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

【paddle】paddle.jit.save()详解

静态图模型是指一种不包含 Python 运行时的序列化模型,可以在各种平台和设备上高效地部署和运行。通过将 Python 模型保存为静态图模型,我们可以在离线环境中或者无需 Python 环境的场景下使用模型,同时还可以获得更好的性能和稳定性。其中,layer 参数表示待保存的模型,可以是一个 Layer 类型的实例或者一个包含多个 Layer 的字典;path 参数表示模型保存的路径,可以是一个

文章图片
#paddle#python#人工智能
系统重装后,Anaconda和Miniconda直接从硬盘恢复方法

系统重装后,Anaconda和Miniconda直接从硬盘恢复方法。

文章图片
#python#linux#开发语言
C++中list的使用,及使用list来实现java中的ArrayList

使用过java的小伙伴一定学习过ArrayList这个集合,java给我们提供了丰富的操作,但是C++里只能自己造轮子,因此学习了C++中list的使用,下面分享一些常用的相关操作。有些操作还未实现,待后期完善。#include <iostream>#include <list>// 引入list模块using namespace std;// 太多文章都是使用最基本的in

#java#c++#list
python显示GPU信息,以及pytorch训练时,自动分配显存占用低的GPU

python显示GPU信息,以及pytorch训练时,自动分配显存占用低的GPU多块显卡共同跑深度学习时,有时单个gpu显存被其他线程占用,可能会报如下错误RuntimeError: CUDA error: out of memory可以通过下面分享的代码,显示各个gpu显存占用率,已经自动选用显存占用率低的gpufrom pynvml import *def show_gpu(simlpe=Tr

#python#pytorch#深度学习
【R1正则项】GAN中R1正则项详解

然后,我们对 grad_real 中的每个元素平方,并对其进行求和和平均值计算,得到最终的 R1 正则项 grad_penalty。具体来说,在 R1 正则项中,我们首先计算判别器对真实图像的预测结果,并求出其对输入图像的梯度。其中,R1 正则项是一种通过对判别器的梯度进行惩罚的方法,用于鼓励判别器将生成器生成的图像与真实图像区分开来。需要注意的是,在实际的 GAN 训练中,我们通常会对生成器的输

文章图片
#生成对抗网络#深度学习#机器学习
在linux服务器上使用命令行下载百度网盘中的文件

首先确保linux服务器上安装有python和pip包管理工具1、安装bypy工具pip install bypy2、认证自己的网盘账号bypy info执行命令后会得到一个认证链接,在登陆了网盘账号的浏览器中新建标签页打开链接进行认证。3、授权成功后,我们可以在网盘中的“我的应用数据”目录下看到如下文件夹:将需要下载的文件传到这个文件夹下,然后在linux服务器中执行bypy list 可以查看

#python
PHP使用curl方法post发送json数据

PHP使用curl方法post发送json数据

#php#json#开发语言
[转载]计算机视觉专业名词中英文对照

东西有点多,有点杂,后期需要将没用的去掉,没有的加上Common人工智能 Artificial Intelligence认知科学与神经科学Cognitive Science and Neuroscience图像处理Image Processing计算机图形学Computer graphics模式识别Pattern Recognized图像表示Image Representation立体视觉与三维重

#人工智能#深度学习#自动驾驶
学科前沿大作业:三维点云深度学习

三维点云深度学习    摘要:随着3D摄像机的不断发展,以及计算机视觉、自动驾驶等技术的日趋完善,对三维数据的应用越来越迫切。近些年深度学习蓬勃发展,基于3D点云的研究越来越多。点云作为一种能够丰富地表达出三维物体的几何空间信息,拥有巨大的研究价值。本文将介绍基于三维点云的物体识别,语义分割、实例分割的深度学习方法,以及当前所面临的问题和未来可能的发展方向。    关键词:点云;深度学习;计算机视

#深度学习#人工智能#机器学习
    共 11 条
  • 1
  • 2
  • 请选择