网络搭建
文章平均质量分 59
CV干饭王
这个作者很懒,什么都没留下…
展开
-
Windows下 pytorch 分布式训练方法
torch1.7 以下版本不支持Windows下的分布式训练,会报错 AttributeError: module ‘torch.distributed‘ has no attribute ‘init_process_group‘ 。步骤:1、将本机torch版本升到1.7.0以上,torchvision升到对应的0.8.0版本以上。(1.5~1.8 版本的 torch 代码基本都兼容)温馨提示:建议离线下载 torch1.7.1 版本,torchvision0.8.2 版本。下载链接如下:原创 2021-06-23 12:59:00 · 2909 阅读 · 0 评论 -
pytorch分布式训练报错:AttributeError: module ‘torch.distributed‘ has no attribute ‘init_process_group‘ 解决方法
torch1.7 以下版本在Windows下进行分布式训练会报错:AttributeError: module ‘torch.distributed’ has no attribute ‘init_process_group’报错原因:torch1.7 以下版本不支持Windows下的分布式训练,在Linux内核才不会报这个错。解决办法:方法1:换成Linux系统运行代码。。。(要是没有条件直接看 方法2)方法2:1)、将Windows下的 torch 换成 1.7.0及以上的版本。(1原创 2021-06-23 12:51:50 · 7848 阅读 · 3 评论 -
深度学习入门之二阶段小demo练习:使用numpy手动搭建神经网络(不调用深度学习框架),自定义参数更新等规则实现。
根据个人经验总结的深度学习入门路线(简单快速)https://blog.csdn.net/weixin_44414948/article/details/109704871深度学习入门二阶段demo练习:https://blog.csdn.net/weixin_44414948/article/details/110673660Demo任务:使用numpy手动搭建卷积神经网络(不调用深度学习框架),加深了解CNN底层的卷积运行、参数更新等规则及其实现。数据集:mnist,准确率高于70%.原创 2020-12-20 18:35:02 · 512 阅读 · 3 评论 -
深度学习入门之二阶段小demo练习:使用深度学习框架(tensorflow2.0及以上、pytorch1.0及以上版本)搭建卷积神经网络,在骨架行为数据集上准确率高于60%。
任务要求使用深度学习框架(tensorflow2.0及以上、pytorch1.0及以上版本)搭建卷积神经网络。数据集:骨架行为数据集,准确率高于60%。追加要求:同一图表绘制训练过程的loss、acc曲线,截取测试集准确率的图。骨架行为数据集简介该数据集是由本课题组行为检测方向同学自行采集,共有奔跑、跳跃、倚靠产品、吸烟、玩手机、背景行为共6种行为种类标签,数据为人体骨架节点(25点)序列的txt文件,共60万帧,示例如下图所示,每行共有75个点(25个关节点的xyz坐标),一行为一帧。完整实原创 2020-12-09 21:04:15 · 420 阅读 · 3 评论 -
深度学习入门之二阶段小demo练习:使用深度学习框架(tensorflow2.0及以上、pytorch1.0及以上版本)搭建VGG、inception、resnet网络,并同时绘制曲线
根据个人经验总结的深度学习入门路线(简单快速)https://blog.csdn.net/weixin_44414948/article/details/109704871深度学习入门二阶段demo练习:https://blog.csdn.net/weixin_44414948/article/details/110673660Demo任务:使用深度学习框架(tensorflow2.0及以上、pytorch1.0及以上版本)搭建VGG、inception、resnet网络。数据集:mni.原创 2020-12-04 22:23:53 · 567 阅读 · 2 评论 -
深度学习入门之二阶段小demo练习(持续更新系列)
根据个人经验总结的深度学习入门路线(简单快速)https://blog.csdn.net/weixin_44414948/article/details/109704871深度学习深度学习入门之一阶段小demo练习https://blog.csdn.net/weixin_44414948/article/details/109864551最近一直在指导师弟师妹深度学习的入门,在他们完成了一阶段的demo练习后,又布置了以下二阶段demo练习。(主要锻炼他们的神经网络搭建、读取数据集、导出.原创 2020-12-04 22:07:27 · 1441 阅读 · 3 评论 -
pytorch加载自己的数据集,通过读取train.txt、test.txt文件(附数据集txt生成完整代码,注释详细)
pytorch读取指定train.txt、test.txt文件加载自己的数据集txt生成脚本完整代码如下:读取自己的数据集,打乱并划分,生成train.txt、test.txt (每一行为图片的绝对路径+标签,完整代码,注释详细)https://blog.csdn.net/weixin_44414948/article/details/110205546train.txt、test.txt示例如下图所示:先占坑,回去补图import torchfrom torchvision import原创 2020-11-26 21:48:48 · 13570 阅读 · 3 评论 -
pytorch(1.0以上版本)搭建生成对抗网络(GAN)实现mnist假图片生成,超级简单,附完整代码
pytorch搭建GAN网络生成mnist假图片效果如下图所示:完整代码import osimport torchimport torchvisionimport torch.nn as nnimport torch.optim as optimimport torch.nn.functional as Ffrom torchvision import datasetsfrom torchvision.utils import save_imagebatch_size = 100原创 2020-11-23 21:37:22 · 699 阅读 · 0 评论 -
pytorch的nn.ConvTranspose2d()反卷积函数参数及尺寸计算详解
参数详解in_channels,#输入数据的通道数out_channels,#输出数据的通道数(就是我想让输出多少通道,就设置为多少)kernel_size,#卷积核的尺寸(如(3,2),3与(3,3)等同)stride=1,#卷积步长,就是卷积操作时每次移动的格子数padding=0,#原图周围需要填充的格子行(列)数output_padding=0,#输出特征图边缘需要填充的行(列)数,一般不设置groups=1,#分组卷积的组数,一般默认设置为1,不用管bias=Tru原创 2020-11-23 21:24:38 · 11495 阅读 · 4 评论 -
pytorch的nn.Conv2d()参数及尺寸计算详解(与Tensorflow.nn.Conv2d相比)
参数详解in_channels,#输入数据的通道数(如彩色图片,一般为3)out_channels,#输出数据的通道数(就是我想让输出多少通道,就设置为多少)kernel_size,#卷积核的尺寸(如(3,2),3与(3,3)等同)stride = 1,#卷积步长,就是卷积操作时每次移动的格子数padding = 0,#原图周围需要填充的格子行(列)数,无填充的话卷积到边缘会直接忽略该边缘dilation = 1,#空洞卷积的空洞指数,一般默认为1即可groups = 1,#分原创 2020-11-23 21:12:22 · 16000 阅读 · 0 评论 -
手把手教pytorch搭建卷积网络实现mnist分类任务(完整代码,详细注释)
利用pytorch随便搭建一个卷积神经网络,实现mnist的分类任务,准确率达到100%。友情提示:pytorch推荐版本1.0及以上,低版本的Tensor变量无法向Variable变量一样进行backward操作,若未安装GPU版本的pytorch,记得删掉代码中所有的 .cuda() 。( .cuda() 为网络模型、输入图片、输入标签移至GPU的操作)注:若pytorch数据集下载速度过慢,可以参考此博客解决https://blog.csdn.net/weixin_44414948/arti原创 2020-11-21 16:14:22 · 3043 阅读 · 5 评论 -
深度学习入门一阶段demo练习:利用深度学习框架,搭建自定义卷积神经网络,在本地的imageNet数据集上实现图像分类,要求准确率达到70%以上。(注:本任务主要练习本地数据集的读取)
深度学习入门一阶段demo练习:demo任务:利用深度学习框架(TensorFlow2.0及以上版本、pytorch1.0及以上版本),搭建自定义卷积神经网络,在本地下载好的imageNet数据集上实现图像分类,要求准确率达到70%以上。(注:本任务主要练习本地数据集的读取。)本次图像分类选用mini-imagenet数据集,图片类别为:n01558993xxxxxxxxn03417042xxxxxxxxn02089867xxxxxxxxn02129165xxxxxxxxn0451500.原创 2020-11-20 21:58:58 · 1394 阅读 · 4 评论 -
深度学习入门一阶段demo练习:通过调用sklearn的机器学习算法库,在fanwei数据集上实现分类任务,要求使用支持向量机(SVM)分类算法,准确率达到85%以上
深度学习入门一阶段demo练习:demo任务:通过调用sklearn的机器学习算法库,在fanwei数据集上实现分类任务,要求使用支持向量机(SVM)分类算法,准确率达到85%以上。fanwei数据集简介:此数据集为课题组人体骨架节点txt文件,共有0、1两种行为标签,具体如下图所示。示例代码:SVM实现分类import pandas as pdimport numpy as npimport os#读取数据dir_path = r'C:\Users\pc\Desktop\fa.原创 2020-11-20 21:39:05 · 1253 阅读 · 2 评论 -
深度学习入门之一阶段小demo练习(持续更新系列)
根据个人经验总结的深度学习入门路线(简单快速)https://blog.csdn.net/weixin_44414948/article/details/109704871最近一段时间在指导师弟师妹深度学习的入门,在他们学习了一段时间后,布置了以下demo练习。1:通用调用sklearn的机器学习算法库,在fanwei数据集上实现分类任务,要求使用支持向量机(SVM)分类算法,准确率达到85%以上。fanwei数据集简介:此数据集为课题组人体骨架节点txt文件,共有0、1两种行为标签。较好的实现代原创 2020-11-20 21:13:42 · 2814 阅读 · 2 评论 -
Python深度学习入门之mnist-inception(Tensorflow2.0实现)
mnist手写数字数据集深度学习最常用的数据集,本文以mnist数据集为例,利用Tensorflow2.0框架搭建inception网络,实现mnist数据集识别任务,并画出各个曲线。Demo完整代码如下:import tensorflow as tffrom tensorflow.keras import layersimport numpy as np#加载mnist数据集(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mn原创 2020-11-15 15:37:57 · 699 阅读 · 4 评论 -
Python深度学习入门之mnist-ResNet(Tensorflow2.0实现)
mnist手写数字数据集深度学习最常用的数据集,本文以mnist数据集为例,利用Tensorflow2.0框架搭建ResNet网络,实现mnist数据集识别任务,并画出各个曲线。Demo完整代码如下:import tensorflow as tffrom tensorflow.keras import layersimport numpy as np#加载mnist数据集(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist原创 2020-11-15 15:29:54 · 1563 阅读 · 3 评论 -
Python深度学习入门之mnist-VGG(Tensorflow2.0实现)
mnist手写数字数据集深度学习最常用的数据集,本文以mnist数据集为例,利用Tensorflow2.0框架搭建VGG网络,实现mnist数据集识别任务,并画出各个曲线。Demo完整代码如下:import tensorflow as tffrom tensorflow.keras import layersimport numpy as np#加载mnist数据集(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.lo原创 2020-11-15 15:18:42 · 1220 阅读 · 1 评论