深度学习
文章平均质量分 91
includeSteven
这个作者很懒,什么都没留下…
展开
-
跨模态神经搜索实践VCED 基于Streamlit实现前端页面设计和逻辑
讲解Streamlit快速入门、如何在页面展示变量,展示变量的形式、Streamlit的组件,布局、缓存、多页面;基于Streamlit和VCED需求实现页面设计和对应的页面逻辑原创 2022-11-20 22:59:21 · 1262 阅读 · 0 评论 -
跨模态神经搜索实践VCED CLIP简介
多模态和跨模态应用;CLIP;Jina;多模态和跨模态应用挑战,解决方案。原创 2022-11-18 17:37:03 · 892 阅读 · 0 评论 -
跨模态神经搜索实践VCED Jina入门
Jina介绍、基本概念、DocArray、文本、图像、视频处理、Executor、Flow相关使用原创 2022-11-16 19:52:42 · 394 阅读 · 0 评论 -
跨模态神经搜索实践VCED 环境准备
安装WSL2、Ubuntu、VSCode、安装miniconda、docker desktop、docker换源、ubuntu换源等原创 2022-11-14 22:45:27 · 835 阅读 · 0 评论 -
PyTorch的生态和模型部署
主要讲解了PyTorch的生态(torchvision, torchvideo, torchtext,分别对应图片、视频和文本),及其相关使用,然后介绍了使用ONNX完成PyTorch的模型部署,其流程为转换torch模型为ONNX格式、验证模型是否可用、使用ONNX Runtime进行模型推理。原创 2022-09-25 23:48:19 · 2066 阅读 · 0 评论 -
PyTorch可视化
使用PyTorch可视化网络结构(torchinfo)、以CNN为例讲解了卷积核可视化、特征图可视化、CNN CAM可视化(pytorch-grad-cam),同时以FlashTorch为例讲解了快速使用CNN的三种可视化,最后讲解了TensorBoard可视化模型的训练过程,包括模型结构、图像、连续变量、参数分布的可视化原创 2022-09-23 23:36:16 · 1170 阅读 · 0 评论 -
PyTorch模型进阶技巧
讲解PyTorch自定义损失函数(基于函数、基于类)、动态调整学习率(PyTorch官方scheduler,自定义调整策略)、模型预训练及模型微调(基于torchvision.models, timm)、半精度训练(使用float16)、数据增强(imgaug)、使用argparse设置超参数原创 2022-09-21 23:49:40 · 467 阅读 · 0 评论 -
PyTorch模型定义和相关使用
主要介绍PyTorch模型定义的方式(Sequential,ModuleList、ModuleDict)及它们的优缺点,然后介绍如何基于模块(模型块,通常是事先定义好的多个层组成的部分)快速搭建大型复杂网络,接着介绍如何修改已有的模型(修改模型输出,添加额外输入,添加额外输出),最后介绍模型的保存和读取(结合单卡和多卡介绍)原创 2022-09-18 22:35:49 · 895 阅读 · 0 评论 -
PyTorch的组件和实战
深度学习和机器学习的流程及对比,深度学习的特点,Pytorch中的基本配置、数据读入、模型构建、模型初始化、损失函数、训练和评估、可视化和Pytorch优化器,最后结合FashionMNIST时装分类进行实战原创 2022-09-16 22:00:22 · 363 阅读 · 0 评论 -
PyTorch的安装及基本知识
PyTorch的介绍、安装、配合Anaconda、Jupyter使用,Tensor的相关操作、Autograd的原理和计算示例、GPU并行计算的相关操作和常见的并行方法原创 2022-09-13 15:21:14 · 663 阅读 · 2 评论