1.github官网下载源码2.配置深度学习环境3.下载模型4.照片上色代码from deoldify import devicefrom deoldify.device_id import DeviceId#choices:CPU, GPU0...GPU7device.set(device=DeviceId.GPU1)from deoldify.visualize import *plt.sty

本文主要通过Anaconda来配置tensorflow-gpu环境，介绍了如何新建虚拟环境，下载cuda，cudnn，tensorflow-gpu，以及判断是否安装成功，最后介绍了在pycharm中新建项目来配置虚拟环境。

本文介绍了docker容器配置深度学习环境，运行deeplabv3项目，提交容器，保存镜像的操作

本文主要通过Anaconda来配置tensorflow-gpu环境，介绍了如何新建虚拟环境，下载cuda，cudnn，tensorflow-gpu，以及判断是否安装成功，最后介绍了在pycharm中新建项目来配置虚拟环境。

迁移学习前言一、经典的卷积神经网络二、迁移学习的目标三、好处四、步骤五、代码前言在深度学习训练的过程中，随着网络层数的提升，我们训练的次数，参数都会提高，训练时间相应就会增加，我们今天来了解迁移学习一、经典的卷积神经网络在pytorch官网中，我们可以看到许多经典的卷积神经网络。附官网链接：https://pytorch.org/这里简单介绍一下经典的卷积神经发展历程1.首先可以说是卷积神经网络的

本文介绍了docker容器配置深度学习环境，运行deeplabv3项目，提交容器，保存镜像的操作

一个窗口，两张图片

次数，参数，输出张量的size

1.加载数据集，并对数据集进行增强，类型转换官网cifar10数据集附链接：https://www.cs.toronto.edu/~kriz/cifar.html读取数据过程中，可以改变batch_size和num_workers来加快训练速度transform=transforms.Compose([#图像增强transforms.Resize(120),transforms.RandomHor

本文主要通过Anaconda来配置tensorflow-gpu环境，介绍了如何新建虚拟环境，下载cuda，cudnn，tensorflow-gpu，以及判断是否安装成功，最后介绍了在pycharm中新建项目来配置虚拟环境。