Deeplearning笔记自用

wow_wow_haha

已于 2024-04-02 15:03:23 修改

阅读量205

点赞数 3

文章标签：笔记

于 2024-03-24 11:33:41 首次发布

本文链接：https://blog.csdn.net/wow_wow_haha/article/details/136984612

版权

本文介绍了如何修复TensorBoard从step3起不显示所有数据的问题，方法是在启动tensorboard时添加`--samples_per_plugin=images=1000`参数。同时，也分享了如何在PyCharm中连接远端服务器并更新环境变量的方法。

摘要由CSDN通过智能技术生成

Tensorboard

解决TensorBoard从step3开始，而且不能显示全部数据：

在终端命令

tensorboard --logdir="log"

后加上一句

--samples_per_plugin=images=1000

Conv

计算卷积输出大小

PyCharm

连接远端服务器

添加目录到环境变量：

export PYTHONPATH="${PYTHONPATH}:/path/to/your/project"

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

wow_wow_haha

关注关注

3
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
Deeplearning笔记自用

【代码】Deeplearning笔记自用。
复制链接

扫一扫

Deeplearning学习笔记

03-04

以下是深度学习的学习笔记中所包含的核心知识点： 1. 神经网络基础：深度学习的学习过程首先需要了解神经网络的基本工作原理，包括神经元的激活函数、层的概念以及前向传播和反向传播机制。 2. 卷积神经网络（CNN...

DeepLearning.AI笔记

08-20

本笔记涉及的***深度学习课程是由吴恩达教授领导的深度学习专业课程。吴恩达教授不仅在人工智能领域有着深厚的研究背景，同时在教育和课程制作方面也有着丰富的经验。通过Coursera平台，他创建了一系列课程，旨在...

参与评论您还未登录，请先登录后发表或查看评论

自用deep learning笔记

qq_38263604的博客

06-06

1075

吴恩达深度学习课程自用笔记神经网络和深度学习第二章：神经网络基础1.功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入神...

Deep Learning 自用学习笔记

PlutoLilian的博客

09-08

106

深度学习自用笔记，欢迎大家指正

【笔记】深度学习学习笔记（自用）

weixin_64881847的博客

02-17

182

【世界冠军带你从零实践强化学习】 https://www.bilibili.com/video/BV1yv411i7xd/?

Pytorch自用基础知识笔记

工科狗Niko的博客

11-06

148

0、导入和选择GPU import torch import numpy as np device="cuda" if torch.cuda.is_available() else "cpu" 1、张量的创建，格式和运算 z1=torch.empty(1) x2=torch.rand(5,3) x3=torch.zeros(5,3,dtype=torch.long) x4=torch.tensor([5,3]) print(x2,x3,x4) print(x3.dtype) torch.add(x2

TensorFlow学习笔记（自用）

阳光非宅男的博客

09-21

831

一、 softmax层作用：将一个神经网络的输出变成一个概率分布。原始的输出被用作置信度来生成新的输出，这个输出满足概率分布的所有要求。这个概率可以理解为，经过神经网络的推导，一个样例以不同类别的输出概率分别是多大。这个概率分布可以直接通过计算交叉...

CS224W图神经网络笔记自用：Graph Neural Networks

m0_49832700的博客

09-06

357

Jure Leskovec斯坦福CS224W图机器学习笔记自用：Graph Neural Network

Pytorch学习笔记（二）自用

qq_39542170的博客

12-06

279

涉及资源 1.官网DEEP LEARNING WITH PYTORCH: A 60 MINUTE BLITZ 2.莫烦python 个人网站、 b站视频、参考代码 3.函数搜索：https://pytorch.org/docs/stable/index.html 本周学习内容： CNN实现分类，识别MNIST数据集以CNN为例，实现GPU加速 RNN实现分类，识别MNIST数据集 RNN实现回归，用sin去拟合cos 自编码环境配置： python=3.7; torch=1.6.0; tor

Pytorch学习笔记（一）自用

qq_39542170的博客

11-06

278

涉及资源 1.官网DEEP LEARNING WITH PYTORCH: A 60 MINUTE BLITZ 2.莫烦python 个人网站、 b站视频、参考代码本周学习内容： Numpy torch对比激励函数 pytorch实现Regression pytorch实现Classification pytorch快速搭建法实现Classification pytorch实现网络的保存与提取 pytorch实现batch_train pytorch实现optimizer性能比对 pytorch

Pytorch学习笔记（三）自用

qq_39542170的博客

12-06

199

涉及资源 1.官网DEEP LEARNING WITH PYTORCH: A 60 MINUTE BLITZ 2.莫烦python 个人网站、 b站视频、参考代码、强化学习 3.函数搜索：https://pytorch.org/docs/stable/index.html 系列学习笔记： Pytorch学习笔记（一） Pytorch学习笔记（二） Pytorch学习笔记（三）本周学习内容： dropout Batch Normolization 环境配置： python=3.7; torch=1

吴恩达DeepLearning.ai中文版笔记.pdf

01-05

"吴恩达DeepLearning.ai中文版笔记.pdf" 本资源是吴恩达的机器学习课程中文笔记，由黄海广翻译整理，基于斯坦福大学2014年机器学习课程视频。该笔记涵盖了机器学习的基础知识、监督学习、无监督学习、深入学习等...

deeplearning-ai-books-深度学习资源包

05-10

深度学习（Deep Learning，简称DL）是机器学习（Machine Learning，简称ML）的一个子集，也是人工智能（Artificial Intelligence，简称AI）领域的一个重要分支。它被引入机器学习，旨在使机器更接近于实现人工智能的...

哈希原理(笔记)

m0_62024160的博客

08-17

1099

尤其应该注意Hash function的设计，它是一个难点，Hash funtion设计好坏直接关乎哈希表查询速度的快慢。考虑到哈希碰撞(涉及到对链表的操作)，所以最坏的时间复杂度都是O(n)。早期的md5被破解也是因为人们搞清楚了它的加密方法 f(1) )大多利用单向散列函数函数。(简称为f(2) )计算查询哈希碰撞确认某个哈希值的存在，但是无法通过 f(2)逆推出明文(因为 f(2)只是验证方法，而非解密方法)。(本图来源：wiki)这个签名是由文件的散列值通过发布者的私钥加密生成的。

Conditional Flow Matching: Simulation-Free Dynamic Optimal Transport论文阅读笔记

weixin_46103454的博客

08-20

205

假设给定一个目标流pt和生成它的向量场ut .学习与pt相匹配的流的一种方法是通过对目标向量场的回归进行梯度下降。

分享思源笔记的几个骚操作

最新发布

2301_80064376的博客

08-21

171

本文章主要分享下思源笔记软件最喜爱的几个功能

树莓派开发笔记02-树莓派的GPIO口输出控制

wan1234512的博客

08-18

878

本文详细描述了树莓派GPIO编程的3种方式，wiringPi库、BCM2835库、Python库，以及分别使用这几种库进行GPIO的输出控制。

deeplearning深度学习笔记v5

07-30

深度学习笔记v5是一本关于深度学习的学习资料，下面我将用300字来回答有关这本笔记的内容。深度学习是机器学习领域的一个重要分支，它主要研究模拟人脑神经网络的算法和模型，用于实现复杂的学习任务。深度学习在图像识别、语音识别和自然语言处理等领域取得了很多重要的突破，成为了人工智能领域的热点研究方向。深度学习笔记v5中，首先介绍了深度学习的基本概念和原理。笔记详细解释了神经网络结构、前向传播、反向传播以及梯度下降等基本概念和算法。这些内容帮助读者理解深度学习的基本原理和工作机制。接着，笔记介绍了常用的深度学习框架，如TensorFlow和PyTorch。这些框架提供了丰富的工具和函数，使得深度学习的开发变得更加简单和高效。笔记详细介绍了如何使用这些框架进行模型训练和评估。此外，笔记还包含了一些深度学习的经典应用案例。这些案例涵盖了图像分类、目标检测、语音识别等多个领域。通过这些案例，读者可以深入了解深度学习在实际问题中的应用，并学习如何利用深度学习解决现实世界中的复杂任务。最后，笔记还提供了大量的代码示例和练习题，帮助读者巩固所学的知识。通过实践，读者可以更好地理解深度学习的原理和应用。总而言之，深度学习笔记v5是一本系统而全面的学习资料，适合对深度学习感兴趣的读者。通过阅读这本笔记，读者可以了解深度学习的基本概念和原理，掌握常用的深度学习框架，以及应用深度学习解决实际问题的方法。希望这本笔记能够对读者在深度学习领域的学习和研究有所帮助。