![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 84
KHB1698
深度学习ing
展开
-
windows11+wsl2+ubuntu+cuda+cudnn+vscode+pytorch深度学习环境解决方案
深度学习环境wsl2原创 2022-03-06 14:31:36 · 2629 阅读 · 3 评论 -
绕不过的BP算法,从这里开始!
绕不过的BP算法,从这里开始!原文链接:https://aistudio.baidu.com/aistudio/projectdetail/2411797其实对于每个机器学习和深度学习的初学者来说,都绕不开一个算法,那就是bp算法。我参考了张玉宏-《深度学习之美》这本书并编写这篇推文,本文主要是对BP算法的代码实现和详细的批注,希望对你学习有所帮助。阅读之前可以看一下这篇文章学习下基本原理——BP算法双向传,链式求导最缠绵,个人认为已经讲的非常详细易懂了。再一个推荐一篇文章,或许对你的AI学习生涯原创 2021-09-29 15:55:25 · 437 阅读 · 0 评论 -
飞桨高层API实现图像去雨
高层API实现图像去雨原文链接:https://aistudio.baidu.com/aistudio/projectdetail/23407141 简要介绍去雨深度模型越来越复杂多样,难以分析不同网络模型的作用。通过参考原始论文[Progressive Image Deraining Networks: A Better and Simpler Baseline],我选择了一个简单的PRN模型对下雨图像进行深度学习和处理。2 环境设置本教程基于Paddle 2.1 编写,如果您的环境不是本原创 2021-09-07 15:55:38 · 561 阅读 · 0 评论 -
使用飞桨实现肺部 CT 扫描的 3D 图像分类
来自肺部 CT 扫描的 3D 图像分类作者: KHB1698日期: 2021.09摘要: 本示例教程演示如何对肺部 CT 扫描的 3D 图像分类1. 简要介绍该示例将显示构建3D卷积神经网络(CNN)所需的步骤,以预测计算机断层扫描(CT)扫描中病毒性肺炎的存在。 2D CNN通常用于处理RGB图像(3个通道)。 3D CNN仅仅是3D等效项:它需要输入3D 图形或2D帧序列(例如,CT扫描中的切片),3D CNN是用于体积数据的学习表示的强大模型。2. 环境设置本教程基于Paddle 2.1原创 2021-09-02 00:16:20 · 2324 阅读 · 2 评论 -
可能逃不了课了!如何使用paddleX来点人头?
可能逃不了课了!如何使用paddleX来点人头?原项目链接:https://aistudio.baidu.com/aistudio/projectdetail/2297394项目背景大学经常会出现逃课现象,老师就会在每节课之前点一次名,但是点名又浪费时间,而且也不排除有同学中途离开的情况。那么如何做到老师点名方便,学生也不能中途离开呢?直到看了这个视频【教室人头检测 人头计数】我找到了答案!其实我们可以使用目标检测算法实时或定时检测课堂人数呀。本项目分为三部分,具体如下:设计头部目标检测原创 2021-08-24 01:56:34 · 1113 阅读 · 2 评论 -
飞桨高层API实现人脸关键点检测
飞桨高层API实现人脸关键点检测项目链接:https://aistudio.baidu.com/aistudio/projectdetail/1487972一、问题定义人脸关键点检测,是输入一张人脸图片,模型会返回人脸关键点的一系列坐标,从而定位到人脸的关键信息。# 环境导入import osimport numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport matplotlib.image as mp原创 2021-08-23 00:22:56 · 491 阅读 · 0 评论 -
使用飞桨的paddleX-yoloV3对钢材缺陷检测开发和部署
项目链接:https://aistudio.baidu.com/aistudio/projectdetail/22659511 项目背景目前, 基于机器视觉的表面缺陷装备已经在各工业领域广泛替代人工肉眼检测,包括3C、汽车、家电、机械制造、半导体及电子、化工、医药、航空航天、轻工等行业。传统的基于机器视觉的表面缺陷检测方法,往往采用常规图像处理算法或人工设计特征加分类器方式。一般来说,通常利用被检表面或缺陷的不同性质进行成像方案的设计,合理的成像方案有助于获得光照均匀的图像,并将物体表面缺陷明显的.原创 2021-08-09 13:36:28 · 2696 阅读 · 5 评论 -
百变冰冰!使用飞桨的PaddleGAN实现妆容迁移
项目链接:百变冰冰!基于PaddleGAN实现妆容迁移1 项目背景最近看了一篇文章是关于用ai为冰冰上妆的博文,文章使用的是SCGAN架构,但直接使用SCGN提取妆容效果并不是很好,文章的解决办法是先把图片裁剪出人脸然后对五官进行分割最后再使用SCGN网络进行上妆,最后效果也非常不错。于是我就产生了一个想法——用PaddleGAN的PSGAN模型来实现对冰冰的妆容迁移,至于PSGAN有什么优势呢让我们看一下对于PSGAN的原理分析。2 PSGAN原理PSGAN: Pose and Expre..原创 2021-08-08 18:55:04 · 724 阅读 · 1 评论 -
纯python实现线性回归——以各国人均GDP变化为例
纯python实现线性回归——预测各国人均GDP变化本项目使用纯python从csv数据处理和基本原理讲解开始理解线性回归。注意:因为本例只是一个学习案例,人均GDP的变化影响因素很多,本例只做了简单的线性回归,所以不需要深究,明白相应的线性回归道理就行。一、线性回归回归是监督学习的一个重要问题,回归用于预测输入变量和输出变量之间的关系,特别是当输入变量的值发生变化时,输出变量的值也随之发生变化。回归模型正是表示从输入变量到输出变量之间映射的函数。线性回归详细介绍,下面就让我们通过纯pytho原创 2021-08-07 04:00:58 · 3201 阅读 · 0 评论 -
pytorch与paddlepaddle对比——以DCGAN网络实现为例
pytorch与paddle对比——以DCGAN网络实现为例本文以手写数字生成实现为例对pytorch和paddle进行对比参考资料:DCGAN原理分析与pytorch实现 DCGAN论文详解 PaddlePaddle与PyTorch的转换一、pytorch与paddle对比PaddlePaddle 2.0和PyTorch风格还是非常像的。使用PaddlePaddle可以直接调用百度AI Studio里的一些资源(包括GPU、预训练权重之类的),而且说明文档、社区都是中文的,比较友好;原创 2021-08-07 03:30:01 · 7743 阅读 · 2 评论 -
笔记|(b站)刘二大人:pytorch深度学习实践(代码详细笔记,适合零基础)
pytorch深度学习实践笔记中的代码是根据b站刘二大人的课程所做的笔记,代码每一行都有注释方便理解,可以配套刘二大人视频一同使用。用PyTorch实现线性回归# 1、算预测值# 2、算loss# 3、梯度设为0,并反向传播# 3、梯度更新import torchx_data = torch.Tensor([[1.0], [2.0], [3.0]])y_data = torch.Tensor([[2.0], [4.0], [6.0]])# 构造线性模型,后面都是使用这样的模原创 2021-08-07 00:34:45 · 9412 阅读 · 4 评论 -
机器学习/深度学习必备数学知识
无论是深度学习还是机器学习,背后都是有一些数学原理和公式推导的,所以掌握必备的数学知识必不可少,下面会给大家简单科普下常用的数学知识有哪些~数学基础知识数据科学需要一定的数学基础,但仅仅做应用的话,如果时间不多,不用学太深,了解基本公式即可,遇到问题再查吧。下面是常见的一些数学基础概念,建议大家收藏后再仔细阅读,遇到不懂的概念可以直接在这里查~高等数学1.导数定义:导数和微分的概念f′(x0)=limΔx→0 f(x0+Δx)−f(x0)Δxf'({{x}_{0}})=\underset..原创 2021-08-03 09:49:00 · 329 阅读 · 0 评论