- 博客(17)
- 收藏
- 关注
RSS订阅原创 最新！！！IDEA下载（java）
本文介绍了IntelliJ IDEA的下载安装及配置方法。首先需访问官网下载社区免费版，选择安装路径并完成安装。配置时跳过初始设置，创建项目时可选择自动安装JDK，最后点击创建即可完成整个流程。该指南简明扼要地展示了从下载到配置IntelliJ IDEA的关键步骤。
2025-07-10 14:57:59
480
原创 【深度学习】【入门】Sequential的使用和简单神经网络搭建
本文介绍了神经网络构建中的Sequential容器的概念与作用。Sequential是一种按顺序封装神经网络层的容器，能简化网络搭建流程。其优势体现在代码简洁化、结构清晰化和框架适配性三个方面，与手动搭建相比更加高效。Sequential的核心特征包括严格的顺序性、对各类网络层的支持以及更直观的结构呈现。文章通过一个包含卷积层、池化层和全连接层的简单神经网络示例，展示了如何使用PyTorch中的Sequential模块实现网络搭建，并通过TensorBoard可视化网络结构。该示例验证了Sequential
2025-07-09 19:25:27
769
原创 【深度学习】【入门】Linear和flatten
本文介绍了神经网络中的两个基础结构：Linear层和Flatten层。Linear层作为全连接层，通过权重矩阵和偏置向量进行线性变换，实现特征整合与输出映射。它需要明确的输入输出维度，计算公式为y=x*W+b。Flatten层则用于将多维张量展平为一维向量（保留批量维度），以便输入到Linear层。文中通过PyTorch代码示例展示了这两个层的具体用法，Linear层示例将一个100维输入转换为10维输出，Flatten层示例将(2,3,4,4)张量展平为(2,48)。这两个层在神经网络中起着重要的数据转换
2025-07-08 16:34:52
773
原创 【深度学习】【入门】非线性激活
神经网络通过引入非线性激活函数突破线性模型的限制，使网络具备处理复杂非线性问题的能力。常见的激活函数包括ReLU和Sigmoid：ReLU对正值保持线性输出，负值输出为零；Sigmoid则将输入压缩到(0,1)区间，适用于概率输出。这些非线性变换赋予神经网络模拟复杂函数的能力，使其能够学习和识别各种数据模式。
2025-07-06 08:15:00
393
原创 【深度学习】【入门】池化层
池化层是深度学习中重要的下采样操作，主要分为最大池化和平均池化两种类型。最大池化选取窗口内最大值，适合边缘检测；平均池化计算窗口平均值，能平滑噪声保留整体特征。池化层的作用包括：降低特征图尺寸以减少计算量、增强模型对平移和旋转的鲁棒性、防止过拟合。此外还有随机池化和全局池化等特殊方法。代码示例展示了PyTorch中MaxPool2d的实现，通过设置kernel_size、stride等参数控制池化效果。池化层通过保留关键信息、忽略冗余细节，有效提升了深度学习模型的性能和效率。
2025-07-05 09:00:00
957
原创 【深度学习】【入门】卷积层
卷积层是CNN的核心组件，主要通过卷积核进行特征提取。卷积核作为小型滤波器，通过滑动计算提取局部特征（如边缘、纹理），其参数通过训练学习得到。卷积运算涉及输入图像与卷积核的逐点相乘求和，生成特征图。为控制输出尺寸和保留边缘信息，引入了填充（Padding）和步幅（Stride）概念。通道（Channel）处理多维度数据，如RGB图像的三个颜色通道。PyTorch中的nn.Conv2d模块实现卷积层，参数包括输入/输出通道数、卷积核大小、步幅、填充等，支持不同类型的卷积操作。通过合理设置这些参数，可以优化模型
2025-07-04 11:12:04
1163
原创 【深度学习】【入门】神经网络的基本骨架nn.Module
PyTorch中构建神经网络的核心是继承nn.Module基类，它封装了网络层定义、参数管理和前向传播逻辑。示例展示了如何创建简单模型：定义类继承nn.Module，在__init__中初始化网络层，在forward方法中实现前向传播。调用父类构造函数和执行前向计算是必要操作。最后通过实例演示了一个简单的加法网络，输入1.0经过网络处理后输出2.0。nn.Module的主要优势在于自动处理梯度计算和参数优化。
2025-07-03 09:30:01
209
原创 【深度学习】【入门】DataLoader的使用
PyTorch中的DataLoader是用于高效加载和批处理数据的工具类。文章介绍了DataLoader的常用参数：dataset（必选数据集）、batch_size（批量大小）、shuffle（是否打乱数据）、num_workers（子进程数）和drop_last（是否丢弃不完整批次）。通过CIFAR10数据集示例演示了DataLoader的使用，重点解决了TensorBoard中add_image和add_images方法的区别问题。当batch_size=4时，应使用add_images显示批量图像。
2025-07-01 14:59:35
566
原创 【深度学习】【入门】torchvision中数据集的使用 （CIFAR10）
torchvision提供多种经典计算机视觉数据集，包括MNIST（28×28灰度手写数字）、CIFAR-10（32×32彩色10类物体）和ImageNet（百万级高分辨率图像）。所有数据集共享root、train、download等核心参数，支持transform预处理。CIFAR-10特别支持train参数区分训练/测试集，并可通过ToTensor()转换为张量格式。用户还能使用ImageFolder加载自定义分类数据集。这些预置数据集简化了计算机视觉任务的实验流程，支持从入门到前沿的各种研究需求。
2025-06-24 20:56:19
415
原创 【深度学习】【入门】Transforms的使用
本文介绍了深度学习数据预处理中常见的Transforms操作。首先概述了Transforms在图像分类、目标检测等场景中的重要性。然后详细讲解了四种基础工具：1）ToTensor将PIL图像转为张量；2）Normalize用均值和标准差对图像归一化；3）Resize调整图像尺寸；4）Compose组合多个变换操作。每种工具都通过代码示例展示了具体用法和效果，包括数据类型转换、数值缩放、尺寸调整等典型预处理步骤。这些操作能有效提升模型训练效果，是深度学习数据处理的重要工具。
2025-06-19 17:39:03
1038
原创 【深度学习】【入门】Tensorboard的使用
《Tensorboard入门指南摘要》 Tensorboard是TensorFlow的可视化工具，用于机器学习模型的可视化调试，支持损失曲线、计算图等展示。安装需在PyTorch环境中执行pip install tensorboard，启动命令为tensorboard --logdir=path_to_logs。基础使用通过SummaryWriter创建日志目录，用add_scalar()记录标量数据（如训练指标），完成后需关闭写入流。常见错误包括浏览器无法访问日志，需检查日志目录是否在根目录下，必要时调整
2025-06-16 23:29:17
467
原创 最新！！！Jupyter自动打开服务器，及在Pytorch中安装Jupyter
【摘要】本文解决Jupyter Notebook无法自动打开浏览器的问题，并提供PyTorch环境下的Jupyter安装指南。一、自动打开浏览器设置：1)生成配置文件；2)修改配置文件添加浏览器路径；3)启用open_browser选项。二、PyTorch安装Jupyter：1)激活PyTorch环境；2)安装nb_conda包；3)通过New选项选择PyTorch内核验证安装成功。操作需保持Anaconda Prompt运行，成功后会输出"True"。
2025-06-12 09:00:00
536
原创 多元学习，Pycharm（已经安装）如何新建编译环境！！！（增加Pytorch环境）（遇到找不到文件夹怎么处理）
本文介绍了在PyCharm中配置PyTorch深度学习环境的新方法。首先确保已安装Anaconda、CUDA和PyTorch。然后通过PyCharm新建项目时选择基础Conda环境，在加载完成后添加现有解释器，选择之前创建的PyTorch环境。最后通过运行简单的代码验证环境是否配置成功。文章还提到了旧方法可能失效的问题，并提供了详细的操作步骤和路径选择建议。
2025-06-11 11:15:50
520
原创 最新！！！Pytorch安装（为深度学习奠基）
PyTorch安装指南摘要：1）访问官网选择匹配CUDA版本的PyTorch，复制安装命令；2）在Anaconda Prompt中创建Python 3.9的虚拟环境（conda create -n pytorch），激活环境后粘贴安装命令；3）验证安装：在虚拟环境下运行import torch和torch.cuda.is_available()，返回True即成功。注意CUDA版本兼容性，推荐白天下载。
2025-06-10 16:31:23
330
原创 geek，一款小巧便捷的删除软件（帮你解决空间焦虑）
此软件适用于程序附带文件的的情况（此软件可以帮助删除附带文件），可以帮助大家清理空间内存，提高运用效率
2025-06-09 11:40:35
397
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人