![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
神经网络
文章平均质量分 85
Dark universe
这个作者很懒,什么都没留下…
展开
-
一图梳理多模态领域发展简史
本文采用关系图的方式整理了:CLiP、ViLT、FLiP、ALBEF、CoCa、BLiP、VLMo、BEiT 和BEiT v3等近几年来经典的多模态大模型,以及这些工作的相互依托关系。灵感来自:跟李沐读论文系列——多模态串讲原创 2023-12-26 20:07:37 · 993 阅读 · 1 评论 -
使用广播机制将for循环转为矩阵运算
Numpy广播(broadcasting)是NumPy中用于处理形状不匹配的数组进行逐元素运算的一种机制。一般情况下,当for循环内的操作为仅为简单的四则运算,且操作对象为2个时,就可以考虑采用矩阵运算替代for循环。在构造时,需要逆向思维:将两个待求解的矩阵/数组变换成形状不匹配的状态,引发广播机制实现逐元素运算。原创 2023-12-07 15:44:31 · 269 阅读 · 0 评论 -
PyTorch多GPU训练模型——使用单GPU或CPU进行推理的方法
使用DataParallel`和DistributedDataParallel进行多GPU并行训练并报错模型,在推理阶段采用单个GPU或者CPU加载模型。加载时容易出现两种错误:IndexError: list index out of range 和 Missing key(s) in state_dict:。这时可以采用map_location=device等方法进行解决。原创 2023-09-07 14:10:49 · 3209 阅读 · 3 评论 -
wandb安装方法及本地部署教程
Wandb(Weights & Biases)是一个用于跟踪、可视化和协作机器学习实验的开源工具和平台。本文总结了wandb的安装方法和本地部署方法。具体的,通过pip install wandb方法完成安装;通过wandb.init(mode="dryrun")实现本地部署。原创 2023-08-31 09:19:10 · 5745 阅读 · 0 评论 -
一招解决报错:pyassimp.errors.AssimpError: assimp library not found
解决pyassimp.errors.AssimpError: assimp library not found报错问题。不需要使用CMake编译,也不需要其它特别麻烦的方法。只需要将源码安装包直接放在python存储第三方库的地方,这样就直接完成了pyassimp包的安装和编译。原创 2023-07-24 16:03:52 · 1152 阅读 · 0 评论 -
PyTorch程序实现L1和L2正则项
正则化是机器学习中的一个重要概念,它可以帮助我们防止模型过拟合。在这篇文章中,我将详细介绍两种常见的正则化技术:L1和L2正则项。然后会基于PyTorch平台讲解如何向自己的网络模型中添加上述两种技术,将正则化真正为己所用!!!原创 2023-07-05 16:08:42 · 4406 阅读 · 0 评论 -
pytorch入门篇3 梯度传播+线性回归
本篇博客介绍了在pytorch中如何使用梯度传播。基于梯度传播我们分别使用Numpy和pytorch两种方法完成了一个线性回归案例的代码编写。原创 2023-05-09 14:47:15 · 804 阅读 · 1 评论 -
CV研究者自有出路 一文搞懂:Segment Anything
最近被一篇论文Segment Anything SAM刷屏了。借此也为各位小伙伴科普下Segment Anything到底做了什么。在本次讲解中,我将介绍论文实现的成果以及实现思路。最后对SAM的优缺点进行总结,并提出了关于图像分割领域值得探索的研究方向。原创 2023-04-09 17:50:57 · 2285 阅读 · 0 评论 -
高阶数据增强:Cutmix 原理讲解&零基础程序实现
CutMix是一种数据增强技术,用于在训练图像分类模型时减轻过拟合问题,可以帮助提高模型的泛化性能和鲁棒性,是竞赛的一个重要涨分点。CutMix的核心思想是将两张图像的一部分混合在一起,生成一个新的训练样本。本篇博客详细讲解了CutMix的原理,并从零开始教大家实现将CutMix移植到自己的网络模型上。原创 2023-03-16 19:12:45 · 6425 阅读 · 2 评论 -
用Python调用OpenAI API进行文本创作
本文将教大家用python调用OpenAI API进行文本创作。使用Python调用OpenAI API进行文本创作可以轻松地实现自然语言处理和文本生成,无需复杂的算法和底层编程;所生成文本的准确性也很高,具有一定的参考价值,是一些文字工作者的必备神器;原创 2023-02-18 13:48:43 · 3863 阅读 · 0 评论 -
一只猫引出的数据增强[Data Augmentation]
albumentations包是一个强大的数据增强包,本文以一张猫的图片为例,讲解深度学习中常用数据增强的实现方式及使用效果。包括:变换尺寸.Resize、中心裁剪.CenterCrop、随机裁剪.RandomSizedCrop、水平翻转.HorizontalFlip、垂直翻转.VerticalFlip、随机旋转.Rotate、随机亮度对比度.RandomBrightnessContrast、随机放射变换.ShiftScaleRotate、标准化.Normalize、转置.Transpose、网格畸变原创 2023-02-13 11:24:43 · 1708 阅读 · 0 评论 -
PixelShuffle上采样原理讲解及程序实现
PixelShuffle(Sub-Pixel Convolutional Neural Network,像素重组)是一种经典的上采样Upsample方法, torch.nn.PixelShuffle(),可以对缩小后的特征图进行有效的放大操作在,最初在处理图像超分辨率的问题上提出,是目前最优秀的上采样方法。变化公式为:[H,W,C*r*r]->[H*r,W*r,C]原创 2023-01-09 20:45:40 · 6977 阅读 · 0 评论 -
手撕self-attention代码_从0实现self-attention_附学习路线
一套适合新手学习self-attention的保姆级路线,配套相应的底层代码练习。transformer学习的必备入门,教大家从0开始实现self-attention。代码分为两个版本:基于numpy的和基于pytorch的,为大家深层次剖析self-attention的实现过程,帮助大家理解它的运行原理。原创 2022-11-28 21:33:00 · 4045 阅读 · 3 评论 -
基于OpenVINO工具套件简单实现YOLOv7预训练模型的部署_附带预训练模型
●还在用yolov3/yolov5做项目嘛,那已经过时了(至少从知识的新鲜程度上讲)。下面教你一文实现最新的yolov7的模型部署(在版本上压制对手)。重点是这个程序中的预训练模型在github官网上的下载速度很快,不会出现v3系列那种pth文件下载速度慢断流的问题。作者也为大家准备了其中的:yolov7.pt预训练模型。官方版的YOLOv7相同体量下比YOLOv5。转载 2022-10-21 18:14:16 · 1612 阅读 · 2 评论 -
关于使用tensorflow-gpu 1.14.0版本训练时出现“0 successful operations. 0 derived errors ignored.”的解决方法
关于使用tensorflow-gpu 1.14.0版本训练时出现“0 successful operations. 0 derived errors ignored.”的解决方法原创 2022-04-09 09:29:05 · 3635 阅读 · 6 评论 -
anaconda虚拟环境安装tensorflow(cpu版本)
基于anaconda虚拟环境的tensorflow(cpu版本)的安装注意事项因为tensorflow和pytorch之间不能在一个环境中(还有好多的问题等),所以在安装上述两个神经网络学习工具的时候最好是将它们安装在不同的虚拟环境下,这样分开不会出现谜之错误。本文主要梳理下在anaconda中创建虚拟环境,在虚拟环境中安装tensorflow,在pycharm中引用虚拟环境的方法。特殊说明:本文中提到的方法均经过试验,试验机器为:ThinkpadE575,amdA12处理器,Windows10系统。原创 2021-03-26 18:36:43 · 4560 阅读 · 0 评论 -
基于anaconda虚拟环境的tensorflow(cpu版本)的安装注意事项
。原创 2021-03-26 18:27:08 · 2790 阅读 · 7 评论