【备忘】深度学习中的一些工具

已于 2023-04-27 18:06:23 修改
阅读量85 收藏
点赞数
分类专栏： 深度学习 文章标签： 深度学习 pytorch 人工智能
于 2023-04-18 16:30:59 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/infinite_doer/article/details/130224829
版权

1.深度学习模型库：TIMM、MMCV(待补充DRL部分)
2.超参数管理：Hydra
3.pytorch的封装库:pytorch_lightning
4.pytorch的指标度量库:torchmetrics
5.神经网络可视化：netron
6.深度学习训练记录：wandb
7.可交互可视化主要用于notebook：bokeh
8.深度学习加速库:apex
9.生成 AI 网页应用的框架:gradio

…继续补充中

infinite_doer
关注
专栏目录
深度学习安装备忘录
Janokaty的博客
08-20 667
自己的备忘录
【深度学习】小技巧小知识备忘录
gaocui883的博客
09-29 1738
model.modules() 是对模型的所有不同层面的子层，子层的子层进行输出，组成一个的一个list。 比如： listm[2] Out[20]: ConvBNActivation( (0): Conv2d(3, 32, kernel_size=(3, 3), stride=(2, 2), padding=(1, 1), bias=False) (1): BatchNorm2d(32, eps=1e-05, momentum=0.1, affine=True, track_running_.
深度学习在文档矫正中的应用
热门推荐
ZackSock的博客
10-28 1万+
在日常生活中，我们经常会使用到扫描文稿的功能。包括IOS备忘录自带的扫描功能、等，文稿扫描给我们带来了许多便利。文稿扫描可以应对的范围非常广、包括身份证、银行卡、纸质表格等。我们扫描文稿的目的在于更好的辨别文字信息。但在扫描文稿时会遇到千奇百怪的问题，包括阴影、文稿褶皱、文稿形变等，我们今天主要来讨论一下文稿形变的问题。
flask部署深度学习pytorch模型
zsyyugong的博客
05-23 2867
深度学习五花八门，直接用flask部署深度学习pytorch模型，不利于入门，因此我推荐先部署一个极其简单的机器学习模型试试手。这篇会教你：我应该这么做，思路是什么。
深度学习难在哪里？
zhongrui1984的专栏
12-09 1214
知乎讨论：“Deep Learning 的专家如此急缺，它难在何处？” 这篇文章是对知乎上大家讨论结果的一个汇总和备忘。初读时感觉直击心扉，读完后忍不住想把文中的观点分享给我身边的每个人。作为一个入门深度学习两年的研二学生，对文中深度学习是一门工程性学科的观点深表赞同。本文主要作为个人的阅读记录所用，以避免以后想要查看但又找不到时的追悔莫及。文中观点皆来自于知乎用户，如需转载请注明知乎原文地址 ...
深度学习精炼图笔记
AllenMa的博客
05-05 231
最近在做笔记查阅内容，觉得这个总结太美观了，真是棒！ 吴恩达在推特上展示了一份由 TessFerrandez 完成的深度学习专项课程信息图，这套信息图优美地记录了深度学习课程的知识与亮点。因此它不仅仅适合初学者了解深度学习，还适合机器学习从业者和研究者复习基本概念。这不仅仅是一份课程笔记，同时还是一套信息图与备忘录。 从深度学习基础、卷积网络和循环网络三个方面介绍该笔记. 一、深度学习基础 1. 深度学习基本概念 3. 浅层网络的特点 4. 深度神经网
常用工具下载链接-备忘
苍桧丹枫的博客
08-16 241
平时工作学习中经常要用到的工具下载链接，做一个备忘
【深度学习】目标检测的一些学习资源
weixin_41449637的博客
07-20 1824
NMS也能玩出花样来 https://zhuanlan.zhihu.com/p/28129034?utm_source=qq&utm_medium=social&utm_oi=62863464988672 nms https://zhuanlan.zhihu.com/p/51008736?utm_source=qq&utm_medium=social&utm_oi=...
人工智能视觉深度学习yolov5的学习笔记
2301_80289216的博客
08-12 888
人工智能视觉深度学习yolov5的学习笔记
MachineLearning_notes:机器学习和深度学习资源
04-17
机器和深度学习资源 机器和深度学习以及数据分析资源。 请！ 有关其他编程和与基因组相关...cheatsheets-ai-深度学习和机器学习研究人员必备备忘单 机器学习备忘单-30页机器学习备忘单，含经典方程式和图表，鸣叫人Kir
信息集合与备忘录：一个鼓舞人心的列表、手册、备忘录、博客、黑客工具、一行命令、CLI/Web 工具等信息的集合
03-21
10. **人工智能与大数据**：机器学习、深度学习和大数据分析的资源可以帮助你理解并应用这些前沿技术。 总的来说，《信息集合与备忘录》是一个全面的宝库，涵盖了IT领域的多个方面，无论你是初学者还是经验丰富的...
资源 | AI、神经网络、机器学习、深度学习以及大数据学习备忘单
crhacq798的博客
04-24 381
以下是关于神经网络、机器学习、深度学习以及大数据学习的备忘单，其中部分内容和此前发布的《资源 | 值得收藏的 27 个机器学习的小抄》有所重复，大家可以两篇综合起来看。 提示：点击图片查看大图 神经网络 Neural Networks Graphs CheatSheet Neural Network CheatSheet 机器学习概览 ...
基于深度学习的语音识别毕设备忘录（1）
qq_40273862的博客
03-25 1033
** 基于深度学习的语音识别备忘录（1） 作为超级萌新在配置框架TensorFlow和Keras时所遇到的问题的记录 ** 写在前面        也许对于那些已入门的人来说，看到我最开始的操作时会觉得不可理喻，甚至会有些愠怒。但请见谅，这是一个光知道些理论和术语，却对自己要做什么和怎么做毫无规划、一窍不通的人的真实记录。 Gi...
R2：RNN-心脏病预测
u012249506的博客
10-11 941
左图：训练与验证准确率训练集的准确率（蓝色线）：随着训练次数增加，呈现出平稳上升趋势，最终接近0.92左右，说明模型在训练数据上的拟合效果逐渐变好。验证集的准确率（橙色线）：一开始随着训练迭代次数增加，验证准确率也在提升，但在约20次迭代后，准确率趋于平稳，甚至有一些波动，特别在50次之后，表现出明显的下降和上升不稳定现象。右图：训练与验证损失训练集损失（蓝色线）：损失随着迭代次数逐渐下降，这表明模型在训练集上不断优化，误差减少。
【深度学习】经典的深度学习模型-01 开山之作：CNN卷积神经网络LeNet-5
10-12 478
Note: 草稿状态，持续更新中，如果有感兴趣，欢迎关注。。。
基于深度学习的车辆车型检测识别系统（YOLOV5）
最新发布
ANDROID6666666的博客
10-16 398
本项目旨在开发一个基于深度学习的车辆识别系统，采用先进的yoloV5网络架构，以实现对不同车型的精准识别。系统开发环境选用Pycharm集成开发环境，并结合Anaconda进行环境管理和包依赖的配置。为了确保系统的稳定性和高效性，我们选择了Python 3.8作为开发语言，并集成了opencv、PyQt5以及torch1.9等关键库和框架。在数据方面，准备了总共9000张图片，其中8000张用于训练模型，剩余的1000张用于测试模型的性能。
深度学习 shape 属性
2302_79865304的博客
10-13 325
在 MXNet 的ndarray中，shape属性用于获取数组的维度信息。它返回一个表示数组各维度大小的元组，可以帮助了解数据的结构和形状。
基于深度学习的复杂器官建模与模拟
weixin_42605076的博客
10-10 1349
基于深度学习的复杂器官建模与模拟是一项前沿技术，它利用深度学习模型从大量医学图像和临床数据中提取信息，生成复杂器官的三维结构模型，并对其进行功能模拟。这项技术对于医学诊断、手术规划、药物开发和疾病研究有重要意义，特别是针对心脏、肝脏、肺等复杂器官。
【大模型实战篇】deep-ml项目深度学习关键模块代码练习题库及部分题目解法的分析
源泉的小广场
10-14 941
深度学习、机器学习、线性代数、python、源码、编程实践、问题解决
Python人工智能备忘录
06-29
Python是人工智能领域中非常受欢迎的语言，拥有众多强大的库和框架支持AI开发。以下是Python人工智能备忘录的一些关键点： 1. **NumPy**：用于处理大型多维数组和矩阵，是科学计算的基础。 2. **Pandas**：提供高效的数据结构和数据分析工具，常用于数据预处理。 3. **SciPy**：包含许多数学、科学和工程算法，如优化、统计和信号处理。 4. **Matplotlib**：用于创建高质量的静态、动态、交互式图表。 5. **TensorFlow** 和 **PyTorch**：深度学习的主要框架，支持构建神经网络模型。 6. **Keras**：高级神经网络API，可在TensorFlow和PyTorch等后端运行。 7. **Scikit-learn**：机器学习库，提供了各种监督和无监督学习算法。 8. **OpenCV**：计算机视觉库，用于图像处理和分析。 9. **NLTK**（Natural Language Toolkit）：自然语言处理库，用于文本处理和分析。 10. **Gensim**：用于主题建模和文档相似度计算的库。 当你准备开发人工智能项目时，可以先根据项目需求选择合适的库，然后使用它们来实现数据预处理、模型训练、评估和可视化等功能。如果你有具体的问题或想深入了解某个领域的应用，可以提问：
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值