- 博客(7)
- 收藏
- 关注
RSS订阅原创 基于CNN（LeNet）的垃圾分类（C语言实现）
基于CNN（LeNet）的垃圾分类（C语言实现CNN算子）一、先使用python训练模型二、提取参数提取模型参数提取图片三、编写CNN算子在windows中实现在FPGA中实现，使用avalon接口一、先使用python训练模型具体步骤参考基于pytorch的MNIST数据集的四层CNN，测试准确率99.77%这篇文章，各种步骤我写的很详细，只需要将MNIST数据集换成垃圾分类的数据集，再调整一下参数就好了。二、提取参数提取模型参数权重和偏置我们需要提取每一个具有学习的参数的训练层的权重和偏置
2022-01-06 15:38:38
2793
1
原创 各种问题汇总
问题汇总一、测试GPUPyTorchTensorflow二 、jupyter lab1、点击高级设置编辑器无反应一、测试GPUPyTorch输入import torchprint(torch.cuda.is_available())device = torch.device("cuda:0" if (torch.cuda.is_available() and 1> 0) else "cpu")print(device)print(torch.cuda.get_device_name(
2022-01-05 18:36:49
1284
原创 jupyterlab使用配置
文章目录一、创建jupyterlab快捷方式二、配置jupyterlab基础配置设置路径设置中文下载插件设置matplotlib风格临时修改永久修改一、创建jupyterlab快捷方式复制Jupyter Notebook的快捷方式将这两处的Noetbook修改为lab即然后打开文件所在位置，找到Jupyter-Notebook-script.py文件，该文件在Anaconda安装路径下的Scripts中复制该文件重命名为jupyter-lab-script.py用记事本打开j
2022-01-05 18:30:38
5534
转载 jupyter notebook配置虚拟环境，解决python编程中程序包冲突
jupyter notebook配置虚拟环境，解决python编程中程序包冲突在进行python开发中，由于各个程序包之间存在可能不兼容的情况，因此创建一个虚拟环境是最好的解决方法。一、首先你的计算机已经安装了anaconda二、创建虚拟环境如图所示点开Anaconda Navigator (Anaconda3)进入如下界面，按照图中所标示的次序进行点击或填写，以本人为例虚拟环境名称填写pypaddle。三、安装ipykernel点击前面图1中的Anaconda Prompt (Anaco
2021-11-04 23:07:44
433
原创 关于PyTorch和TensorFlow的GPU问题
关于PyTorch和TensorFlow的GPU问题一、测试GPUPyTorchTensorflow二、用CPU加载GPU模型PyTorchTensorFlow-gpu一、测试GPUPyTorch# 输入import torchprint(torch.cuda.is_available())device = torch.device("cuda:0" if (torch.cuda.is_available() and 1> 0) else "cpu")print(device)pri
2021-10-23 09:53:36
298
原创 基于pytorch的MNIST数据集的四层CNN，测试准确率99.77%
基于pytorch的MNIST数据集的四层CNN，测试准确率99.77%MNIST数据集环境配置文件存储结构代码引入库调用GPU初始化变量导入数据集并进行数据增强导入测试集加载测试集查看部分图片model结构权值初始化实例化网络，设置优化器定义存储数据的列表定义训练函数定义测试函数查看模型的识别能力训练模型可视化训练结果预测mnist数据集中的图片预测手写数字图片预处理加载模型预测手写数字（单张）预测手写数字（多张）调整参数，优化模型五层结构参考MNIST数据集MNIST 数据集已经是一个被”嚼烂”了的
2021-06-08 18:04:22
8899
7
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人