![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
pytorch
槑丫
这个作者很懒,什么都没留下…
展开
-
EfficientNet 和EfficientDet
EfficientNet 和EfficientDet1.EfficientNet添加链接描述2.EfficientDet添加链接描述原创 2021-12-10 10:04:36 · 315 阅读 · 0 评论 -
train_loss和val_loss结果分析
train_loss和val_loss结果分析原创 2021-09-13 09:15:55 · 1429 阅读 · 0 评论 -
unicodedata.normalize()
链接python Unicode转ascii码的方法字符编码笔记:ASCII,Unicode 和 UTF-8转载 2021-05-13 20:21:32 · 580 阅读 · 0 评论 -
一句话判断GPU是否可用 ,否则使用cpu
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")原创 2021-05-05 15:43:17 · 871 阅读 · 0 评论 -
torchvision 包的介绍
torchvision 是PyTorch中专门用来处理图像的库。这个包中有四个大类。torchvision1.torchvision.datasets2.torchvision.models3.torchvision.transforms裁剪(Crop)翻转和旋转(Flip and Rotation)图像变换(resize)transforms.Resize对transforms操作,使数据增强更灵活4.torchvision.utilsmake_gridtorchvision.utils.save_im原创 2021-04-24 16:03:48 · 709 阅读 · 0 评论 -
pycharm常见报错原因
原创 2021-04-23 17:29:03 · 423 阅读 · 0 评论 -
Pytorch 搭建的Unet语义分割平台
Pytorch 搭建自己的Unet语义分割平台文章目录Pytorch 搭建自己的Unet语义分割平台unet模型1.主干特征提取2.加强特征提取3.特征预测4.各层卷积输出5.总结unet模型1.主干特征提取Unet是一个优秀的语义分割模型,其主要执行过程与其它语义分割模型类似。Unet可以分为三个部分,如下图所示:第一部分是主干特征提取部分,我们可以利用主干部分获得一个又一个的特征层,Unet的主干特征提取部分与VGG相似,为卷积和最大池化的堆叠。利用主干特征提取部分我们可以获得五个初步有效特原创 2021-03-17 20:45:01 · 1113 阅读 · 0 评论 -
conda常见基础操作
conda操作:原创 2021-03-16 21:30:15 · 169 阅读 · 0 评论 -
《pytorch基础总结》
《pytorch基础总结》1.激活函数的作用激活函数是用来加入非线性因素的,提高神经网络对模型的表达能力解决信息模型不能解决的问题。也就是用来划分非线性模型2.BN(批量标准化)解决的问题:BN模型的第一层网络一般都会有一个比较好的输入特征,但是随着模型层数的加深网络的非线性关系时每一层的结果变得相关,并且不满足标准正态分布。作用:使模型收敛速度更快,模型隐藏输出特征的分布更稳定有利于模型的学习。不仅可以加速模型的收敛速度,而且在一定程度下环境深度网络中的梯度弥散问题从而使训练深层网络容易和原创 2021-03-17 11:31:00 · 179 阅读 · 0 评论