- 博客(5)
- 收藏
- 关注
RSS订阅原创 解决segmentation_models_pytorch报错之一的segmentation_models_pytorch.unet报错
一系列糊涂的操作我将anaconda的虚拟环境搞坏了，重装之后发现它报错了。我按照网上的方法删了这个包再下，又登入github重新导入，发现都没什么用处。没有所说的segmentation_models_pytorch.unet啊。然后我打开了decoders文件夹子，成功发现了宝藏。这个报错我是没有想到的，整整花了我几个小时的时间才解决。然后就愉快得解决了，虽然简单粗暴但是有用。不管是官方的也好，自己的也罢，都是这个界面。于是就复制粘贴到根目录。
2022-11-06 16:39:24
1080
1
原创 吴恩达深度学习卷积神经网络阶段一
计算机视觉 计算机视觉是一个飞速发展的领域，多亏了深度学习。同时人们对计算机视觉的研究有丰富的想象力和创造力，由此衍生出新的神经网络和算法。大家都听说过用计算机识别图片，以及图片风格迁移（就是将一张图片转化成另一种风格），小图处理固然方便，但大家肯定希望处理大图，因此就需要引入卷积神经计算。 给了这样一张图片，让电脑去搞清楚这张照片里有什么物体，你可能做的第一件事是检测图片中的垂直边缘。比如说，在这张图片中的栏杆就对应垂直线，与此同时，这些行人的轮廓线某种程度上也是垂线，这些线是垂直边缘检测器的输出。同
2021-10-23 11:22:02
734
原创 吴恩达神经网络深度学习阶段二
神经网络概览 上周我们学习了逻辑回归，我们了解了这个模型如何与下面公式建立联系。 如上所示，首先你需要输入特征 x ，参数 w 和 b，通过这些你就可以计算出 z， 把许多sigmoid单元堆叠起来形成一个神经网络。 在逻辑回归中，通过直接计算 z得到结果a 。而这个神经网络中，我们反复的计算 z 和 a ，计算 a和 z，最后得到了最终的输出loss function。逻辑回归中，有一些从后向前的计算用来计算导数 d a 、 d z 。同样，在神经网络中我们也有从...
2021-10-22 22:54:28
210
原创 吴恩达神经网络深度学习阶段一
一、简单的介绍： 深度学习指的是训练神经网络， 假设你有一个数据集，它包含了六栋房子的信息。所以，你知道房屋的面积是多少平方英尺或者平方米，并且知道房屋价格。这时，你想要拟合一个根据房屋面积预测房价的函数。 如果你对线性回归很熟悉，你可能会说：“好吧，让我们用这些数据拟合一条直线。”于是你可能会得到这样一条直线。 输入x经过神经网络实现生成y这就是一个简单的神经网络 将这些独立的神经元叠在一起变成了一个预测器 同时可以用神经网络进行监督学习，从历史经验上看，处理非结构化数据是很难的，与结构化数据.
2021-10-22 08:47:15
232
原创 2021-10-08
深度学习系列笔记一——记录环境搭建安装 作为一个成功安装的人我可以为大家提供经验，大致的流程是这样的： 一、anaconda的安装（基于Windows） 简单介绍一下anaconda： Anaconda包含了conda、Python在内的超过180个科学包及其依赖项。Anaconda具有如下特点： ▪ 开源 ▪ 安装过程简单 ▪ 高性能使用Python和R语言 ▪ 免费的社区支持其特点的实现主要基于Anaconda拥有的： ▪ conda包 ▪ 环境管理器 ▪ 1,000+开源库.
2021-10-08 19:58:22
109
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人