人工智能
-
python调用pytorch实现deeplabv3+图像语义分割——以分割动漫人物为例
图像语义分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。本文提供了一个可进行自定义数据集训练基于pytorch的deeplabv3+图像分割模型的方法，训练了一个动漫人物分割模型，不过数据集较小，仅供学习使用 程序输入：动漫图片 程序输出：分割好的动漫人物图片 目录 程序简介 程序/数据集下载 数据集准备 训练步骤 预测演示步…
-
pytorch 0.4.0迁移指南
由于pytorch 0.4版本更新实在太大了, 以前版本的代码必须有一定程度的更新. 主要的更新在于 Variable和Tensor的合并., 当然还有Windows的支持, 其他一些就是支持scalar tensor以及修复bug和提升性能吧. Variable和Tensor的合并导致以前的代码会出错, 所以需要迁移, 其实迁移代价并不大. Tensor和…
-
unbuntu 16.04 MS-Celeb-1M + alexnet + pytorch
最近被保研的事情搞的头大，拖了半天才勉强算结束这个了。从熟悉unbantu 16.04的环境（搭个FQ的梯子都搞了一上午 呸！）到搭建python,pytorch环境。然后花了一个上午熟悉py的基本语法就开始强撸了，具体的过程等保研结束了再补吧，贴个代码意思一下先。 数据集用的是清洗过的MS-Celeb-1M(em…怎么清洗的之后再补吧) python用…
-
pytorch learning rate decay
关于learning rate decay的问题，pytorch 0.2以上的版本已经提供了torch.optim.lr_scheduler的一些函数来解决这个问题。 我在迭代的时候使用的是下面的方法。 classtorch.optim.lr_scheduler.MultiStepLR(optimizer, milestones, gamma=0.1, la…
-
pytorch 入门指南
两类深度学习框架的优缺点 动态图（PyTorch） 计算图的进行与代码的运行时同时进行的。 静态图（Tensorflow <2.0） 自建命名体系 自建时序控制 难以介入 使用深度学习框架的优点 GPU 加速 (cuda) 自动求导 常用网络层的API PyTorch 的特点 支持 GPU 动态神经网络 Python 优先 命令式体验 轻松扩展 1.P…
-
pytorch 学习–60分钟入个门
pytorch视频教程 标量（Scalar）是只有大小，没有方向的量，如1，2，3等向量（Vector）是有大小和方向的量，其实就是一串数字，如(1,2)矩阵（Matrix）是好几个向量拍成一排合并而成的一堆数字，如[1,2;3,4]其实标量，向量，矩阵它们三个也是张量，标量是零维的张量，向量是一维的张量，矩阵是二维的张量。 简单相加 a+b torch.a…
-
python — conda pytorch
Linux上用anaconda安装pytorch Pytorch是一个非常优雅的深度学习框架。使用anaconda可以非常方便地安装pytorch。下面我介绍一下用anaconda安装pytorch的步骤。 1如果安装的是anaconda2，那么python3的就要在conda中创建一个名为python36的环境，并下载对应版本python3.6，然后执行如…
-
linux中anaconda环境下pytorch的安装（conda安装本地包）
跑代码的时候遇到和这位博主几乎一模一样的问题，安装的也是同一版本。目前清华源已经停止服务，如果要自己下载pytorch包的话估计只能在官网下载了。 原文：https://blog.csdn.net/summer2day/article/details/88652934 pytorch的安装（1）版本查看查看cuda版本cat /usr/local/cuda/…
-
莫烦pytorch学习笔记(一)——torch or numpy
Q1:什么是神经网络? Q2:torch vs numpy Numpy：NumPy系统是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高 效的多（该结构也可以用来表示矩阵（matrix））。专为进行严格的数字处理而产生。 Q3:numpy和Torch…
-
莫烦PyTorch学习笔记(三)——激励函数
1. sigmod函数 函数公式和图表如下图 在sigmod函数中我们可以看到，其输出是在(0,1)这个开区间内，这点很有意思，可以联想到概率，但是严格意义上讲，不要当成概率。sigmod函数曾经是比较流行的，它可以想象成一个神经元的放电率，在中间斜率比较大的地方是神经元的敏感区，在两边斜率很平缓的地方是神经元的抑制区。 当然，流行也是曾…
