![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
python
文章平均质量分 69
rothschildlhl
举头低北斗,挥剑破苍穹。
展开
-
安装DGL注意事项
安装DGL注意事项原创 2024-02-29 16:01:44 · 1650 阅读 · 0 评论 -
基于Pytorch使用GPU运行模型方法及可能出现的问题解决方法
在基于pytorch深度学习进行模型训练和预测的时候,往往数据集比较大,而且模型也可能比较复杂,但如果直接训练调用CPU运行的话,计算运行速度很慢,因此使用GPU进行模型训练和预测是非常有必要的,可以大大提高实验效率。如果还没有配置好运行环境的博友们可以参考下面博主的文章。原创 2022-10-21 18:59:12 · 2929 阅读 · 0 评论 -
基于Pytorch运行中出现RuntimeError: Not compiled with CUDA support此类错误解决方案
基于Pytorch运行中出现RuntimeError: Not compiled with CUDA support此类错误解决方案及基于Pytorch中安装torch_geometric可以命令模式安装方法原创 2022-10-07 16:55:22 · 9030 阅读 · 0 评论 -
基于linux远程服务器端配置paddlpaddle环境
思路:在远程服务器端先安装Anaconda,然后创建python虚拟环境,再根据需求在对应python虚拟环境安装Cuda和对应的Cudnn和paddlpaddle,然后连接Pycharm。原创 2022-10-06 21:52:40 · 1950 阅读 · 0 评论 -
基于Linux的远端服务器连接PyCharm专业版软件简单方法
基于Linux的远端服务器连接PyCharm专业版软件简单方法原创 2022-10-02 16:35:32 · 1253 阅读 · 1 评论 -
基于远程服务器安装配置Anaconda环境及创建python虚拟环境详细方案
基于远程服务器安装配置Anaconda环境及创建python虚拟环境详细方案原创 2022-09-30 22:26:03 · 8429 阅读 · 11 评论 -
基于Windows下Pycharm和Anaconda的python虚拟环境连接配置及更换项目虚拟环境方法
基于Windows下Pycharm和Anaconda的python虚拟环境连接配置及更换项目虚拟环境方法原创 2022-06-05 10:54:39 · 714 阅读 · 0 评论 -
基于Windows下Anaconda创建python虚拟环境教程
Anaconda是目前最流行的数据科学平台以及现代机器学习的基础。同时Anaconda 也是一个Python的发行版,专注于人工智能,天然适合科学计算,数据分析和机器学习,其包管理器是Conda 。Conda 是一个开源的包管理系统和环境管理系统,可在 Windows、macOS 和 Linux 上运行。 Conda 可快速安装、运行和更新包及其依赖项。 Conda 可以轻松地在计算机上创建、保存、加载和切换环境。 它是为 Python 程序而创造的,但它可以打包和分发任何语言的软件,换言之,**Conda原创 2022-06-02 21:53:09 · 14057 阅读 · 3 评论 -
基于Ubuntu的zsh: command not found: python错误简单解决方案
基于Ubuntu的zsh: command not found: python错误简单解决方案原创 2022-05-31 15:40:16 · 10484 阅读 · 1 评论 -
基于Pytorch的图卷积网络GCN实例应用及详解3.0
基于Pytorch的图卷积网络GCN实例应用及详解3.0的实例应用依旧是图的二分类任务,数据训练预测模型框架没有变化,主要是**数据集本身及其处理和重新构造及损失函数选择发生变化**,其余部分发生细微变化。原创 2022-05-21 20:04:13 · 2684 阅读 · 8 评论 -
基于Pytorch的深度学习模型保存和加载方式
我们在训练深度学习模型的过程中,最好对已经训练好的深度学习模型进行保存,或者方便的加载别人训练好的模型微调节省训练时间,实现高效率解决问题。原创 2022-05-21 19:20:44 · 4411 阅读 · 0 评论 -
基于Pytorch之深度学习模型数据类型和维度转换个人总结
博主近期在学习深度学习模型时,发现这个数据类型转换和维度的重构既细节又容易出错,特总结此篇文章,用于自己回顾和分享给有需要的朋友,总结可能不是很全面,不足之处还望大家多多包涵!原创 2022-05-20 21:37:34 · 1342 阅读 · 0 评论 -
基于Python之邻接矩阵沿对角线拼接操作简单方法
图的邻接矩阵一般定义是:节点与节点之间的边构成一个矩阵,比如:一张图片有N个节点,那么邻接矩阵的维度就是[N,N]大小,矩阵的每个值表示对应两个节点之间是否有边相连接,连接则值设为1,否则设为0(下图就是一张节点N=20的邻接矩阵)。原创 2022-05-19 20:27:05 · 2302 阅读 · 1 评论 -
基于Python的一个开源命令行工具Python Fire
基于Python的一个开源命令行工具Python FirePython Fire 是谷歌开源的一个命令行工具。Python Fire 是一个用于从绝对任何 Python 对象自动生成命令行界面 (CLI) 的库。Python Fire 是一种在 Python 中创建 CLI 的简单方法。Python Fire 是用于开发和调试 Python 代码的有用工具。Python Fire 有助于探索现有代码或将其他人的代码转换为 CLI。Python Fire 使 Bash 和 Python 之间的转换原创 2022-05-18 10:56:08 · 816 阅读 · 0 评论 -
基于Pytorch的Transformer翻译模型前期数据处理方法
Google于2017年6月在arxiv上发布了一篇非常经典的文章:Attention is all you need,提出了解决sequence to sequence问题的transformer模型,该文章使用全Attention的结构代替了LSTM,抛弃了之前传统的encoder-decoder模型必须结合CNN或者RNN的固有模式。在减少计算量和提高并行效率的同时还取得了更好的结果,也被评为2017年 NLP 领域的年度最佳论文。原创 2022-05-11 21:42:26 · 1410 阅读 · 0 评论 -
Resource punkt not found. Please use the NLTK Downloader to obtain the resource错误解决方案
首先前提是已经安装了python的nltk库(见下图),目的是调用nltk库的word_tokenize方法实现英文分词。原创 2022-05-09 21:46:12 · 13397 阅读 · 4 评论 -
基于Windows安装langconv实现繁体和简体字的转换
在学习自然语言处理的时候,大家可能已经发现有些中文数据集是繁体字,那么当我们的任务需求是输出简体字时就需要对原始中文数据集进行字体转换,达到顺利输出的目的。原创 2022-05-09 20:09:52 · 2578 阅读 · 0 评论 -
Bert模型之unable to parse config.json as a URL or as a local path错误解决方案
在jupyter notebook中运行下面代码出现问题,报ValueError: unable to parse F:/modelfile/Bert/bert-base-uncased/config.json as a URL or as a local path错误,注意:下面代码中的文件路径根据自己下载解压的文件路径对应更改。原创 2022-05-04 20:00:50 · 3970 阅读 · 0 评论 -
基于Pytorch的卷积神经网络CNN实例应用及详解
基于Pytorch的卷积神经网络CNN实例应用及详解一、卷积神经网络CNN定义卷积神经网络(CNN,有时被称为 ConvNet)是很吸引人的。在短时间内,它们变成了一种颠覆性的技术,打破了从文本、视频到语音等多个领域所有最先进的算法,远远超出了其最初在图像处理的应用范围。CNN 由许多神经网络层组成。卷积和池化这两种不同类型的层通常是交替的。网络中每个滤波器的深度从左到右增加。最后通常由一个或多个全连接的层组成。二、卷积神经网络的原理...原创 2022-04-16 21:44:58 · 4484 阅读 · 2 评论 -
Pytorch中Trying to backward through the graph和one of the variables needed for gradient错误解决方案
Trying to backward through the graph a second timeone of the variables needed for gradient computation has been modified by an inplace operation原创 2022-04-14 15:06:18 · 5436 阅读 · 1 评论 -
Pytorch之nn.Conv1d学习个人见解
Pytorch之nn.Conv1d学习个人见解一、官方文档(务必先耐心阅读)官方文档:点击打开《CONV1D》二、Conv1d个人见解Conv1d类构成class torch.nn.Conv1d(in_channels, out_channels, kernel_size,stride=1, padding=0, dilation=1, groups=1, bias=True)in_channels(int)—输入数据的通道数。在文本分类中,即为句子中单个词的词向量的维度。 (word_vec原创 2022-04-12 21:10:33 · 9762 阅读 · 12 评论 -
基于Windows环境下CPU和GPU版本Tensorflow详细安装过程
TensorFlow 是一个开源的、基于 Python 的机器学习框架,它由 Google 开发,并在图形分类、音频处理、推荐系统和自然语言处理等场景下有着丰富的应用,是目前最热门的机器学习框架。原创 2022-04-02 13:26:10 · 2217 阅读 · 0 评论 -
Pycharm中VCS找不到check out from Version Control选项原因及绑定用户github
Pycharm中VCS找不到check out from Version Control选项原因及绑定用户github原创 2022-04-01 21:12:50 · 6360 阅读 · 0 评论 -
Jupyter Notebook自动补全代码配置
Jupyter Notebook自动补全代码配置原创 2022-03-30 16:39:50 · 2187 阅读 · 2 评论 -
Jupyter Notebook安装及使用指南
Jupyter Notebook是基于网页的用于交互计算的应用程序。其可被应用于全过程计算:开发、文档编写、运行代码和展示结果。同时注意:**Jupyter Notebook以网页的形式打开**,然后用户可以在网页上直接编写代码和运行代码,代码的运行结果也会直接在代码块下显示,非常方便用户理解代码。如在编程过程中需要编写说明文档,也可在同一个程序页面中直接编写,便于作及时的说明和解释。原创 2022-03-30 15:14:42 · 1817 阅读 · 0 评论 -
基于Pytorch的PyTorch Geometric(PYG)库构造个人数据集
PyTorch Geometric库中虽然已经包含自带的数据集如 Cora 等,但有时我们也需要用户个人数据创建自己的数据集进行一些数据研究。**当然博主也建议大家若是第一次使用PyTorch Geometric库可以先使用其自带的数据集进行理解,再创建自己的数据集做到灵活运用。*原创 2022-03-28 20:09:21 · 6986 阅读 · 11 评论 -
基于Pytorch的图卷积网络GCN实例应用及详解
基于Pytorch的图卷积网络GCN实例应用及详解一、图卷积网络GCN定义图卷积网络实际上就是特征提取器,只不过GCN的数据对象是图。图的结构一般来说是十分不规则,可以看作是多维的一种数据。GCN精妙地设计了一种从图数据中提取特征的方法,从而让我们可以使用这些特征去对图数据进行节点分类(node classification)、图分类(graph classification)、边预测(link prediction)和获得图的嵌入表示(graph embedding),用途十分广泛。二、图卷积网络G原创 2022-03-27 20:00:00 · 27539 阅读 · 21 评论 -
Pytorch实践中的list、numpy、torch.tensor之间数据格式的相互转换方法
Pytorch实践中的list、numpy、torch.tensor之间数据格式的相互转换方法(注意:代码未导入相关包和进行初始化赋值不能直接运行)原创 2022-03-20 21:02:48 · 2918 阅读 · 0 评论 -
Pytorch的可视化工具visdom的基本使用
Pytorch的可视化工具visdom的基本使用一、简介Visdom 是 Facebook 专门为Pytorch开发的一款用于创建、组织和共享实时丰富数据的开源可视化工具。支持 Torch 和 Numpy。用户可以通过编程组织可视化空间或者通过用户接口为数据打造仪表板,检查实验结果和调试代码。二、首先根据自己电脑是否安装python和pip,若没有点击打开下面的文章链接进行安装,安装好了之后,再进行visdom安装操作。1、Python3.6.3安装详细简单完整版2、在windows系统安装pip原创 2022-03-20 20:20:37 · 7032 阅读 · 0 评论 -
Pytorch中基于MNIST数据的torchvision工具包应用
(1)**应用要求**:主要是对MNIST数据集图片进行处理,首先自定义操作transforms,然后对每批次图像进行transforms处理,再将该批次的图像拼接成一张网格图像,再保存展示图像。(2)**具体实现流程**:按下面代码的括号中的的顺序和注释依次进行理解。(3)**注意事项**:注意transforms里面输入图像数据的通道数和设计是否匹配;每批次处理的图像数据的数目大小要明确;对象的迭代结果依旧是对象;tensor数据格式和PIL Image格式的转换。原创 2022-03-19 17:24:52 · 5610 阅读 · 0 评论 -
Pytorch中torchvision包transforms模块应用小案例
Pytorch提供了torchvision这样一个视觉工具包,提供了很多视觉图像处理的工具,其中transforms模块主要提供了PIL Image对象和Tensor对象的常用操作,其中最核心的三个操作分别是:(1)**ToTensor**:将PIL Image对象转换成Tensor,同时会自动将[0,255]归一化至[0,1]。(2)**ToPILImage**:将Tensor对象转换成PIL Image对象。(3)**Compose**:如果需要对图片数据集进行多个操作,可通过Compose将这些原创 2022-03-18 20:20:33 · 825 阅读 · 0 评论 -
深度残差网络(ResNet)之ResNet34的实现和个人浅见
残差网络是由来自Microsoft Research的4位学者提出的卷积神经网络,在2015年的ImageNet大规模视觉识别竞赛(ImageNet Large Scale Visual Recognition Challenge, ILSVRC)中获得了图像分类和物体识别的优胜。 **残差网络的特点是容易优化,并且能够通过增加相当的深度来提高准确率。其内部的残差块使用了跳跃连接(shortcut),缓解了在深度神经网络中增加深度带来的梯度消失问题**。残差网络(ResNet)的网络结构图举例如下:原创 2022-03-15 16:06:48 · 33146 阅读 · 6 评论 -
图像相关层之卷积锐化图片示例
图像相关层之卷积锐化图片示例原创 2022-03-12 17:12:39 · 1874 阅读 · 0 评论 -
Pytorch中使用torch.nn模块进行神经网络模型初步构造
torch.nn模块的核心数据结构是Module,可表示神经网络中的某个层(layer)比如全连接层;同时也可表示一个包含很多层(递归的体验)的神经网络比如多层感知机,注意:torch.nn.Module能够顺利用autograd自动实现反向传播,所以无需写和人为使用反向传播函数。原创 2022-03-11 19:31:01 · 965 阅读 · 0 评论 -
Pytorch实现机器学习之线性回归2.0
Pytorch实现机器学习之线性回归2.0,特点在利用autograd和Variable实现线性回归,并且反向传播自动调用backward实现。原创 2022-03-11 11:15:48 · 1880 阅读 · 0 评论 -
Only Tensors of floating point and complex dtype can require gradients问题解决方案
Only Tensors of floating point and complex dtype can require gradients原创 2022-03-10 22:18:53 · 4573 阅读 · 0 评论 -
Pytorch中autograd.Variable.backward的grad_varables参数个人理解浅见
Pytorch中autograd.Variable.backward的grad_varables参数个人理解浅见原创 2022-03-10 19:46:09 · 2462 阅读 · 0 评论 -
Pytorch实现机器学习之线性回归
Pytorch实现机器学习之线性回归原创 2022-03-09 22:13:30 · 1179 阅读 · 0 评论 -
Pytorch中设计随机数种子的必要性
Pytorch中设计随机数种子的必要性原创 2022-03-08 21:09:33 · 1616 阅读 · 0 评论 -
数据结构基本算法之高等排序(python版本)
数据结构基本算法之高等排序(python版本)原创 2022-03-07 16:10:03 · 509 阅读 · 0 评论