logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

[模型基础] 卷积神经网络

二维卷积神经网络在宽度和高度两个方向上移动,要求:卷积核的通道数与输入通道数一致;卷积核的个数与输出通道数一致。效果如下:torch.nn.Conv2d(in_channel, out_channel, kernel_size,stride,bias,padding)其中,in_channel, out_channel, kernel_size必须得写。kernel_size1=3, 表示卷积核大

#cnn#深度学习
[Pycharm] Python Console | Terminal

Python Console适合对代码进行调试时使用,右侧可以看见变量及值。当切换不同的运行环境时,重启Python Console可以切换环境,可以看见此时的环境。Terminal相当于cmd的命令行操作。如果直接点击“+”,使用的是本机环境Local,可以在Local中切换本机安装的不同的虚拟环境。如果想要使用远程连接的服务器的环境,在setting中添加解释器后,Tools->Star

#python#pycharm
python | vscode | cursor | 使用uv快速创建虚拟环境(实现一个项目一个虚拟环境,方便环境管理)

从笨重的pycharm转到vscode。vscode是编辑器,虽然可以安装各种extension,还是需要安装python解释器。

#python#vscode#uv
Optimizer 优化器

在import torch之后,torch.optim中包含了多种优化器,用于算法的优化,例如更新参数等。常见的优化器有SGD、Adam、Adagrad,需要参数传进去并优化,后续通过optimizer.step()可以实现每步训练完模型之后,都进行参数的优化更新。optimizer = torch.optim.Adam(model.parameters(), lr=0.01, weight_de

#pytorch#深度学习#人工智能
[Python][sklearn] 使用from sklearn.neighbors import NearestNeighbors计算相似度

代码如下:from sklearn.neighbors import NearestNeighborsimport numpy as npX = np.array([[-1,-1],[-2,-1],[-3,-1],[1,1],[2,1],[3,2]])nbrs = NearestNeighbors(n_neighbor

#sklearn#python
[torch] torch.repeat维度复制

例子:先创建a:再创建b:将b进行repeat,得到c:b的维度是:[1,2,1,3]c = b.repeat(1,1,5,1)的含义是,在0维度重复1次,在1维度重复1次,在2维度重复5次,在3维度重复1次(重复1次,即不重复);相当于把b的这一维度的值复制1次复制给c。参考:torch.repeat 张量维度复制:https://www.csdn.net/tags/MtTaIgysODAyND

#pytorch#深度学习#人工智能
numpy切片(连续切片、不连续切片)

>>> a = np.arange(10).reshape(2,5)array([[0, 1, 2, 3, 4],[5, 6, 7, 8, 9]])>>> a[:1,:3]array([[0, 1, 2]])>>> a[:2,:3]array([[0, 1, 2]])>>> a[:,:3]array([[0, 1, 2]])&

#python
[PyTorch] RuntimeError: CUDA out of memory | GPU多卡使用

在程序最开始:使用单卡(前面也只写一个GPU),将数据和模型放到GPU上:使用多卡,针对模型,进行并行化处理:

#pytorch#深度学习#人工智能
[MathType] MathType不同格式的定义设置

在MathType“样式-定义”中,可以对数学、文本、函数、变量等不同类型进行定义,定义好之后,后续在公式编辑的时候,可以根据定义好的格式进行选择即可。参考:MathType部分加粗如何实现:https://www.mathtype.cn/jiqiao/bufen-jiacu.html......

#pytorch#深度学习#人工智能
[Pytorch] Pytorch深度学习实践 | 模型代码

纸上得来终觉浅,绝知此事要躬行。最近在学Pytorch和深度学习实践类的课程,老师讲得真的很不错呀,醍醐灌顶,感觉之前云里雾里的很多东西都清楚了,墙裂推荐。刘二大人-PyTorch深度学习实践:https://space.bilibili.com/21241234/channel/detail?cid=110513相关的两个博客,记录有代码和笔记:[1] https://blog.csdn.net

#深度学习#pytorch
    共 23 条
  • 1
  • 2
  • 3
  • 请选择