- 博客(28)
- 资源 (4)
- 收藏
- 关注
原创 qt开发之疑难解答(2)
在Qt中,可以使用setProperty()和getProperty()函数来动态地设置和获取属性。setProperty()函数用于设置属性,getProperty()函数用于获取属性。以下是一个示例代码,演示如何使用setProperty()和getProperty()函数来动态地设置和获取属性:cpp#include#include在上述代码中,我们创建了一个QWidget对象,并使用setProperty()函数来设置属性。
2023-12-18 10:25:12 991
原创 嵌入式linux面试题分享
以下是一些嵌入式Linux面试题,并附有答案:题目:什么是嵌入式Linux?答案:嵌入式Linux是一种针对嵌入式系统的Linux操作系统。它具有轻量级、可定制和可扩展性强的特点,适用于各种嵌入式设备,如智能家居、工业控制、医疗设备等。题目:嵌入式Linux与普通Linux有什么区别?答案:嵌入式Linux与普通Linux的主要区别在于其针对性和优化。嵌入式Linux针对特定的硬件平台进行优化,以减少内存占用和提高性能。
2023-12-18 10:12:17 1252 1
原创 qt开发之疑难解答(1)
在Qt的QChart模块中,设置多个曲线的单位并不是直接支持的功能。下面是一个简单的示例,演示如何使用QChart和QLabel在图表旁边显示单位:请注意,这只是一个简单的示例,你可以根据自己的需求进行修改和扩展。在Qt中,你可以通过检查QTabWidget的当前选项卡索引来判断哪个选项卡是当前显示的。你可以使用方法来获取当前选项卡的索引,然后使用tabText()方法来获取该索引对应的选项卡的文本。
2023-12-13 10:45:38 900
原创 pytorch深度学习入门(17)之-实现演示神经网络分类过程代码
笔者使用pytorch框架构建神经网络,使用matplotlib显示网络分类过程,生动的演示了网络拟合过程先看效果图:最终训练300次后拟合效果:2.生成数据3.构建网络定义网络:因为是二维平面的演示,因此数据维度是2,数据分别对应x坐标,y坐标因此网络输入维度为(batch_size,2)定义网络:4.显示拟合过程训练过程中,使用matplotlib显示拟合过程最终效果图附上完整代码,可以拷贝直接运行喜欢点个关注吧!
2023-11-30 11:58:19 516
原创 网络训练解决出现OMP: Error #15: Initializing libiomp5md.dll, but found libiomp5md.dll already initialized.问题
笔者做了个神经网络模型,使用pytorch构建模型,并使用matplotlib显示相关信息,过程中出现如下错误。修复该错误需要设置系统环境变量KMP_DUPLICATE_LIB_OK=TRUE。
2023-11-30 09:57:36 451
原创 pytorch深度学习入门(16)之-使用onnx模型混合精度Float16量化
将模型转换为使用 float16 而不是 float32 可以减小模型大小(最多一半)并提高某些 GPU 上的性能。可能会有一些精度损失,但在许多模型中,新的精度是可以接受的。ORT 将在运行时优化这对,因此结果将保持全精度。混合精度工具的工作原理是将操作集群转换为 float16。如果 float16 转换的结果很差,您可以将大部分操作转换为 float16,但保留一些操作为 float32。由于 ONNX Runtime 的 CPU 版本不支持 float16 运算,并且该工具需要测量精度损失,因此。
2023-11-17 17:51:22 867
原创 pytorch深度学习入门(15)之-使用onnx模型量化
让我们使用 U8U8 作为 (activations :uint8,权重:uint8),U8S8(激活:uint8,权重:int8),类似地S8U8和S8S8用于其余两种格式。该问题的解决方案是将原始计算图的权重和激活张量与量化图的权重和激活张量进行比较,确定它们最大的不同之处,并避免量化这些张量,或者选择另一种量化/校准方法。动态量化和静态量化之间的主要区别在于如何计算激活的尺度和零点。然而,量化过程中的模型优化给调试过程带来了困难,因为它可能会显着改变计算图,导致量化模型与原始模型截然不同。
2023-11-17 17:45:07 476
原创 pytorch深度学习入门(13)之-模型剪枝
prune.l1_unstructured(module, name="weight", amount=nWeightAmcount) #L1范数剪枝,既绝对值最小的权重移除prune.ln_structured(module, name="weight", amount=nFeatureAmcount, n=2, dim=0) #结构化剪枝,移除卷积核。
2023-11-16 17:42:36 661 1
原创 pytorch深度学习入门(12)之-神经网络导出onnx模型部署与应用
TorchDynamo 引擎用于连接 Python 的框架评估 API 并将其字节码动态重写为FX 图表。生成的 FX 图表在最终转换为 ONNX 图表之前经过打磨。这种方法的主要优点是使用字节码分析捕获FX 图,从而保留模型的动态特性,而不是使用传统的静态跟踪技术。
2023-11-15 17:58:07 652
原创 pytorch深度学习入门(11)之-GAN生成对抗神经网络
概述:GAN网络是一种对抗神经网络,由生成器和判别器两个网络组成。生成器的任务是生成与真实数据相似的虚假数据,而判别器的任务是判断输入数据是真实数据还是虚假数据。在训练过程中,生成器和判别器会相互对抗,生成器会努力生成与真实数据相似的虚假数据来欺骗判别器,而判别器则会尽可能提高自己的判断准确性。GAN网络的训练过程通常包括以下几个步骤:生成器生成虚假数据,并将其输入到判别器中进行判断。判别器对输入数据进行分类,并计算分类误差。根据分类误差,更新判别器的参数,以提高其分类准确率。生成器根据判别器的反馈信息,
2023-11-15 17:46:48 228
原创 pytorch深度学习入门(10)之-使用TORCHVISION进行机器视觉迁移学习
使用经过训练的模型对自定义图像进行预测,并将预测的类标签与图像一起可视化。
2023-11-14 14:52:19 64
原创 pytorch深度学习入门(9)之-使用TORCHVISION进行目标检测
用于训练对象检测、实例分割和人物关键点检测的参考脚本可以轻松支持添加新的自定义数据集。数据集应继承自标准 torch.utils.data.Dataset类,并实现__len__和getitem。我们需要的唯一特殊性是数据集__getitem__ 应返回一个元组:image:torchvision.tv_tensors.Imageshape 、纯张量或 size 的 PIL 图像[3, H, W](H, W)target:包含以下字段的字典。
2023-11-14 11:49:36 1048 1
原创 pytorch深度学习入门(8)之-Torchaudio使用Tacotron2 文本转语音
本教程展示了如何使用 torchaudio 中预训练的 Tacotron2 构建文本到语音管道。Tacotron2是一个端到端的语音合成神经网络结构,它由两部分组成,一部分由循环神经网络组成,应用Attention机制,自回归地产生mel谱序列,另一部分是修改后的Wavenet,将mel谱序列映射成音频。在Tacotron2中,首先使用50毫秒帧长,12.5毫秒帧移,汉宁窗截取,然后施加短时傅里叶变换(STFT)得出线性频谱。
2023-11-13 17:43:26 932
原创 pytorch深度学习入门(7)之-Torchaudio语音识别
语音识别是一种让机器通过识别和理解过程把语音信号转变为相应文本或命令的高技术。它涉及信号处理、模式识别、概率论和信息论、发声机理和听觉机理、人工智能等多个领域。近二十年来,语音识别技术取得了显著的进步,开始从实验室走向市场,预计未来10年内,语音识别技术将进入工业、家电、通信、汽车电子、医疗、家庭服务、消费电子产品等各个领域。本教程将向您展示如何正确格式化音频数据集,然后在数据集上训练/测试音频分类器网络
2023-11-10 18:13:42 1605 1
原创 pytorch深度学习入门(6)之-Torchaudio音频采样
重采样的原因可能是由于从网络流、本地媒体文件等各种渠道解码的AVFrame帧,其采样位数、声道数、采样率都是不确定的,但是在很多的播放器框架中,需要播放指定的采样位数、声道数、采样率的音频数据,因此需要首先进行格式转换。由于有限数量的样本只能代表有限数量的频率,因此重采样不会产生完美的结果,并且可以使用多种参数来控制其质量和计算速度。下面的频谱图显示了信号的频率表示,其中 x 轴对应于原始波形的频率(以对数刻度表示),y 轴对应于绘制波形的频率,颜色强度对应于幅度。
2023-11-10 17:31:23 935 1
原创 pytorch深度学习入门(5)之-Torchaudio音频加载
Torchaudio是一个用于处理音频数据的Python库,它是基于PyTorch的扩展库,提供了丰富的音频处理功能和一系列预处理方法,方便用户在音频领域进行机器学习和深度学习的研究。具体来说,Torchaudio提供了从音频文件的读取到加载,音频变换和增强,以及音频数据可视化的整套工具。此外,Torchaudio还集成了一些常见的音频数据集,方便用户快速获取和处理音频数据。在安装方面,首先需要安装PyTorch,可以通过pip install torch命令来安装最新版本。
2023-11-10 17:04:18 3205 2
原创 pytorch深度学习入门(4)之-优化模型参数与保存加载模型
Number of Epochs - 迭代数据集的次数Batch Size - 参数更新之前通过网络传播的数据样本数量。
2023-11-09 17:50:24 60 1
原创 pytorch深度学习入门(3)之-构建自己的神经网络模型
我们通过子类化来定义我们的神经网络nn.Module,并在 中初始化神经网络层__init__。每个nn.Module子类都在方法中实现对输入数据的操作forward。nn.ReLU(),nn.ReLU(),我们创建 的一个实例神经网络模型,并将其移动到device(cpu或者gpu),并打印其结构。为了使用该模型,我们将输入数据传递给它。这将执行模型的forward以及一些后台操作。不要直接调用model.forward()!
2023-11-09 15:53:32 192 1
原创 pytorch深度学习入门(2)之-张量与数据集加载
张量是一种特殊的数据结构,与数组和矩阵非常相似。在 PyTorch 中,我们使用张量对模型的输入和输出以及模型的参数进行编码。张量与NumPy 的ndarray类似,不同之处在于张量可以在 GPU 或其他硬件加速器上运行。事实上,张量和 NumPy 数组通常可以共享相同的底层内存,从而无需复制数据,张量还针对自动微分进行了优化,如果您熟悉 ndarrays,那么您就会熟悉 Tensor API。如果没有,那就跟随吧!初始化张量张量可以通过多种方式初始化。看看下面的例子:直接来自数据。
2023-11-08 19:34:05 82 1
原创 mysql远程登录配置,密码配置
mysql Server version: 5.7.33-0ubuntu0.16.04.1 (Ubuntu)mysql刚下载,ubuntu配置好服务器后,win下无法用客户端登录,需要配置密码#查看密码,authentication_string为密码,之前的版本该字段为password1.select host,user,authentication_string,plugin from user;#修改主机ip,原来是localhost,改成%意思是,可以匹配所有ipupdate user s
2021-04-20 22:01:04 518
原创 基于python Django入门(5)-- django前端页面
后台大概什么样子,我们也有一些简单的了解了,那么接下来看看我们的前端页面是怎么回事1.首先创建我们第一个view页面,在django工程里面,views.py这个文件负责管理我们的网页界面,我们可以在这里实现我们的网页。我们在初学的时候,可以认为一个网页就是一个函数,我们创建一个最简单的网络页面:在views.py里面加如下代码:from django.shortcuts import renderfrom django.http import HttpResponse# Create your
2021-04-16 21:38:59 5188
原创 基于python Django入门(4)-- django后台管理
django自带一个后台管理系统,我们使用自带的管理系统登陆我们的django服务器1.创建超级管理员:python.exe .\manage.py createsuperuser根据提示设置用户名和密码,成功后如下:2.启动我们的服务器:python.exe .\manage.py runserver可以看到我们的本地服务器已经跑起来了,ip是本地ip,端口默认8000打开浏览器输入,既可以看到我们登陆界面,http://127.0.0.1:8000/admin.
2021-04-16 20:40:22 298
原创 基于python Django电子商城(3)-- django模型(数据库)创建
django采用ORM(对象关系)映射:如下图:我们可以在models.py文件里面创建我们的商品数据模型,生成对应的数据表1.数据库既然是存放数据,那么数据就有类型,下面是常用的数据属性:models.AutoField #自增列 = int(11)models.CharField #字符串字段,必须设置max_length参数models.BooleanField #布尔类型models.ComaSeparatedIntegerF
2021-04-11 11:50:45 311
原创 基于python Django电子商城(2)-- django安装与启动
开发环境:win10IDE: pycharmpython安装:网络资料多,参考网上安装即可pycharm安装:同上django安装:1.我是在pycharm下安装的:菜单File->Setting如下界面:标的够清楚了吧2.安装好后,设置下环境变量,在这里,很多小白,可能安装后不知道安装到哪里去了,这里教个办法,可以使用Everything软件,直接搜索django-admin.exe,如下图,一下子搜索出来了,我们安装很多软件不知道安装到哪里的时候,都可以使用这个强大的搜索软件
2021-04-10 18:52:13 308 1
基于pytorch的数字识别神经网络代码
2023-11-14
原厂ov7740数据手册
2023-11-09
不使用任何框架的bp神经网络代码
2023-11-06
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人