深度学习
你会知道我是谁
就业于天津
联系邮箱sunbaojia1992@sina.com
欢迎交流
展开
-
Win10 pytorch GPU版本安装
1. 查看显卡型号 nvidia-smi --->2. 安装Anacodna 这里选择5.2.0版本 老版本在这里查看Anaconda 是否安装成功出现(base)就安装成功了接下来市重头戏----》pytorch 的安装,一般官网为默认最新版,但是会发现默认选项CUDA只有10.2 和11.1 而我的是10.1 我先自动安装下看看能不能用。如需查看CUDA对应的torch版本在默认的下方有之前的版本链接:https://pytorch...原创 2021-07-17 21:40:08 · 240 阅读 · 0 评论 -
文件下载地址
1.CUDA官网地址原创 2021-07-13 17:04:02 · 268 阅读 · 0 评论 -
深度学习标注
首先感谢万门大学的课程1. 图像分类(利用图像名进行分类)import randomfrom PIL import Imageimport osimport numpy as np################################root='datasets/'for dir in os.listdir(root): for file in os.listdir(root+dir): try: img=Imag..原创 2021-07-08 16:23:27 · 420 阅读 · 0 评论 -
卷积与逆卷积
参考:https://www.cnblogs.com/wanghui-garcia/p/10791328.html转载 2021-06-15 17:11:18 · 100 阅读 · 0 评论 -
YOLO 系列算法详解
YOLO V1算法详解创新点YOLO实现了实时处理图片,达到45FPS;Fast YOLO达到155FPS,但是检测准确率不高。优势:速度快。2.做预测时全局了解图像,对背景预测错误出现的概率比Fast R-CNN小。3.YOLO学习目标的一般特征,具有较高通用性,应用到新领域,不太可能发生故障。但是YOLO检测准确性不高,虽然可以快速识别图像中的对象,但是很难准确定位一些目标,尤其是小目标。算法概述算法详解网络结构YOLO网络有24个卷积层,紧跟2个全连接层,整体网络结构如图转载 2020-05-26 09:51:16 · 2110 阅读 · 0 评论 -
深度学习模型压缩与优化方法
深度学习(Deep Learning)因其计算复杂度或参数冗余,在一些场景和设备上限制了相应的模型部署,需要借助模型压缩、优化加速、异构计算等方法突破瓶颈。模型压缩算法能够有效降低参数冗余,从而减少存储占用、通信带宽和计算复杂度,有助于深度学习的应用部署,具体可划分为如下几种方法(后续重点介绍剪枝与量化): 线性或非线性量化:1/2bits, int8 和 fp16等; 结构或非结构剪枝:deep compression, channel pruning 和 network slimming等转载 2020-05-26 09:49:59 · 732 阅读 · 1 评论