![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
Deep_Learning
文章平均质量分 83
dd
蠕动的爬虫
一只小菜鸡
展开
-
LSTM与GRU
LSTM与GRU内部运行机制的介绍1、RNN2、LSTM3、GRU1、RNN ▌问题:短时记忆 RNN会受到短时记忆的影响。如果一条序列足够长,那它们将很难将信息从较早的时间步传送到后面的时间步。 因此,如果你正在尝试处理一段文本进行预测,RNN 可能从一开始就会遗漏重要信息。 在反向传播期间,RNN 会面临梯度消失的问题。 梯度是用于更新神经网络的权重值,消失的梯度问题是当梯度随着时间的推移传播时梯度下翻译 2021-04-24 16:09:40 · 1259 阅读 · 0 评论 -
Win10+RTX3060配置CUDA等深度学习环境
这里写目录标题1、下载准备2、下载安装Anaconda3、下载安装CUDA和CUDNN3.1 cuda和cudnn下载3.2 cuda和cudnn安装4、安装GPU版pytorch与TensorFlow4.1 下载4.2 安装1、下载准备 相关的安装包比如Anaconda、CUDA、CUDNN、Pytorch、TensorFlow等都可以在https://blog.csdn.net/weixin_43760844/article/details/113474原创 2021-04-14 18:19:29 · 45858 阅读 · 48 评论 -
混淆矩阵:用于多分类模型评估(pytorch)
这里写目录标题1. 混淆矩阵介绍二级目录三级目录2. 代码实现1. 混淆矩阵介绍二级目录三级目录2. 代码实现原创 2021-04-14 16:36:25 · 14757 阅读 · 19 评论 -
租用GPU服务器跑深度学习模型心得
相信很多刚接触人工智能学习的人会遇到这个问题,当时用笔记本的CPU在跑一个Unet,19个epoch要跑半个小时,电脑内存也爆满。先跑一个简单的网络试试看,比如UnetUnet代码可以在unet代码下载用自己的轻薄本CPU跑的情况如图,电脑要炸啦后来又想去买显卡,看了看价格还是望而却步了。而且学这个很多人都是学生,无收入。要想搭建gpu环境,配置最好RTX2060以上,这已经很贵了。笔记本跑大模型很有可能也会烧坏显卡。目前实验室还没有多余的显卡让我使用,所以就决定考虑租用GPU服务器。原创 2021-01-05 15:34:16 · 18876 阅读 · 20 评论