深度学习实践
文章平均质量分 87
收录自己深度学习环境配置和实践有关的博客,以备查询与使用
早上真好
不知名放弃领域创作者,具有丰富的各领域放弃经验。
展开
-
(202301)pytorch图像分类全流程实战Task3:迁移学习微调训练
model = models.resnet18(pretrained=True) # 载入预训练模型# 修改全连接层,使得全连接层的输出与当前数据集类别数对应# 新建的层默认 requires_grad=True# 只微调训练最后一层全连接层的参数,其它层冻结如果这时出现预训练模型载入失败的问题,可以自己下载权重文件并载入。注意:这种选择适用于自己的数据集与模型来源的数据集(此处是ImageNet)差别较小且数据量少的情况。原创 2023-01-24 14:50:16 · 516 阅读 · 0 评论 -
(202301)pytorch图像分类全流程实战Task5:在测试集上评估图像分类算法的精度
本次任务是测试集上评估图像分类算法的精度。在大佬开源的代码中,无论是准确率评估指标还是混淆矩阵、PR曲线、ROC曲线、降维可视化,都可以很容易地得到结果。而在这些代码中可能出现的问题,也都在前面的任务中已经解决,比如matplotlib绘制中文的处理、gpu上训练的权重用于cpu上需要加映射参数等。可以说,只要前面的任务认真完成,这次的任务至少在代码运行上是没有任何问题。基于此种情况,我认为这个任务的重点实际上是对以上的几种评估指标的理解。原创 2023-01-27 22:35:57 · 671 阅读 · 0 评论 -
(202301)pytorch图像分类全流程实战Task4:新图片新视频预测
然后使用PIL库读取图片,并进行预处理。预处理的四步是缩放、裁剪、转 Tensor、归一化,此处不再赘述。此外还需要读取映射字典。注意:在gpu中训练得到的权重文件不能直接用于cpu,需要通过加入参数map_location='cpu'进行映射,如右下图所示。原创 2023-01-26 12:55:24 · 569 阅读 · 0 评论 -
(202301)pytorch图像分类全流程实战Task6:可解释性分析、显著性分析
对的系列的学习(大佬的完整代码在2022年人工智能依旧飞速发展,从传统机器学习模型到如今以“炼丹”为主的深度神经网络,代表着模型拟合度与模型各自的发展趋势。至此,深刻体会并成功解释NN为何能取得更优的效果成为各行各业的新目标,而可解释性机器学习便应运而生。原创 2023-01-28 19:48:31 · 1352 阅读 · 0 评论 -
(202301)pytorch图像分类全流程实战Task1:构建自己的图像分类数据集
对于datawhale的开源学习计划,我眼馋很久了,只是之前在学校,不敢轻易尝试。此次寒假终于能够克服畏难情绪进行尝试,终归是有所进步的。第一个任务即是构建自己的图像分类数据集,看起来还是一个比较简单的任务,没想到还是让我头大许久。原创 2023-01-17 14:34:37 · 613 阅读 · 1 评论 -
(202301)pytorch图像分类全流程实战Task7:模型部署
Open Neural Network Exchange(ONNX,开放神经网络交换)格式,是一个用于表示深度学习模型的标准,可使模型在不同框架之间进行转移。原创 2023-01-30 12:30:12 · 547 阅读 · 0 评论 -
(202301)pytorch图像分类全流程实战Task2:预训练模型预测
但是我的本身与ImageNet的数据差别过大了,是无法准确识别的。不过倒是可以判断出一些零件像什么。另外自己训练了一个权重,置信度很高,几乎达到了100.原创 2023-01-19 13:52:05 · 620 阅读 · 4 评论 -
(202302)OpenMMLab实战CV叁——图像分类代码实战与超算平台的使用
本次课程主要分为三个部分,mmclassfication的代码教学、第一次作业的指导、使用北龙超云平台完成本次作业的过程。原创 2023-02-04 13:49:22 · 210 阅读 · 0 评论 -
(202302)OpenMMLab实战CV伍——mmdetection的使用(小笔记与感想)
与之前的mmclassifiction没有本质区别。原创 2023-02-08 20:31:44 · 103 阅读 · 0 评论 -
(202302)统计学习方法习题实战TASK1 统计学习及监督学习概论
本次参加的是DataWhale组织的2023年2月份学习计划。学习内容为李航老师的《统计学习方法(第二版)》的第一到六章。习题的解答开源在datawhale的GitHub账号。原创 2023-02-15 17:13:30 · 65 阅读 · 0 评论 -
(202302)OpenMMLab实战CV贰——图像分类算法基础
ResNet是深浅模型的集成:等同于多模型集成:残差网络有 𝑂(2 𝑛 ) 个隐式的路径来连接输入和输出,每添加一个块会使路径数翻倍。- 残差链接让损失曲面更平滑:Loss Surface 更加平滑,更容易收敛到局部/全局最优解。原创 2023-02-03 15:50:03 · 202 阅读 · 0 评论 -
(202302)OpenMMLab实战CV陆——语义分割算法简介
将图像按照物体的类别分割成不同的区域: 对每个像素进行分类:无人驾驶汽车、人像分割、智能遥感、医疗影像分析。原创 2023-02-10 19:44:15 · 60 阅读 · 0 评论 -
安卓上深度学习环境mxnet配置
我给大家整个活,忽略~~~首先请允许我发表参与学习的感言。花书是深度学习界的圣经,此次能够与大家一同学习此书是我的荣幸,不过在电脑上配置深度学习环境确实已经操作过很多次了。我曾经过许多次的删除重装,现在使用的是wsl上的环境。所以我下面给大家整个活,在手机上配置深度学习的cpu环境。原创 2023-03-20 23:06:18 · 338 阅读 · 0 评论 -
(202302)统计学习方法习题实战TASK2 感知机
当训练数据集是线性可分的时候,感知机学习算法的原始形式是收敛的。显然(但需要经过严格地证明),在这种情况下,感知机学习算法得到的超平面并不是唯一的。我们如果添加约束条件从而得到唯一的超平面,就是支持向量机SVM。如果将感知机用于线性不可分的数据集,感知学习算法不收敛,迭代结果就会发生震荡。原创 2023-02-18 11:09:22 · 255 阅读 · 0 评论 -
(202302)OpenMMLab实战CV壹——算法基础与OpenMMLab入门
第一次课程主要分为三部分:计算机视觉基础知识,mmlab开源算法体,计算机视觉、机器学习的基础知识。目前pytorch是相对最受欢迎的深度学习框架。openmmlab即是基于pytorch搭建。再次记录仅作为自己留下的印象。mmdetection(最受欢迎)目标检测、实例分割、全景分割。原创 2023-02-01 22:32:19 · 245 阅读 · 0 评论 -
(202302)OpenMMLabAI实战营CV肆——目标检测简介与基础知识
两阶段的检测范式最早由 R-CNN 确立,因包含 区域提议和区域识别两个阶段得名;经历一些列发展到 Faster R-CNN 和 Mask RCNN 逐渐成熟;结合比较先进的主干网络和多尺度技术可以达到 比较优越的检测精度,使用广泛;近几年(2020~)随着单阶段算法精度和速度的 提高逐渐被取代。原创 2023-02-07 19:12:25 · 248 阅读 · 0 评论 -
成功了!|| Poetry安装pytorch || 整理自github项目Poetry下的issue
在使用Poetry安装pytorch的时候,常常会遇到各种问题:首先是使用add添加时,会说只有torch没有什么pytorch,很显然,它是直接针对包的,第二点是,如果是一台没有nvidia显卡的机器,由于poetry没有找到适配的cuda,它会从最高版本开始一遍遍地尝试安装cuda,即使添加了清华镜像也还是慢得可怜,最重要的是,不知道在终点会不会是一个“错误”。因此,在poetry的项目下面也有人针对这个问题展开了讨论,下面是一个比较详尽的使用poetry安装的方式。原创 2023-08-04 16:27:45 · 1087 阅读 · 1 评论