![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
pytorch
文章平均质量分 52
微恋
这个作者很懒,什么都没留下…
展开
-
【深度学习笔记】Model Log 可视化Loss 方便契合
文章目录1 Model Log介绍2 安装3 使用3.1 启动web端3.2 API使用3.2.1 预配置 添加属性3.2.2 API使用1 Model Log介绍Model Log 是一款基于 Python3 的轻量级机器学习(Machine Learning)、深度学习(Deep Learning)模型训练评估指标可视化工具,与 TensorFlow、Pytorch、PaddlePaddle结合使用,可以记录模型训练过程当中的超参数、Loss、Accuracy、Precision、F1值等,并以曲线原创 2021-09-23 10:41:17 · 303 阅读 · 0 评论 -
从零安装深度学习环境 Anaconda+cuda+pytorch+python等等
文章目录前言一、环境篇1 Anaconda1.1 安装1.2 使用2 Cuda2.1 安装3 Pytorch3.1 安装4 python5 Pycharm5.1 安装总结前言九月,又是新的一年新生入学时期。想必师弟师妹现在也已经实验室就位了,为了方便新生尽快熟悉深度学习,这里总结了一些我之前关于环境的配置方面的东西,尽量少走些弯路。提示:在以下的安装过程中,均使用win10的沙盒功能,进行安装。一、环境篇本文只介绍如何安装相对应的环境,不做具体的探讨。1 Anaconda1.1 安装官原创 2021-09-14 18:11:58 · 855 阅读 · 0 评论 -
pytorch VGG网络特征可视化
本代码解决问题:将通过VGG网络或其他网络得到的特征图feats进行可视化输出,其中feats.shape=[N, C, H, W]N为一组图片数,C为通道数,H为图片的高度,W为图片的宽度代码说明:代码命名为featsVisual.py使用时 import featsVisual as FV如下:其中conv2_2为通过网络得到的feats在目录下的featsVisual文件夹自动生成以conv2_2命名的文件夹,将可视化的特征图保存到此文件夹中。如下图所示:FV.show_fe原创 2021-04-13 18:52:15 · 2513 阅读 · 0 评论 -
CNN多通道卷积理解
图像组 Image 其Image.shape = [N1, C1, H1, W1]维度表示:N1张图像,每张图像均由C1个通道组成,每个通道的尺寸为H1*W1卷积组 ConvT 其ConvT.shape = [N2, C2, H2, W2]维度表示:N2个卷积核,每个卷积核均由C2个通道组成,每个通道的卷积核尺寸为H2*W2若Image以ConvT进行2D卷积,则必须满足,图像组的通道数和卷积组的通道数是相等的,即C1=C2多通道卷积计算过程:对Image进行卷积时,循环对一张图..原创 2021-03-08 20:52:14 · 3517 阅读 · 0 评论