深度学习训练（二）

最新推荐文章于 2024-09-14 19:18:15 发布
最新推荐文章于 2024-09-14 19:18:15 发布
阅读量223 收藏
点赞数
文章标签： 深度学习
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/qq_27353621/article/details/120759473
版权

运行指令

source ~/.bashrc

查看所有的虚拟环境

 conda info -e

在这里插入图片描述
激活虚拟环境

conda activate yolo5

在这里插入图片描述
进入相关的文件夹
cd 文件路径

Ubuntu 动态查看GPU 使用情况
1、 静态查看 nvidia-smi
2、 动态查看 watch -n1 nvidia-smi

马少爷
关注
PyTorch深度学习实战（1）——神经网络与模型训练过程详解
盼小辉丶的博客
05-28 6万+
在本节中，我们将了解传统机器学习与人工神经网络间的差异，并了解如何在实现前向传播之前连接网络的各个层，以计算与网络当前权重对应的损失值；实现反向传播以优化权重达到最小化损失值的目标。并将实现网络的所有关键组成——前向传播、激活函数、损失函数、链式法则和梯度下降，从零开始构建并训练了一个简单的神经网络。
Keras深度学习实战（1）——神经网络基础与模型训练过程详解
热门推荐
盼小辉丶的博客
04-10 4万+
神经网络是一种性能强大的学习算法，其灵感来自大脑的运作方式。类似于神经元在大脑中彼此连接的方式，神经网络获取输入后，通过某些函数在网络中进行传递输入信息，连接在其后的一些神经元会被激活，从而产生输出。本文主要介绍神经网络中重要的基础知识，然后使用 Python 从零开始构建神经网络的训练流程，包括前向传播和反向传播，更直观的了解神经网络的通用训练流程。............
小白入门爬虫~爬取12306车次信息(静态网站和动态网站的区分)(get动态网页的爬取)
小姑仔的博客
07-22 1832
elements,console,source,network elements分析网络结构，获取想要的数据 console打印一些网站的数据，做网站的时候有时候可能会在控制台上打印一些数据 source源文件，相等于一个文件夹，不仅包含网络的元素，还包含一些其他的内容， 如果是静态数据，在elements当中就可以查看到，如果是动态数据在elements之中无法查看 比如说我们在百度之中搜索美女，会出现各种美女图片，此时随着我们下拉的过程，滚动条会越变越小，然后我们搜索网页源代码之中的关键信息 点击so
5.深度学习练习：Deep Neural Network for Image Classification: Application
10点43的博客
07-02 761
本文节选自吴恩达老师《深度学习专项课程》编程作业，在此表示感谢。 课程链接：https://www.deeplearning.ai/deep-learning-specialization/ After this assignment you will be able to: Build and apply a deep neural network to supervised learn...
张氏相机标定法单应矩阵
qq_27353621的博客
10-21 388
参考文献：https://www.sohu.com/a/223594989_100007727 前面文章《从零开始学习「张氏相机标定法」（一）成像几何模型》中我们已经得到了像素坐标系和世界坐标系下的坐标映射关系： 其中，u、v表示像素坐标系中的坐标，s表示尺度因子，fx、fy、u0、v0、γ（由于制造误差产生的两个坐标轴偏斜参数，通常很小）表示5个相机内参，R,t表示相机外参，Xw、Yw、Zw（假设标定棋盘位于世界坐标系中Zw=0的平面）表示世界坐标系中的坐标。 单应性概念的引出 我们在这里引入一个新的概
无形资产价值评估方法
qq_27353621的博客
10-13 1596
无形资产出资法律依据 <中华人民共和国公司法>第二十七条规定：股东可以用货币出资，也可以用实物，知识产权，土地使用权等可以用货币估价并可以依法转让的非货币财产作价出资，但是，法律，行政法规规定，不得作为出资的财产除外。 非货币财产出资不再有比例限制，可以100%出资，以非货币财产出资，应当评估作价，不得高估也不得低估，并出具评估报告，同时依法办理其财产转移手续。 无形资产的概念 无形资产是指企业拥有或者控制的没有实物形态的可辨认非货币性资产。是企业总资产的重要组成部分，是体现企业核心竞争力的资产
PyTorch-YOLO V5训练自己的VOC数据集（四）
qq_27353621的博客
10-17 355
VOC数据集目录结构 ----voc ----Annotations ----ImageSets ----Main ----JPEGImages 在根目录下新建makeTXT.py，将数据集划分，并且在Main文件夹下构建4个TXT：train.txt，test.txt，tra
深度学习（二）
qq_35578807的博客
10-06 328
线性代数 范数（闵可夫斯基距离） 闵可夫斯基距离 在聚类中，可以将样本集合看作是向量空间中的点的集合，以该空间的距离表示样本之间相似度。常用的距离有闵可夫斯基距离，闵可夫斯基距离距离越大相似度越小，距离越小相似度越大。 p>=1,p>=1,当p=1时是曼哈顿距离，p=2时是欧几里得距离，p=∞时是切比雪夫距离： 范数 用来衡量向量的大小，将向量映射到非负值的函数。向量x的的范数衡量从原点到点x的距离。 Lp范数定义： 当p=2时为欧式范数，表示从原点出发到向量x确定的点的欧几里得距离。
深度学习训练技巧总结
夏日山间过
05-07 2万+
模型训练技巧最直接的就是几个超参数的设置 根据图片大小来选择网络和超参数 如果图片不是很大比如3030，这种情况下做分类就不能用VGG和Resnet这样的网络。此时要么把图像变大要么就是选择小的网络，或者把VGG里pooling的步长设置为１试试，如果类别不多（没有上千），那么直接使用小网络，如果是100100这样的大图片就采用VGG和Resnet这样的大网络。 根据图片类别数和数量来选择bat...
CPU深度学习训练速度过慢+keras深度学习训练常见函数解释
weixin_43201920的博客
05-06 5175
2020/5/2 日记录 cpu训练速度慢的可能原因 请参考 深度学习训练速度的提高的一些浅见(1)gpu,cpu,硬盘等硬件 1.【线程】 pytorch以及tensorflow的多线程输入设定过大，一般推荐较大数据流4线程，较小2线程。具体问题具体分析，要看数据输入是否是训练速度优化的瓶颈。 numpy或者opencv等的多线程操作或者tensorflow以及pytorch在cpu运行上的op...
365天深度学习训练营-学习线路
“365天深度学习训练营”报名进行中～
08-04 1993
要求：学习如何编写一个完整的深度学习程序，并记录学习所得（详细介绍其中一个知识点、简略介绍两个知识点）
每天五分钟玩转深度学习PyTorch：获取神经网络模型的子网络模型
huanfeng_AI的博客
09-09 441
本文主要为第二步（模型搭建）和第六步（优化器）服务，因为子网络是网络模型的一部分，我们如何获取自网络，需要了解网络的模型结构，然后再优化器部分我们需要获取指定网络模型部分的模型参数，所以本节课程很重要。
机器学习与深度学习的区别
最新发布
警警的博客
09-14 1398
机器学习与深度学习
机器学习和深度学习的区别
jun778895的博客
09-10 888
机器学习：是人工智能的一个分支，它让计算机能够在没有明确编程的情况下，通过观察和分析大量数据来学习并做出预测或决策。机器学习起源于20世纪50年代，随着算法的不断发展，逐渐形成了多种经典算法，如决策树、支持向量机、随机森林等。深度学习：则是机器学习的一个子领域，它主要依赖于深度神经网络模型进行学习和预测。深度学习在21世纪初开始兴起，特别是随着计算能力的提升和大数据的普及，深度学习算法得以广泛应用，并取得了显著成效。
深度学习中常见的损失函数
技术宅学长的博客
09-12 689
不同的损失函数适用于不同的任务，回归任务中通常使用均方误差（MSE）和绝对误差（MAE），分类任务中使用交叉熵损失，物体检测和分割中使用IoU和Dice损失，而生成模型中使用对抗损失和重构损失。根据具体任务的特点选择合适的损失函数对于模型的性能有很大影响。
基础GAN生成式对抗网络（pytorch实验）
weixin_47696370的博客
09-10 503
采用MNIST数据集，如下是训练集中的一张图片。
深度学习速通系列:LoRA微调是什么
Ven%的博客
09-10 561
LoRA微调（Low-Rank Adaptation）是一种用于大型预训练语言模型（LLM）的高效微调技术。它的核心思想是在不改变预训练模型权重的前提下，通过在模型的Transformer层中引入可训练的低秩矩阵来实现模型的微调。这种方法可以显著减少训练参数的数量，从而降低对计算资源的需求。
基于深度学习的零售柜商品识别系统实战思路
a871923942的博客
09-11 1177
YOLOv5是YOLO算法的一个实现版本，它在速度和准确性之间取得了很好的平衡。现在我们的数据已经准备好了，是时候训练我们的模型了。为了训练模型，我们需要为每张图像创建一个对应的标签文件，指明图像中物体的位置和类别。这段代码添加了一个新的标签来显示视频流，一个按钮来开始/停止实时识别，以及相应的方法来捕获和处理视频帧。这段代码创建了一个基本的窗口，包含一个图像显示区域、一个上传按钮、一个识别按钮和一个结果显示标签。为了提高系统的响应性，特别是在处理大图像或视频流时，我们可以使用多线程来进行识别。
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