- 博客(41)
- 收藏
- 关注
RSS订阅原创 Linux实用操作
各类小技巧快捷键软件安装systemctl控制软件启动关闭软链接日期和时区IP地址和主机名网络请求和下载端口进程管理主机状态监控环境变量Linux文件的上传和下载压缩和解压
2024-07-19 17:16:33
443
原创 Linux重要知识点
Linux大多数操作都是通过命令行进行的。熟悉常用命令和脚本是使用Linux的基础。管理Linux系统包括监控系统资源、管理用户账户、配置服务等。了解不同类型的文件系统，学习如何格式化、挂载、备份和恢复数据。配置和管理网络是Linux系统管理员的一项重要任务。Linux使用包管理器来安装、更新和管理软件包。Shell脚本是自动化日常任务的强大工具。保持系统的安全是非常关键的。
2024-07-13 14:53:28
1509
原创 Linux下深度学习训练的学习路线
熟练使用Python进行编程，因为Python是进行深度学习最常用的语言之一。在Linux环境下配置深度学习所需的硬件和软件。应用所学知识在具体项目中解决问题。持续更新深度学习领域的知识和技能。掌握Linux基本命令和操作。理解深度学习的原理和基本模型。
2024-07-13 14:00:20
418
原创 深度学习模型训练之日志记录
如果使用Keras或PyTorch，可以编写自定义回调函数，记录训练过程中的信息。Keras自定义回调# 使用自定义回调PyTorch自定义回调# 模型训练代码。
2024-06-11 16:47:01
377
原创 Python类中常见的内置函数
_len__在 Python 中，类可以通过实现一些特殊方法（也称为魔术方法或双下划线方法）来重载内置操作符和函数。这些方法以双下划线开头和结尾，例如__len__等。它们使得类的实例能够像内置类型那样使用。__len__方法定义了当使用len()函数时应返回的值。
2024-06-11 12:46:15
304
原创 Linux基础操作命令（简略版）
Linux系统的基本思：一切都是文件，每个文件都有确定的用途。系统中的所有都归结为一个文件，包括命令、硬件和软件设备、操作系统、进程等等对于操作系统内核而言，都被视为拥有各自特性或类型的文件。至于说Linux是基于Unix的，很大程度上也是因为这两者的基本思想十分相近。
2024-06-10 23:50:57
361
原创 nn.Sequential 和 nn.ModuleList
模块按顺序执行，适用于顺序的简单模型。只是一个持有模块的列表，您需要手动定义前向传播的顺序，适用于需要更复杂控制的模型。
2024-06-06 19:32:02
238
原创 文生图模型（text2img）
Text-to-image（文生图）模型是一种先进的人工智能技术，能够将描述性文本转换成相应的图像。这种模型的核心功能是解读用户输入的自然语言描述，并基于这些描述生成视觉内容。这类模型的实现通常依赖于深度学习框架，特别是生成对抗网络（GANs）或变分自编码器（VAEs）。在模型训练过程中，需要大量的文本-图像对作为数据源。通过这些数据，模型学习如何将文本信息映射到图像特征上，理解和把握不同文本描述对应的视觉元素和风格。例如，给定描述“一个坐在山顶上的红色帐篷”，模型将生成展示该场景的图像。
2024-05-31 16:59:58
600
原创 Stable diffusion xl的微调优化方式：Lora 、ControlNet 、Hypernetwork 、Textual Inversion 、Dreambooth
在 Stable Diffusion XL（SDXL）系列中，几种先进的微调和优化技术被集成以提高模型的精确性和多样性。
2024-05-24 16:23:59
320
原创 生成模型GAN
生成对抗网络（GAN，Generative Adversarial Network）是一种由两部分组成的深度学习模型：生成器（Generator）和判别器（Discriminator）。这两个部分在训练过程中相互对抗，从而提高生成的数据质量。这种模型最初是由Ian Goodfellow在2014年提出的。
2024-05-23 13:45:33
364
原创 数字人技术汇总
相关参考数字人主要技术整理https://github.com/YUANZHUO-BNU/metahuman_overview 数字人新闻（金融界）:https://baijiahao.baidu.com/s?id=1799740494820050799&wfr=spider&for=pc
2024-05-22 17:09:30
152
原创 大语言模型技术调研
大语言模型是利用深度学习技术构建的先进的计算模型，主要应用于各类自然语言处理（NLP）任务。这类模型通过在海量文本数据上进行自监督学习，能够捕捉和学习语言的复杂结构和细微的语义关系。大语言模型通常基于变换器（Transformer）架构，该架构采用自注意力机制来处理输入数据中的每个元素，并且能够并行处理，显著提高了处理效率和效果。这些模型在预训练阶段不针对特定任务进行优化，而是学习语言的通用特征，从而在后续的微调阶段能够快速适应各种具体应用，如文本摘要、情感分析、问题回答等。
2024-05-20 16:19:41
909
原创 MuseV and MuseTalk
MuseTalk通过潜在空间修复（Latent Space Inpainting）实现，能够在实时视频中实现高精度的口型与语音同步。
2024-05-20 15:29:33
764
原创 技术调研方案
明确任务目标：定义需要解决的具体问题或优化的技术点。需求收集：与相关利益相关者（如产品经理、客户、研究团队等）会谈，明确技术需求和预期成果。
2024-05-20 14:43:32
172
原创 深度学习cuda和cudnn安装
【深度学习】深度学习框架安装 CUDA+cuDNN+torch_cuda cudnn版本-CSDN博客。深度学习之CUDA+CUDNN详细安装教程 - 知乎 (zhihu.com)pytorch GPU版本安装_cuda高版本兼容低版本吗-CSDN博客。pytorch GPU版本安装_pytorchgpu-CSDN博客。
2024-05-17 23:22:21
135
原创 深度学习训练过程中损失函数值为nan
https://blog.csdn.net/demm868/article/details/104666998/ https://zhuanlan.zhihu.com/p/313102674?utm_id=0 （快速搞懂）Pytorch中的nan和inf有什么区别？_tensor([nan],-CSDN博客 入门| 一文了解神经网络中的梯度爆炸 (baidu.com) 深度学习中nan和inf的解决_nan inf-CSDN博客
2024-05-17 21:30:43
90
原创 datasets.ImageFolder和torch.utils.data.DataLoader
类从文件系统中加载图像数据，并返回图像和对应的标签。DataLoader类处理批量加载和多线程加载数据，以提高数据加载的效率。通过结合和DataLoader，可以高效地加载和处理大型图像数据集，并在深度学习模型训练过程中使用这些数据。
2024-05-17 17:18:13
90
原创 CUDA Toolkit、cuDNN和CUDA Toolkit
CUDA（Compute Unified Device Architecture）是NVIDIA推出的一个并行计算平台和应用编程接口（API）模型，它允许软件开发者和软件工程师使用虚拟指令集和并行计算元素的GPU进行通用计算。简单来说，CUDA让开发者能够通过特定的编程方法提高GPU的计算效率，广泛应用于高性能计算环境。
2024-05-13 00:22:32
641
原创 PyTorch中Transpose和Permute的使用说明
在 PyTorch 中，transpose和 permute是用于调整张量维度的两个非常有用的函数。它们都用于重新排列张量的维度，但它们的用法和目的有所不同。
2024-05-13 00:01:22
343
原创 python编写代码注释建议
在处理Tensor操作时，注释数据的维度和类型非常关键，尤其是在进行矩阵运算或数据重塑的时候。：在每个函数的开始部分，用几句话简要描述函数的功能和它所实现的主要操作。对于较大的模块或类，应提供详细的文档注释，说明模块或类的目的和主要功能。在代码中的关键步骤处加入注释，解释某个操作的原因或其背后的逻辑。：用来标记需要修正的问题，通常是已知的bug或不稳定的代码段。：用来标记那些暂时不处理，但将来需要实现或改进的地方。：描述函数返回值的类型及其代表的内容。：对每个参数的类型、作用进行说明。
2024-05-12 01:11:35
207
原创 argparse.Namespace、argparse.ArgumentParser、.parse_args()三者之间的关系
、 和 之间的关系是： 创建一个解析器对象，并使用 方法解析命令行参数，将解析结果存储在 对象中。以下是详细的解释： 是一个简单的类，用于存储属性（命令行参数）。 对象可以直接用于存储解析后的命令行参数，或者可以通过 方法自动生成。示例输出argparse.ArgumentParser 是命令行参数解析器的核心类。它负责：定义：定义命令行参数及其属性（名称、类型、帮助信息等）。解析：通过 方法解析命令行参数。核心功能：：添加新的参数：解析命令行参数、、：描述信息示例.pars
2024-05-05 17:07:02
329
原创 项目目录架构
README.md：提供了项目的概述、安装指导、使用示例和引用信息。: 提供一个 docker 容器环境配置，使得环境搭建更为便捷。requirements.txt：模型依赖库。存储项目使用的数据，如数据集、预处理数据等。2. network.py:网络架构的定义。: 存储预训练权重和训练后的模型权重文件。: 辅助函数集合，如文件操作、数学运算等。存储配置文件，如模型参数、环境变量等。trian.py：模型训练。valid.py：模型验证。输出模型文件和数据结果等。: 定义模型评估指标。
2024-05-05 14:31:02
214
原创 Leetcode--去掉最低工资和最高工资后的工资平均值
给你一个整数数组salary，数组里每个数都是 唯一 的，其中salary[i]是第i个员工的工资。请你返回去掉最低工资和最高工资以后，剩下员工工资的平均值。
2024-05-03 16:42:50
109
原创 Stable Diffusion XL（未待完续）
SDXL Base模型由U-Net、VAE以及CLIP Text Encoder（两个）三个模块组成，SDXL Refiner模型同样由U-Net、VAE和CLIP Text Encoder（一个）三个模块组成。
2024-05-03 15:42:48
981
原创 深度学习调参手册（未待完续）
深度学习的模型训练时，当问题制定、数据清理等基本工作已经完成，在模型架构和训练配置上花时间是有意义的。设置好管道，做训练和评估，为各种模型执行训练和预测工作，且选择和实施适当的衡量标准。
2024-04-29 20:49:24
54
原创 N-维数组
一、数据操作1、N维数组（机器学习和神经网络的主要数据结构）0-d（标量）1-d（向量）2-d（矩阵）3-d（RGB图片）4-d（一个RGB图片批量）5-d（一个视频批量）2、创建数组要求形状数据类型元素值代码实现：import torch#张量表示由一个数组组成的数组x=torch.arange(12)#输出张量x#输出张量形状x.shape#输出张量中元素总数x.numel()#通过reshape函数改变张量形状X=x.reshape(3,4)X
2021-08-07 22:59:24
370
1
空空如也
生成模型的部署GPU问题
2024-05-16
TA创建的收藏夹 TA关注的收藏夹
TA关注的人