智能学习者
这个作者很懒,什么都没留下…
展开
-
基于pytorch实现模型量化压缩
这样可以通过减少模型参数的精度和规模,来减少模型的存储空间和计算复杂度,从而提高模型的运行速度和效率。具体来说,将原始的浮点型参数转化为定点数或整数类型,然后使用定点数或整数来表示浮点数值,从而减少模型存储空间和计算复杂度,提高模型运行速度。综上所述,通过剪枝、量化、共享和融合等方法来实现模型的量化压缩,可以有效地减少模型的大小和计算复杂度,从而提高模型的运行速度和效率。模型剪枝:通过去除网络中一些不必要的连接及其对应的参数,来减小模型的大小和复杂度,从而提高模型的计算速度和运行效率。原创 2023-03-15 12:56:12 · 1259 阅读 · 1 评论 -
基于pytorch和paddle从零实现Transformer
从零实现Transformer本人使用Pytorch和PaddlePaddle均实现了transformer,并使用数据集做了测试。完整代码如下:pytorch代码:transformer_torchpaddlepaddle代码:transformer_paddle下面以paddlepaddle为例讲解代码实现:一、模型总览transformer总共包含一个编码器和一个解码器。其中解码器和编码器包括多头注意力机制、全连接层、Layernorm、残差连接一、 Embeddingimpor原创 2022-02-25 22:41:09 · 1400 阅读 · 0 评论 -
pytorch实现卷积操作
介绍了如何使用pytorch实现卷积神经网络,并介绍了图像尺寸更新公式,便于网络和参数的设计。原创 2022-09-17 15:56:33 · 1154 阅读 · 0 评论 -
机器学习中,python如何使用pandas提取数据并把数据分成训练集和测试集与pytorch配合使用*
机器学习,python如何使用pandas提取数据并把数据分成训练集和测试集一.使用pandas读取.csv文件**1.Importing pandas and numpyimport pandas as pdimport numpy as np2 Reading the csv file into a pandas DataFramedata = pd.read_csv('stud...原创 2019-08-22 15:37:53 · 8913 阅读 · 4 评论 -
使用pandas配合pytorch实现相关性分析并使用热力图表示
在使用pytorch进行深度学习训练时,在进行数据处理时,输入数据的特征选择非常重要,因此针对标签数据进行相关性分析非常重要。下面介绍如何使用pandas实现数据相关性分析,并使用热力图进行表示,从而选出最合适的特征,达到加强学习效率并节省计算资源的效果。原创 2022-09-08 18:02:09 · 1763 阅读 · 0 评论 -
机器学习-理解Accuracy,Precision,Recall, F1 score以及sklearn实现
sklearn的使用原创 2022-08-30 18:53:10 · 501 阅读 · 0 评论 -
使用pytorch从头实现多层LSTM
代码如下:#自定义LSTM实现class NaiveCustomLSTM(nn.Module): def __init__(self,input_size,hidden_size,num_layers=2): super().__init__() self.input_size = input_size self.hidden_size= hidden_size self.num_layers = num_layers原创 2021-12-29 11:37:37 · 1967 阅读 · 0 评论 -
pytorch反卷积函数用法
参数说明:torch.nn.convtranspoese2d(in_channel,out_channel,kernel_size,stride=1,padding=0,out_padding=0,groups=1,bias=1,bias=True,dilation=1,padding_mode='zeros')用法def deconv(input_channel,output_channel,kernel_size=4,strides=2,padding = 1,batch_norm=True):原创 2021-07-11 22:59:19 · 493 阅读 · 1 评论 -
pytorch调整训练学习率方法
pytorch调整训练学习率方法转载 2020-03-19 18:56:36 · 273 阅读 · 0 评论 -
list,tensor,numpy相互转化
1.1 list 转 numpyndarray = np.array(list) 1.2 numpy 转 listlist = ndarray.tolist() 2.1 list 转 torch.Tensortensor=torch.Tensor(list) 2.2 torch.Tensor 转 list先转numpy,后转listlist = tenso...原创 2019-08-23 09:54:22 · 32106 阅读 · 7 评论 -
利用opencv训练目标检测模型
Ubuntu利用opencv训练自己的xml文件OpenCV样本训练经验opencv目标检测(object detection)原创 2020-05-11 00:36:06 · 1850 阅读 · 0 评论 -
使用PlotNeuralNet工具生成卷积神经网络的立体结构图
在写论文过程中我们需要一个清晰的网络结构图,而生成漂亮的立体图像能给我们的论文加分不少。生成的图像如图所示。具体实现过程如下:1.下载PlotNeuralNet源代码链接2.按照里面的README.md文件里的内容进行操作。3.编写py文件。例子如下:import syssys.path.append('../')from pycore.tikzeng import *# defined your archarch = [ to_head( '..' ), to_cor原创 2020-12-04 00:04:10 · 4533 阅读 · 0 评论 -
语义分割数据集图像映射
在使用labelme生成语义分割数据集的时候,对于得到的label图还需要自己写代码做映射处理。具体使用labelme的方法参考如下.图像语义分割标注工具labelme制作自己的语义分割数据集但是最后生成的只有四个文件,并没有info.yaml,label.png也不是灰度图,所以需要我们把label.png进行图像映射转化。在处理语义分割数据集时需要将图像进一步按照类别处理成对应的灰度图。以下图为例。其中第二和第三图是使用labelme 软件处理后的图,下面主要做的就是把第三图按像素点类别映射成灰原创 2020-09-21 01:18:52 · 827 阅读 · 0 评论 -
图像语义分割标注工具labelme制作自己的语义分割数据集
1.windows下python2pip install pyqtpip install labelmepython3pip install pyqt5pip install labelme2.在ubuntu16.04系统上基于python2安装labelme.sudo apt-get install python-qt4 pyqt4-dev-toolssudo pip install labelme # python2 works3.使用labelme在终端中执行以下命令:原创 2020-09-14 17:45:54 · 1954 阅读 · 0 评论 -
SG平滑轨迹算法的原理和实现
SG平滑算法是由Savizkg和Golag提出来的。基于最小二乘原理的多项式平滑算法,也称卷积平滑。为啥叫多项式平滑呢?且看下去。 下面使用五点平滑算法来说明平滑过程 原理很简单如图: 假设窗口大小为5,即每次取5个点,包括自身和前后2个点把光谱一段区间的等波长间隔的5个点记为X集合,多项式平滑就是利用在波长点为Xk−2,Xk−1,Xk,Xk+1,Xk+2的数据的多项...原创 2020-03-19 18:40:51 · 9152 阅读 · 4 评论 -
tf.layers.conv2d_transpose()反卷积函数的运算规律
对于conv2d_transpose(inputs,filters_num,kernel_size,strides=(1, 1),padding=’valid’,data_format=’channels_last’,activation=None,use_bias=True,kernel_initializer=None,bias_initializer=tf.zeros_i...原创 2019-10-14 12:45:36 · 809 阅读 · 1 评论 -
使用pytorch加载非图像数据集方法总结
本文主要介绍了使用pytorch加载非图像数据集的方法,包括:非图像数据集的处理和加载1.纯数字数据集的加载2.情感数据集的处理和加载3.全文本数据集的处理和加载*4.采用Class 定义的方式处理加载csv车辆轨迹数据集5.采用自定义的方式处理和加载数据集非图像数据集的处理和加载1.纯数字数据集的加载import pandas as pdimport numpy as npimport mathimport matplotlib.pyplot as pltimport torch原创 2021-03-18 16:32:09 · 2531 阅读 · 3 评论 -
使用pytorch加载图像数据集方法总结
一、图像处理和加载1、自定义图像分类数据集的加载### import osfrom torchvision import datasets### TODO: Write data loaders for training, validation, and test sets## Specify appropriate transforms, and batch_sizesimport numpy as npfrom glob import globimport matplotlib.pyp原创 2021-03-18 11:42:05 · 3139 阅读 · 1 评论 -
pytorch使用nn库和Functional库实现上采样
1.使用nn库。nn库带的三个上采样函数分别如下所示:torch.nn.Upsample(size = None,scale_factor=None, mode='nearest', align_corners=None)torch.nn.UpsamplingNearest2d(size= None,scale_factor=None)torch.nn.UpsamplingBilinear2d(size = None,scale_factor=None)size (int or Tuple[in原创 2020-09-22 11:41:10 · 609 阅读 · 0 评论 -
c++使用libtorch 库运行python下pytorch保存的模型
1.到pytorch的官网下载libtorch,可放在任意位置.2.在python下保存c++可调用的模型.保存代码如下:net.cpu().eval()# An example input you would normally provide to your model's forward() method.#example = torch.rand(1, 4)example = to...原创 2019-12-24 22:37:45 · 1563 阅读 · 0 评论 -
pytorch的反卷积运算
上篇讲了tensorflow 的反卷积操作,本篇对pytorch 的反卷积操作进行讲解:两者存在着很大的区别 :torch.nn.ConvTranspose2d(in_channels, out_channels, kernel_size, stride=1, padding=0, output_padding=0, groups=1, bias=True, dilation=1, paddi...原创 2019-10-15 12:48:56 · 1048 阅读 · 0 评论