小白记录深度学习之旅1——配服务器

已于 2023-10-11 16:29:02 修改
阅读量30 收藏
点赞数
文章标签： 深度学习 人工智能
于 2023-10-10 16:00:20 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_55795524/article/details/133716896
版权

下载xshell和xftp：家庭/学校免费 - NetSarang Website (xshell.com)

xshell连接建立：注意服务器用校外地址，且用校园网或VPN

xftp同样建立连接

anaconda下载：Free Download | Anaconda

anaconda安装配置：保姆级Anaconda安装教程_哔哩哔哩_bilibili

出现问题：source ~/.bashrc一直无反应——解决安装conda时没有执行conda init-CSDN博客

服务器配pytorch，注意要看服务器是哪个cuda，按照对应版本下载。刚开始配到了base环境，又要重新配，而且一直卡在 solving environment，换了好几个源，后来【真正解决】Conda安装卡在solving environment这一步！-CSDN博客

 pycharm连接服务器，一直显示不了服务器的包，找了半天把这个解释器删了重新配了一遍就可以了

在服务器pip install jupyter notebook就可以直接在pycharm用服务器环境运行ipynb代码

swycsq
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
深度学习小白入门资料分享1
10-23
pdf书籍+PPT+习题解答：较全面地介绍了神经网络、机器学习和深度学习的基本概念、模型和方法，同时也涉及了深度学习中许多最新进展。书后还提供了相关数学分支的简要介绍，以供读者需要时参考。
小白学习fortran过程记录.zip
02-18
小白学习fortran过程记录.zip小白学习fortran过程记录.zip小白学习fortran过程记录.zip小白学习fortran过程记录.zip小白学习fortran过程记录.zip小白学习fortran过程记录.zip小白学习fortran过程记录.zip小白学习...
深度学习项目库 —— 基于 sklearn .zip
02-02
人工智能——模拟人类智能的技术和理论，使其在计算机上展现出类似人类的思考、判断、决策、学习和交流能力。这不仅是一门技术，更是一种前沿的科学探索。 【实战项目与源码分享】 我们深入探讨了深度学习的基本...
机器学习深度学习基本概念（小白版）
04-13
想入门机器学习领域或深度学习领域的不可或缺之物
《动手学深度学习》-小白笔记三
01-07
小白知识点 训练误差和泛化误差 训练误差：模型在训练数据集上表现出的误差 泛化误差：模型在任意一个测试数据样本上表现出的误差的期望，并常常通过测试数据集上的误差来近似。 验证数据集、测试数据集和训练数据集...
[数据集][目标检测]伤口检测数据集VOC+YOLO格式2760张1类别
FL1623863129的博客
05-27 393
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。重要说明：大部分是脚本伤口，也有一小部分是其他部分伤口。图片数量(jpg文件个数)：2760。标注数量(xml文件个数)：2760。标注数量(txt文件个数)：2760。使用标注工具：labelImg。标注规则：对类别进行画矩形框。
遥感图像的深度学习的任务类型
weixin_42605076的博客
05-31 305
遥感图像的深度学习任务涉及广泛的应用领域和技术方法，通过使用卷积神经网络（CNN）、生成对抗网络（GAN）等先进的深度学习模型，能够有效提升遥感数据的处理和分析能力，支持各类环境监测、资源管理、灾害应对等实际需求。
深度学习中点云在预处理时的增强策略
weixin_42605076的博客
05-29 373
点云数据增强策略在深度学习中具有重要意义，通过这些增强手段，可以有效提升模型的泛化能力和鲁棒性。在具体应用中，通常会组合多种增强策略，以形成一个丰富且多样化的训练数据集，从而提高模型在实际场景中的表现。
PyTorch训练关键点
u012374012的专栏
05-28 650
image = cv2.imread(self.image_filenames[index], 0) # 以灰色模式读取图像。# 遍历 XML 数据:root[2] 表示 XML 中的第三个元素，即 部分，其中包含了每张图像的标注信息。# 将关键点坐标中心化：简化旋转变换的计算，同时确保关键点的变换和图像变换的对应关系。# 对图像进行旋转：相比于 PIL 的图像旋转计算开销更小。# 将图像从数组转换为 PIL 图像对象。# 对关键点坐标进行裁剪后的调整。# 获取裁剪后的图像形状。
深度学习在工业检测中的应用：基于SAM模型的自动掩码生成
安静到无声
05-28 80
在工业生产过程中，异常检测是一项关键任务。及时发现并处理异常可以有效提高产品质量和生产效率。然而，传统的人工检测方法效率低下，难以应对海量数据的处理需求。随着深度学习技术的发展，自动化检测系统逐渐成为主流，其中基于图像的异常检测尤为重要。在本文中，我们将介绍如何利用Segment Anything Model（SAM）进行自动掩码生成，以实现高效的工业检测。
BPTT算法详解：深入探究循环神经网络（RNN）中的梯度计算【原理理解】
qq_22841387的博客
05-29 969
在深度学习领域中，我们经常处理的是独立同分布（i.i.d）的数据，比如图像分类、文本生成等任务，其中每个样本之间相互独立。然而，在现实生活中，许多数据具有时序结构，例如语言模型中的单词序列、股票价格随时间的变化、视频中的帧等。对于这类具有时序关系的数据，传统的深度学习模型可能无法很好地捕捉到其内在的 时间相关性 。为了解决这一问题，循环神经网络（Recurrent Neural Network, RNN）被广泛应用于处理时序数据。首先，让我们来了解一下常见的循环神经网络结构。在 RNN 中，隐藏状态会随着时
基于安卓的虫害识别软件设计--（1）模型训练与可视化
最新发布
zzztutu的博客
05-31 275
【基于安卓的虫害识别软件设计--1】介绍了模型构建、训练及可视化的过程，最后保存最佳的模型文件为后面使用。
【深度学习】contorlnet Pixel Perfect
q742971636的博客
05-28 600
在A1111框架内的ControlNet中，像素完美是一个自动化的特性，它能调节图像处理工具（即注解器）的分辨率，使之与您正在处理的参考图像相匹配。这一功能的精妙之处在于，它能够自主选择预处理器的分辨率，用户无需手动设置。这种自主性通常能带来更佳的效果，因为预处理器始终运行在其设计的最佳分辨率上。通过自动完成这些调整，它确保了图像的最高质量和清晰度。想象一下尝试将方形榫头塞入圆形孔中——没有恰当的调整，就会格格不入。同样地，注解器与图像之间分辨率的不匹配可能会引入不良的伪影或扭曲。
Pytorch入门需要达到的效果
a_blade_of_grass的博客
05-28 516
都是常用的激活函数，
『大模型笔记』从基础原理出发提升深度学习性能
AI新视界
05-28 211
如果你想加速你的深度学习系统，最重要的是要弄清楚模型的瓶颈在哪里。这个瓶颈决定了你加速系统的最佳方法。我经常看到研究人员和其他想要加速PyTorch代码的人在不了解具体情况的前提下盲目尝试。性能环境可能的解决方案Overhead-Bound(开销瓶颈)Tracing, Operator Fusion, 不使用Python, 真正的JIT编译器Operator Fusion(算子融合)使用Tensor Cores, 购买更多Nvidia硬件当然，可以说，用户需要考虑这些问题本身就反映了框架的不足。
pytorch-卷积神经网络
wyw0000的博客
05-28 1120
pytorch卷积神经网络
卷积神经网络-奥特曼识别
m0_74315028的博客
05-21 1084
卷积神经网络识别奥特曼
SCI一区 | Matlab实现PSO-TCN-LSTM-Attention粒子群算法优化时间卷积长短期记忆神经网络融合注意力机制多变量时间序列预测
关注并私信文章链接，获取对应文章源码和数据，机器学习之心的博客。
05-28 940
SCI一区 | Matlab实现PSO-TCN-LSTM-Attention粒子群算法优化时间卷积长短期记忆神经网络融合注意力机制多变量时间序列预测
【TensorFlow深度学习】过拟合问题剖析：模型容量与欠拟合辨析
yuzhangfeng的博客
05-29 518
过拟合与欠拟合是深度学习的双刃剑，模型容量的微妙平衡是关键。通过合理的数据集划分、验证集的智能使用、以及提前停止和正则化策略，我们能在模型的复杂度与泛化能力之间找到最佳平衡点。实践这些策略，不仅提升模型的泛化性能，还能确保算法的稳健性和可靠性。深度学习之旅，始于理解，精于调控，终达泛化。
linux小白成长之路2————yum安装火狐浏览器
06-02
好的，我将为您解答如何使用yum安装火狐浏览器。 首先，您需要在终端中执行以下命令，以确保您的系统上已经安装了yum包管理器： ``` sudo yum update ``` 接下来，您可以使用以下命令搜索可用的火狐浏览器软件包： ``` sudo yum search firefox ``` 当结果显示后，您可以查看可用的版本，并选择要安装的版本。例如，以下命令将安装最新版本的火狐浏览器： ``` sudo yum install firefox ``` 在安装过程中，您将需要按下“y”键以确认安装。 安装完成后，您可以在终端中输入以下命令启动火狐浏览器： ``` firefox ``` 这样就完成了使用yum安装火狐浏览器的过程。希望对您有所帮助！

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值