![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 78
岁月漫长_
分享图像隐写及项目中的经验,期待交流,欢迎评论,共同进步!
展开
-
【服务器深度学习环境配置】安装cuDNN8.1.1 CUDA11.2 显卡3090
服务器安装cuDNN过程原创 2022-03-16 11:09:25 · 2519 阅读 · 0 评论 -
【深度学习】深度学习模型
ResNet在2015年被提出,在ImageNet比赛classification任务上获得第一名,深度残差网络,ResNet可以解决“随着网络加深,训练误差不下降”的问题,这是因为Resnet提供了两种选择方式,也就是identitymapping和residualmapping,如果网络已经到达最优,继续加深网络,residualmapping将被push为0,只剩下identitymapping,这样理论上网络一直处于最优状态了,网络的性能也就不会随着深度增加而降低了。...原创 2021-11-24 21:08:53 · 3218 阅读 · 0 评论 -
【调参工具】微软自动调参工具—NNI
nni自动调参工具使用修改模型文件,添加以下代码命令行运行-p代表使用的端口号。打开一个上面给出的url在命令行使用停止调参原创 2022-07-08 11:41:23 · 2490 阅读 · 3 评论 -
【深度学习笔记】pytorch官方文档整理
pytorch官网教程整理原创 2022-06-21 22:00:08 · 1201 阅读 · 0 评论 -
【深度学习】动手学深度学习——编码器-解码器
参考资料:https://zh.d2l.ai/chapter_recurrent-modern/encoder-decoder.html自然语言处理10.9 编码器—解码器(seq2seq)在自然语言处理中,输入输入都可以是不定长序列,此时可以用编码器—解码器(encoder-decoder)[1] 或者seq2seq模型 [2]。根据“编码器-解码器”架构的设计, 我们可以使用两个循环神经网络(分别叫做编码器和解码器)来设计一个序列到序列学习的模型。编码器接受一个长度可变的序列作为输入, .原创 2022-01-17 14:10:14 · 4064 阅读 · 0 评论