dejahu的博客

视频教程：请等待最近比特币的热潮慢慢褪去，显卡的价格也下来了，所以小伙伴们可以观察一下最近的行情，合适的时候可以入手几块显卡来搞深度学习。关注我的朋友大多数来自大作业怎么搞系列教程，大作业怎么搞系列使用tensorlfow训练了几个物体分类模型，在开源出的代码中我也基本给了大家我训练好的模型，有的朋友反应自己跑训练的过程的时候速度比较慢，这个原因大多都是因为大家是在CPU环境下来跑的，所以速度不是很快，如果使用GPU来跑训练的话，效率上差不多是CPU的10倍。！！！注：深度学习的小伙伴请选择Nvidia

环境配置环境的配置分为三步: 配置虚拟环境和安装程序所需要的包以及在pycharm中打开项目配置虚拟环境配置虚拟环境需要通过anaconda来完成，anaconda的下载地址为：https://docs.conda.io/en/latest/miniconda.htmlwindows用户下载python3.8的miniconda即可下载完毕之后双击安装即可，注意一点这些一定要选中程序安装完毕之后打开windows的命令行（cmd），输入conda env list，出现下列信息则表示con

最近一直在网上帮别人安装tensorflow和pytorch，其中有很多小白，对这方面的内容感到很困惑，所以我把我的安装过程写在这里，帮助大家去安装这些深度学习的框架。说明这里是我个人的安装经验，大佬请无视我这篇文章。大家在安装之前请先检查自己的电脑硬件，如果有英伟达的显卡基本都可以安装GPU版本的，如果没有的话请大家安装CPU版本的。因为是在国内，访问国外的网站有时候会比较卡，这个时候...

如果你感觉在你执行conda install或者pip install安装包的时候,很大程序上是因为你使用的默认源导致的,不妨试试清华大学或者中科大提供的国内镜像,速度那叫一个酸爽.清华大学conda镜像conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/con...

考虑到车辆重识别模型需要借助tensorflow以及pytorch等深度学习框架来进行训练，所以我们计划先在本机上配置好深度学习的环境来帮助我们学习一些基础知识，这里的内容主要是针对windows平台下深度学习环境的配置，且电脑带有nvidia系列的GPU，如果是CPU版本的则可以忽略前面的显卡环境配置等操作。安装显卡驱动显卡驱动能否成功安装直接决定后续的程序能否直接运行在GPU上，下载地址如下：https://www.nvidia.cn/Download/index.aspx?lang=cn首