这里写目录标题一级目录二级目录三级目录一级目录二级目录三级目录

faiss的python接口使用1. 简介2. 安装3. 示例1. 简介faiss是一种ann（Approximate Nearest Neighbor）库，可以用于特征的入库，检索。不仅可以在cpu上使用，还可以利用GPU进行检索，提高检索的速度。具体可以参考：https://github.com/facebookresearch/faiss2. 安装cpu版本，适用于各个系统pip insta

目录1. pytorch正常使用多GPU的方式2. 报错：RuntimeError: Expected tensor for argument #1 'input' to have the same device as ...2.1 问题描述2.2 问题分析3. 总结1. pytorch正常使用多GPU的方式# 导入需要的库import torchimport torch.nn as nn...

直接打开链接 https://raw.githubusercontent.com/tloen/alpaca-lora/main/alpaca_data_cleaned_archive.json，然后全选页面复制，再保存到新建的文件里。这里我们要基于LLAMA-7B做指令微调，所以要先下载模型权重，并作一系列转换。可以看到，经过指令微调之后，模型已经可以正常回答我们的问题了。（当然，这里可能会遇到网

faiss的python接口使用1. 简介2. 安装3. 示例1. 简介faiss是一种ann（Approximate Nearest Neighbor）库，可以用于特征的入库，检索。不仅可以在cpu上使用，还可以利用GPU进行检索，提高检索的速度。具体可以参考：https://github.com/facebookresearch/faiss2. 安装cpu版本，适用于各个系统pip insta

numpy实现卷积层

目录1. Numpy实现2. Pytorch实现3. nn.CrossEntropy的weight参数1. Numpy实现import torchimport numpy as npfrom torch.nn import functional as F# 定义softmax函数def softmax(x):return np.exp(x) / np.sum(np.exp(x))# 利用numpy

目录一. Sobel二. Canny一. Sobel1. 简介Sobel算子利用一个横轴方向的算子和纵轴方向的算子，分别求得图像的梯度，再加权求和。横轴方向的算子为:纵轴方向的算子为：（注意：这里正负号在左边还是邮编并无影响，因为最后计算的时候会取左右或者上下之差的绝对值）2. 举例说明假设现在有输入，如下所示：以a13点为例，横轴方向计算:可得：Gx =| (a9 - a7) +(a14 - a

目录一. 图像转为视频二. 读取摄像头一. 图像转为视频import cv2import ossave_name = 'demo.avi'fourcc = cv2.VideoWriter_fourcc(*'DIVX')fps = 30width = 1920height = 1080out = cv2.VideoWriter(save_name, fourcc, fps, (width, heig

目录一.pytorch版本二. numpy实现三. 总结一.pytorch版本pytorch版本为1.7.1sizes和aspect_ratio设置如下代码所示：from torchvision.models.detection.rpn import AnchorGeneratoranchor_generator = AnchorGenerator(sizes=((32, 64, 128),),a