撰写于:  浏览:160 次  分类:网站公告
随着网站流量越来越大,十分感谢大家对本站的支持!为了给大家更多的学习指导,我决定搞深度学习公开课。这个深度学习公开课是免费的,任何人都可以参加,一年只举办两次,分布在春季的3月25日和秋季的10月25日晚上9点到10点。大家通过腾讯会议就可以参加的。我大约在24岁那年发现了数学考试的“漏洞”,从此之后,数学成为我的强项,数学改变了我的命运。后来,深[...]

撰写于:  浏览:1156 次  分类:PyTorch 教程
提示:本文更新于2024年9月27日PyTorch是一个由Facebook的人工智能研究团队开发的开源深度学习框架,发布于2016年。如今PyTorch已经成为全球最流行的深度学习框架,建议大家以PyTorch为主,谨慎选择TensorFlow或者Paddle(百度飞桨)。1、PyTorch最新版本是多少?当前PyTorch的最新版本是:PyTor[...]

撰写于:  浏览:25316 次  分类:AI数学电子书
1、封面介绍2、出版时间2021年1月3、推荐理由人工智能深度学习领域经典教程,AI程序员的数学参考书,透彻理解机器学习算法,从数学层面搞懂核心算法原理的逻辑,python程序讲解,众多专家学者力荐本书的目标是帮助读者全面、系统地学习机器学习所必须的数学知识。全书由8章组成,力求精准、最小地覆盖机器学习的数学知识。包括微积分,线性代数与矩阵论,**[...]

撰写于:  浏览:276 次  分类:创业杂谈
我目前做了一款考研数学相关的产品,想找一名兼职,负责产品的推广和用户服务。具体要求如下:(1)热爱数学,熟悉考研数学相关考点。(2)研究生学历,研一、研二学生或者在职人员都可以。(3)有较多的空闲时间。试用期三个月,500元/月。转正之后,1000元/月。每个季度会根据产品的销售情况,进行分红奖励。如果你感兴趣,请与我联系:

撰写于:  浏览:290 次  分类:网站公告
备注:本文更新于2024年10月10日很早之前,大约在2020年左右,我就想做一个关于面试的项目,后来在2022年开春之后正式启动了这个项目,并且我独自完成了网站的功能开发。当时,我组建了一个工作室来运营这个项目。大约半年的时间,这个工作室就解散了,因为我找不到发展的方向,每个月给人发工资的压力很大。最近几年一直忙着接各种AI相关的外包,在今年7月[...]

撰写于:  浏览:140 次  分类:PyTorch GPU 并行训练
CUDA_VISIBLE_DEVICES环境变量的简单介绍CUDA 编程模型中的环境变量在 CUDA 应用程序开发中具有重要作用,如需使用,需要在程序运行前在系统中进行设置。环境变量 CUDA_VISIBLE_DEVICES 用于指定 CUDA 应用程序将在哪些 GPU 设备上运行,通常用于控制程序在多 GPU 系统上的 GPU 使用情况,对于单 [...]

撰写于:  浏览:106 次  分类:PyTorch GPU 并行训练
在PyTorch中,DataParallel 是一个模块,它允许你在多个GPU上分布式地训练模型。为了让输入数据自动移动到GPU,你需要做的是将模型和数据包装在 DataParallel 中。以下是一个简单的例子,展示如何使用 DataParallel:import torch import torch.nn as nn from torch.ut[...]

撰写于:  浏览:119 次  分类:PyTorch 教程
前言做为深度学习从业者,最基本的要求是要会配置PyTorch的开发环境。我们在配置环境的时候都知道有显卡驱动、CUDA、cuDNN、CUDA Toolkit、PyTorch等组件,而且不同的组件还有不同的版本,搞得人十分头大,彻底明白这些东西如何选择和配置对我们来说是十分有必要的,下面我给大家介绍一下这些组件的定义与相互关联。显卡驱动(GPU Dr[...]

撰写于:  浏览:179 次  分类:PyTorch 教程
transforms.normalize()函数介绍transforms属于torchvision模块的方法,它是常见的图像预处理的方法,以提升泛化能力。transforms包括的数据预处理方法有:数据中心化、数据标准化、缩放、裁剪、旋转、翻转、填充、噪声添加、灰度变换、线性变换、仿射变换、亮度、饱和度及对比度变换等transforms.norma[...]

撰写于:  浏览:167 次  分类:PyTorch 教程
在深度学习中,卷积神经网络用于处理图像。为了构建训练神经网络,我们需要处理大量图像。有几种方法可以在 PyTorch 中加载计算机视觉数据集,具体取决于数据集的格式和项目的具体要求。一种流行的方法是使用内置的 PyTorch 数据集类,例如 torchvision.datasets。它提供了一种方便的方法来加载和预处理常见的计算机视觉数据集,例如C[...]

撰写于:  浏览:153 次  分类:PyTorch 教程
数据准备import torch import torch.nn as nn import numpy as np import matplotlib.pyplot as plt # Set random seed for reproducibility np.random.seed(0) torch.manual_seed(0) # Gene[...]

撰写于:  浏览:230 次  分类:PyTorch 教程
代码如下:import torchvision from PIL import Image import torchvision.transforms as transforms from matplotlib import pyplot as plt from torchvision.models.feature_extraction impor[...]

撰写于:  浏览:206 次  分类:PyTorch 教程
在深度学习项目中,数据的预处理、加载和批处理是至关重要的步骤。PyTorch 提供了多个实用工具以简化这些过程,其中TensorDataset和DataLoader是最常用的类之一。TensorDataset和DataLoader是 PyTorch 中处理数据的强大工具,它们简化了数据加载和批处理的复杂性,是进行深度学习模型训练时不可或缺的组件。掌[...]

撰写于:  浏览:189 次  分类:PyTorch 教程
在深度学习的训练过程中,经常需要调整模型的学习率以及其他超参数。PyTorch 提供了调度器(scheduler)来自动调整学习率,这对于优化模型的训练过程非常重要。PyTorch 提供了多种学习率调度器,常用的有 StepLR、MultiStepLR、ExponentialLR、CosineAnnealingLR 等。StepLR 调度器将学习率[...]

撰写于:  浏览:184 次  分类:PyTorch 教程
在pytorch中,提供了一种十分方便的数据读取机制,即使用torch.utils.data.Dataset与torch.utils.data.DataLoader组合得到数据迭代器。在每次训练时,利用这个迭代器输出每一个batch数据,并能在输出时对数据进行相应的预处理或数据增强等操作。1、torch.utils.data.Datasettorc[...]

撰写于:  浏览:212 次  分类:PyTorch GPU 并行训练
在深度学习中,使用GPU来加速模型训练是非常重要的,因为GPU相比于CPU具有更强大的并行计算能力。PyTorch提供了简单易用的方法来在GPU上执行计算,本文将详细介绍如何在PyTorch中利用GPU加速模型训练。检测GPU是否可用在使用GPU加速前,我们首先需要检测系统中是否有可用的GPU设备。PyTorch提供了一个方便的方法来检测GPU是否[...]

撰写于:  浏览:205 次  分类:PyTorch 教程
对于Variable的态度,PyTorch官方明确说明:deprecated已经被废弃。下面是PyTorch官方说明:The Variable API has been deprecated: Variables are no longer necessary to use autograd with tensors. Autograd autom[...]

撰写于:  浏览:220 次  分类:PyTorch 教程
张量是PyTorch最基本的操作对象,英文名称为 Tensor,它表示的是一个多维的矩阵。比如零维是一个点,一维就是向量,二维就是一般的矩阵,多维就相当于一个多维的数组,这和numpy是对应的,而且 Pytorch 的 Tensor 可以和 numpy 的ndarray相互转换,唯一不同的是 Pytorch可以在GPU上运行,而numpy的 nda[...]

撰写于:  浏览:276 次  分类:飞燕AI训练营
我发现很多新人使用conda安装程序,而且出现了很多问题,折腾的苦不堪言。conda的发音是:哭它,也就是说,谁用这玩意谁就被它折磨的哭鼻子。对于AI新手,我十分不建议使用conda,因为新手做的都是hello world这样低级别的demo,远远达不到接触复杂项目的地步。况且,使用conda之后,无端增加了学习成本,本来新手就是一张白纸,使用co[...]


    友情链接