![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 70
贪睡的蜗牛
记性不好,那就多写博客。。。。
展开
-
Windows 下安装 CUDA 和 Pytorch
下载cuda并安装CUDA Toolkit 11.6 Update 2 Downloads | NVIDIA Developer查看duda版本用Anaconda新建一个python3.8的环境然后去Start Locally | PyTorch官网下载cuda对应的gpu环境原创 2022-03-29 17:53:16 · 2520 阅读 · 0 评论 -
迁移学习的模型训练
用深度学习解决目标检测有两个重要工作:1、设计、实现、训练和验证模型模型如果设计 模型如何编程实现 如何收集足够的数据来训练并验证模型是否符合预期从头开始设计、实现、训练和验证模型是需要有众多深度学习算法人才做支撑,并且极其耗时耗力2、深度学习模型应用根据实际项目的要求,基于预训练模型做迁移学习,这个对刚入门的工程师来说可以快速的掌握使用tensorflow预训练模型https://github.com/tensorflow/models/blob/master/resea..原创 2021-09-20 11:11:43 · 2917 阅读 · 0 评论 -
深度学习训练遇到的各种问题汇总
在Adding visible gpu devices: 0上卡住添加环境变量添加一个CUDA_CACHE_MAXSIZE变量,值为:4294967296原创 2021-09-20 10:30:27 · 423 阅读 · 0 评论 -
搭建深度学习开发环境
目录一、安装anaconda二、配置虚拟环境三、安装vscode四、在vscode安装pylint五、安装YAPE六、安装TensorFlowpip install与conda install测试安装git工具安装tensorflow object detection api 下载安装建立文件结构并下载api安装依赖的python软件包配置环境变量安装COCO api一、下载编译工具visualcppbuildtools_full.exe..原创 2021-09-19 15:53:04 · 983 阅读 · 0 评论 -
Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA
大概意思是大概意思是:你的CPU支持AVX扩展,但是你安装的TensorFlow版本无法编译使用。也就是你安装的tensorflow版本太low了 (1) 如果安装的是GPU版本 如果你有一个GPU,你不应该关心AVX的支持,因为大多数昂贵的操作将被分派到一个GPU设备上(除非明确地设置)。在这种情况下,您可以简单地忽略此警告: import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' (2...原创 2021-09-19 12:50:18 · 4895 阅读 · 0 评论 -
人工智能、深度学习与目标检测
目录一些概念过拟合欠拟合逻辑回归(LR)线性回归人工智能与深度学习关系神经网络神经元激活函数前馈计算深度神经网络卷积神经网络目标检测传统目标检测与深度学习目标检测算法的区别迁移学习训练深度学习模型依赖大数据迁移学习TensorFlow预训练模型库一些概念随机森林(Random Forest):每棵决策树都是一个分类器(假设现在针对的是分类问题),那么对于一个输入样本,N棵树会有N个分类结果。而随机森林集成了所有的分...原创 2021-09-19 10:34:53 · 1535 阅读 · 0 评论