- 博客(63)
- 收藏
- 关注
原创 通俗理解前向传播和反向传播
(1):将训练集数据输入到神经网络的输入层,经过隐藏层,最后到达输出层并输出结果。【输入层—隐藏层–输出层】(2):由于神经网络的输入结果与输出结果有误差,则计算估计值与实际值之间的误差,并将该误差从输出层向隐藏层反向传播,直至传播到输入层。【输出层–隐藏层–输入层】(3):在反向传播的过程中,根据误差调整每层参数的值;不断迭代上述过程,直至收敛。
2023-02-22 22:34:00 752
原创 在华为服务器的openEuler系统中适配Pytorch调用NPU
服务器架构:aarch64yolov7 和 mindyolo 二选一即可,yolov7是基于pytorch,mindyolo是基于mindspore。
2024-08-17 09:27:04 785
原创 k8s通过deployment创建pod失败排查
在k8s集群中,deployment启动后没有成功创建pod,通过“kubectl describe deployment ${DEPLOY_NAME} ”,看到如下日志,只看到“ReplicaFailure True FailedCreate”,但是没有failed的原因。其实原因藏在edit deployment里面。可以通过"edit deployment"来查看,错误原因一般在最后几行。
2024-06-13 10:31:34 633
原创 java 目标识别检测 调用 onnx 模型,支持yolov5 yolov7 yolov8
java 傻瓜 式 简单 调用 yolo onnx 模型 支持 yolov5 和 yolov7,包含 预处理 和 后处理
2023-08-02 11:11:05 3355 3
原创 一文搞懂激活函数(Sigmoid/ReLU/LeakyReLU/PReLU/ELU)
深度学习算法之前的机器学习算法,并不需要对训练数据作概率统计上的假设;本文将覆盖问题1和问题2,并分析如何采用合适的激活函数解决问题;最后提出一些普适性的选择激活函数的建议。至于问题3,则更多的与Batch Normalization相关。
2023-05-30 12:04:41 7532 1
原创 paddlepaddle自定义数据集
更多的时候需要自己使用已有的相关数据来定义数据集,那么这里通过一个案例来了解如何进行数据集的定义,飞桨提供了paddle.io.Dataset基类,通过类的集成来快速实现数据集定义。步骤一:继承paddle.io.Dataset类步骤二:实现构造函数,定义数据读取方式,划分训练和测试数据集步骤三:实现__getitem__方法,定义指定index时如何获取数据,并返回单条数据(训练数据,对应的标签)步骤四:实现__len__方法,返回数据集总数目。
2023-02-25 10:50:57 953
原创 使用自己的数据集Fine-tune PaddleHub预训练模型
果农需要根据水果的不同大小和质量进行产品的定价,所以每年收获的季节有大量的人工对水果分类的需求。基于人工智能模型的方案,收获的大堆水果会被机械放到传送带上,模型会根据摄像头拍到的图片,控制仪器实现水果的自动分拣,节省了果农大量的人力。下面我们就看看如果采集到少量的桃子数据,如何基于PaddleHub对ImageNet数据集上预训练模型进行Fine-tune,得到一个更有效的模型。
2023-02-25 10:22:50 1223
原创 机器学习和深度学习综述
近些年人工智能、机器学习和深度学习的概念十分火热,但很多从业者却很难说清它们之间的关系,外行人更是雾里看花。在研究深度学习之前,先从三个概念的正本清源开始。概括来说,人工智能、机器学习和深度学习覆盖的技术范畴是逐层递减的,三者的关系如所示,即:人工智能 > 机器学习 > 深度学习。人工智能(ArtificialIntelligence,AI)是最宽泛的概念,是研发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
2023-02-23 15:25:38 1949
原创 python冒号的用法总结
冒号前面后面随便都可以省略,只需要记住冒号前指定开始位置,冒号后指定结束位置+1(就类似于经常出现在python各种参数指定的“左闭右开”的原则)如果省略不指定冒号前面,就代表从0开始,如果省略不指定冒号后面,就代表到对象的最后一个元素。python中用冒号来遍历列表或者字符串等结构时,总的用法是arr[开始位置:结束位置:迭代步数]1. 省略开始位置值:则默认值是遍历顺序上的第一个位置。2. 省略结束位置值:则默认值是遍历顺序上最后一个位置。
2023-02-16 17:03:21 10952 1
原创 从普通程序理解机器学习程序(paddlepaddle)
用机器学习方法,从数据当中学习出来如下公式当中的w和b。这样在未来,给定x时就可以估算出来y值(估算出来的y记为y_predict将会用飞桨的线性变换层:paddle.nn.Linear来实现这个计算过程,这个公式里的变量x, y, w, b, y_predict,对应着飞桨里面的Tensor概念。稍微补充一下:在这里的示例中,根据经验,已经事先知道了和total_fee之间是线性的关系,而在更实际的问题当中,x和y的关系通常是非线性的,因此也就需要使用更多类型,也更复杂的神经网络。
2023-01-12 17:46:11 564 1
原创 paddlepaddle手写数字识别模型
数字识别是计算机从纸质文档、照片或其他来源接收、理解并识别可读的数字的能力,目前比较受关注的是手写数字识别。手写数字识别是一个典型的图像分类问题,已经被广泛应用于汇款单号识别、手写邮政编码识别等领域,大大缩短了业务处理时间,提升了工作效率和质量。在处理如所示的手写邮政编码的简单图像分类任务时,可以使用基于MNIST数据集的手写数字识别模型。MNIST是深度学习领域标准、易用的成熟数据集,包含50 000条训练样本和10 000条测试样本。
2022-10-18 17:47:00 1775
原创 NumPy介绍和使用
NumPy(Numerical Python的简称)是高性能科学计算和数据分析的基础包。使用飞桨构建神经网络模型时,通常会使用NumPy实现数据预处理和一些模型指标的计算,飞桨中的Tensor数据可以很方便的和ndarray数组进行相互转换。NumPy具有如下功能:本质上,NumPy期望用户在执行“向量”操作时,像使用“标量”一样轻松。ndarray数组是NumPy的基础数据结构,可以灵活、高效地处理多个元素的操作。本文主要从如下五部分展开介绍:Python中的list列表也可以非常灵活的处理多个元素的操作
2022-10-18 14:00:29 1833
原创 paddlepaddle波士顿房价预测
理论而言,直接使用模型实例即可完成预测,但是在实际应用中,训练模型和使用模型往往是不同的场景。飞桨框架2.0及之后的版本,默认使用动态图模式进行编码,同时提供了完备的动转静支持,开发者仅需添加一个装饰器( to_static ),飞桨会自动将动态图的程序转换为静态图的program,并使用该program训练并可保存静态模型以实现推理部署。模型定义的实质是定义线性回归的网络结构,飞桨建议通过创建Python类的方式完成模型网络的定义,该类需要继承paddle.nn.Layer父类,并且在类中定义。
2022-10-18 09:54:26 2638
原创 Kubernetes 部署 node.js项目(半自动)
说明全自动请看我的另一个文章半自动:node.js项目已经编译为dist手动制作镜像,可以将dist目录提交到git,通过kubesphere流水线制作nodeport 和 ingress 选择一个即可1.在dist目录下创建Dockerfile文件FROM nginx:alpine# 目录不用改变,nginx镜像默认root目录就是下面的COPY . /usr/share/nginx/htmlEXPOSE 802.制作镜像并推送到镜像仓库docker login ${仓库地
2022-05-10 14:18:05 1418
原创 SpringCloud 与 kubernetes (更新中)
资料https://spring.io/projects/spring-cloud-kubernetes一周内会完善此文章
2022-05-10 13:47:35 172
原创 Kubernetes 集群 Worker 节点启停
说明有时候某一台服务器需要关机或者维护,就需要停止上面的集群保证其他节点上资源充足停止节点停止节点调度# 等同于kubectl uncordon <节点名称>驱逐该节点上已有的资源调度到其他节点# https://kubernetes.io/zh/docs/tasks/administer-cluster/safely-drain-node/# https://kubernetes.io/docs/reference/generated/kubectl/kubectl-
2022-05-10 13:29:49 1479
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人