练：保存与加载模型和优化器状态的示例importtorchimporttorch.nnasnnimporttorch.optimasoptim
静心问道·2024-09-03 21:44

调度器scheduler保留什么参数

在PyTorch中，学习率调度器（scheduler）用于动态调整优化器的学习率。调度器的状态文件保存了在训练过程中与学习率调度相关的信息。
静心问道·2024-09-03 21:44

AI深度学习项目-yolo4_tiny 垃圾分类识别系统

技术栈深度学习框架：PyTorch目标检测算法：YOLOv4-tiny编程语言：Python硬件加速：GPU（如果可用）功能特
毕设宇航·2024-09-03 13:20

ValueError: Expected parameter scale (Tensor of shape (2854529,)) of distribution Normal(loc: torch.

正态分布，尺度需要大于0，解决办法scale=F.softplus(scale)Traceback(mostrecentcalllast):Theaboveexceptionwasthedirectcauseofthefollowingexception:Traceback(mostrecentcalllast):File"/home/aistudio/bnn_pyro_fso_middle_2_
zhangfeng1133·2024-09-02 10:44

sentence-bert_pytorch语义文本相似度算法模型

目录Sentence-BERT论文模型结构算法原理环境配置Docker（方法一）Dockerfile（方法二）Anaconda（方法三）数据集训练单机多卡单机单卡推理result精度应用场景算法类别热点应用行业源码仓库及问题反馈参考资料Sentence-BERT论文Sentence-BERT:SentenceEmbeddingsusingSiameseBERT-Networkshttps://ar
技术瘾君子1573·2024-09-02 10:12

学习日志26

#coding:utf-8#In[1]:importgymimportcollectionsimportrandomimporttorchimporttorch.nn.functionalasFimportnumpyasnpimportmatplotlib.pyplotaspltfromtqdmimporttqdmimportpennylaneasqmlfromtorch.utils.tensor
Simon#0209·2024-09-02 09:04

通义千问-VL-Chat-Int4

安装要求(Requirements)python3.8及以上版本pytorch2.0及以上版本建议使用C
九品神元师·2024-09-01 20:42

语义补全学习笔记

自动驾驶VoxFormerVoxFromer仅通过2D图像，不依赖点云数据，能预测完整的3D几何形状和语义信息GitHub-NVlabs/VoxFormer:OfficialPyTorchimplementationofVoxFormer
AI算法网奇·2024-09-01 17:53

番外-PyTorch细节知识

文章目录一、torch.nn.Parameter1.1Parameter与buffer的区别1.2nn.Module类中实现注册Parameter的机制二、Pytorch中的Tensor,Variable
ModelBulider·2024-09-01 12:52

全流程Python编程、机器学习与深度学习实践技术应用

特别是PyTorch，凭借其灵活性和高效性，成为科研人员和工程师的首选工具。
为为-180-3121-1455·2024-09-01 12:49

使用docker从零构建python、cuda、pytorch等环境

一、docker和nvidia-docker安装本机先安装docker，然后安装nvidia-docker（在docker中使用gpu需要安装nvidia-docker，同时本机需要有nvidia显卡驱动，且该驱动版本要支持docker里面的cuda版本）。本机安装nvidia-docker后，不需要再在docker容器中安装nvidia显卡驱动，便可使用gpu（另外有一种说法，可以直接在dock
ken_asr·2024-09-01 11:14

Official pytorch implementation of “Mamba-YOLO：SSMs-based for Object Detection”

#pipinstallrequiredpackagescondacreate-nmambayolo-ypython=3.11condaactivatemambayolopip3installtorch=
weixin_42918943·2024-09-01 11:43

【pytorch】TensorBoard的使用

虽然它是为TensorFlow设计的，但也可以与其他深度学习框架（如PyTorch）一起使用。
hhhhhhkkkyyy·2024-09-01 10:09

PyTorch nn.MSELoss() 均方误差损失函数详解和要点提醒

文章目录nn.MSELoss()均方误差损失函数参数数学公式元素版本要点附录参考链接nn.MSELoss()均方误差损失函数torch.nn.MSELoss(size_average=None,reduce
Hoper.J·2024-09-01 01:14

pytorch view 函数介绍

view是PyTorch中用于改变张量形状（tensorshape）的函数。与其他形状转换操作不同的是，view并不改变张量的数据，而是返回一个新的张量，该张量与原始数据共享内存。
qq_27390023·2024-09-01 01:43

pytorch中的nn.MSELoss()均方误差损失函数

一、nn.MSELoss()是PyTorch中的一个损失函数，用于计算均方误差损失。均方误差损失函数通常用于回归问题中，它的作用是计算目标值和模型预测值之间的平方差的平均值。
AndrewPerfect·2024-09-01 01:42

PyTorch库学习之torch.nn.functional.interpolate(函数)

PyTorch库学习之torch.nn.functional.interpolate(函数)一、简介torch.nn.functional.interpolate是PyTorch中用于对张量进行上采样或下采样的函数
Midsummer-逐梦·2024-08-31 21:22

数据切分的艺术：使用PyTorch的torch.utils.data.random_split精粹指南

数据切分的艺术：使用PyTorch的torch.utils.data.random_split精粹指南在机器学习项目中，合理地分割数据集至关重，它不仅关系到模型训练的有效性，还直接影响到模型的泛化能力。
2402_85758349·2024-08-31 21:19

PyTorch库学习之torch.repeat_interleave函数

PyTorch库学习之torch.repeat_interleave函数一、简介torch.repeat_interleave是PyTorch库中的一个函数，它用于重复张量中的元素。
Midsummer-逐梦·2024-08-31 21:19

AI自动采集教学行为——用AI来做机器学习部分和深度学习部分（含torch和cuda）包含机器学习模型和bert模型的使用

文章目录数据清洗机器学习深度学习代码没问题之后的文件下载bert环境配置太麻烦，改用飞浆的bert飞浆失败-接着bert，用谷歌AIbert的使用数据清洗要遍历当前文件夹下从1.x1sx到8.x1sx的所有文件，提取“句子”列，‘标注’列和‘上下文情境’这三列按顺序把excel中的这三列拼接在一起。合并输出成一个xlsx文件。importosimportpandasaspd#获取当前脚本所在的目录
东方-教育技术博主·2024-08-31 11:13

Linux下Caffe、Docker、Tensorflow、PyTorch环境搭建(CentOS 7)

文章作者：Tyan博客：noahsnail.com|CSDN|注：模型的训练、测试、部署都可以通过Docker环境完成，环境问题会更少。1.CUDA8.0安装CUDA8.0Configenvvariables#CUDAPATHexportPATH="/usr/local/cuda-8.0/bin:$PATH"#CUDALDLIBRARY_PATHexportLD_LIBRARY_PATH="/us
SnailTyan·2024-08-31 09:06

TensorFlow 的基本概念和使用场景。

它基于数据流图的概念，其中节点表示数学操作，边表示多维数组（张量）的流动。TensorFlow的基本概念包括：1.张量（Tensors）：在TensorFlow中，数据以张量的形式表示。
WangLinXX·2024-08-31 06:07

[模型部署] ONNX模型转TRT模型部分要点

torch.onnx.export(model,(dummy_in
lainegates·2024-08-31 04:19

深度学习系列70：模型部署torchserve

1.流程说明ts文件夹下，从launcher.py进入，执行jar文件。入口为model_server.py的start()函数。内容包含：读取args，创建pid文件找到java，启动model-server.jar程序，同时读取log-config文件，TEMP文件夹地址，TS_CONFIG_FILE文件根据cpu核数、gpu个数，启动多进程。每个进程有一个socket_name和socket
IE06·2024-08-31 00:25

Bert中文预训练模型（Bert-base-chinese）

介绍Bert-base-chinese模型是一个在简体和繁体中文文本上训练得到的预训练模型，具有以下特点：12个隐层输出768维张量12个自注意力头110M参数量该模型的主要作用是获取每个汉字的向量表示
好好学习Py·2024-08-30 22:14

10分钟学会Docker的安装和使用

2.2.2Ubuntu安装2.3验证安装是否成功3Docker镜像（DockerImages）3.1镜像简介3.2镜像操作常用指令4Docker容器4.1容器简介4.2容器操作常用指令5DIY一个自己的Pytorch
明月醉窗台·2024-08-30 16:31

torch1.7.0之后 c++ 丢弃了＜THC/THC.h＞ THCState的修改

//#include//"torch"库从1.11.0版本开始，就不再支持使"THC/THC.h"头文件了//https://www.coder.work/article/7897377//替换为下面两个
智维探境·2024-08-30 15:30

昇思25天学习打卡

@[TOC]《昇思25天学习打卡营第02天|lulul》张量Tensor张量tensor是在机器学习和深度学习中广泛应用的数据概念，张量是多维数组的泛化，能够表示标量（0维张量）、向量（1维张量）、矩阵
十分钟ll·2024-08-30 15:28

动手学深度学习（pytorch）学习记录20-自定义层[学习记录]

在深度学习中，自定义层是指开发者根据特定需求编写的神经网络层，而不是使用深度学习框架（如PyTorch、TensorFlow等）提供的现成层。自定义层可以让模型更加灵活，以适应特定的任务或数据集。
walfar·2024-08-30 13:13

动手学深度学习（pytorch）学习记录21-读写文件(模型与参数)[学习记录]

目录加载和保存张量加载和保存模型参数保存模型的好处众多，涵盖了从开发到部署的整个机器学习生命周期。节省资源：训练模型可能需要大量的时间和计算资源。保存模型可以避免重复训练，从而节省时间和计算资源。
walfar·2024-08-30 12:42

PyTorch深度学习实战（26）—— PyTorch与Multi-GPU

本文将介绍PyTorch中分布式与并行的常见方法，读者需要注意这二者的区别，并关注它们在使用时的注意
shangjg3·2024-08-30 12:10

PyTorch 基础学习（14）- 归一化

系列文章：《PyTorch基础学习》文章索引概述归一化是数据预处理中的重要步骤之一，它可以将数据调整到特定的范围或分布，有助于加速训练并提高模型的性能。在机器学习中，不同的归一化方法适用于不同的场景。
花千树-010·2024-08-30 12:38

PyTorch 基础学习

文章索引：PyTorch基础学习（1）-快速入门PyTorch基础学习（2）-张量TensorsPyTorch基础学习（3）-张量的数学操作PyTorch基础学习（4）-张量的类型PyTorch基础学习
花千树-010·2024-08-30 12:07

把在NPU上训练的pt模型保存为CPU

把在NPU上训练的pt模型保存为CPU#Npu模型路径model=torch.load(opt.pth_path,map_location='cpu')#保存模型torch.save(model,opt.output_pth_path
门前大橋下丶·2024-08-30 09:47
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他