雁回晴空的博客专栏

问题描述 最近使用PyTorch训练神经网络，想要可视化一下训练中的loss曲线。使用的电脑是Windows10系统，浏览器为谷歌Chrome浏览器。安装好tensorboard包后按照官网教程来敲代码，然后执行。结果却发现谷歌浏览器只有窗口顶部标题栏显示“TensorBoard”，但是窗口中却没有内容。截图如下： 解决方案探索 ...

前言深度神经网络是一种目前被广泛使用的工具，可以用于图像识别、分类，物体检测，机器翻译等等。深度学习（DeepLearning）是一种学习神经网络各种参数的方法。因此，我们将要介绍的深度学习，指的是构建神经网络结构，并且运用各种深度学习算法训练网络参数，进而解决各种任务。本文从PyTorch环境配置开始。PyTorch是一种Python接口的深度学习框架，使用灵活，学习方便。...

前言 PyTorch提供了两个主要特性： （1） 一个n维的Tensor，与numpy相似但是支持GPU运算。 （2） 搭建和训练神经网络的自动微分功能。 我们将会使用一个全连接的ReLU网络作为实例。该网络有一个隐含层，使用梯度下降来训练，目标是最小化网络输出和真实输出之间的欧氏距离。目录Tensors（张量） Warm-up：numpyPyTorch：TensorsAutogra

前言 本文介绍怎样执行Neural-Style算法。Neural-Style或者叫做Neural-Transfer，将一个内容图像和一个风格图像作为输入，返回一个按照所选择的风格图像加工的内容图像。 原理是非常简单的：我们定义两个距离，一个用于内容（Dc），另一个用于（Ds）。Dc测量两个图像的内容有多像，Ds测量两个图像的风格有多像。然后我们采用一个新图像（例如一个噪声图像），对它进行变化，同

前言本文参考PyTorch官网的教程，分为五个基本模块来介绍PyTorch。为了避免文章过长，这五个模块分别在五篇博文中介绍。Part1：PyTorch简单知识Part2：PyTorch的自动梯度计算Part3：使用PyTorch构建一个神经网络Part4：训练一个神经网络分类器Part5：数据并行化本文是关于Part1的内容。Part1：PyTorch简单知识PyTorch是一个基于Python

前言本文参考PyTorch官网的教程，分为五个基本模块来介绍PyTorch。为了避免文章过长，这五个模块分别在五篇博文中介绍。Part1：PyTorch简单知识Part2：PyTorch的自动梯度计算Part3：使用PyTorch构建一个神经网络Part4：训练一个神经网络分类器Part5：数据并行化本文是关于Part5的内容。 Part5：数据并行化本文中，将会讲到DataParallel使用多

前言本文参考PyTorch官网的教程，分为五个基本模块来介绍PyTorch。为了避免文章过长，这五个模块分别在五篇博文中介绍。Part1：PyTorch简单知识Part2：PyTorch的自动梯度计算Part3：使用PyTorch构建一个神经网络Part4：训练一个神经网络分类器Part5：数据并行化本文是关于Part4的内容。 Part4：训练一个神经网络分类器前面已经介绍了定义神经网络，计算损

前言本文参考PyTorch官网的教程，分为五个基本模块来介绍PyTorch。为了避免文章过长，这五个模块分别在五篇博文中介绍。Part1：PyTorch简单知识Part2：PyTorch的自动梯度计算Part3：使用PyTorch构建一个神经网络Part4：训练一个神经网络分类器Part5：数据并行化本文是关于Part2的内容。 Part2：PyTorch的自动梯度计算 autograd pack

前言本文参考PyTorch官网的教程，分为五个基本模块来介绍PyTorch。为了避免文章过长，这五个模块分别在五篇博文中介绍。Part1：PyTorch简单知识Part2：PyTorch的自动梯度计算Part3：使用PyTorch构建一个神经网络Part4：训练一个神经网络分类器Part5：数据并行化本文是关于Part3的内容。 Part3：使用PyTorch构建一个神经网络神经网络可以使用tou

在配置好Windows版的Caffe之后，可以使用Windows Caffe训练ImageNet网络，主要有4个步骤：（1）准备图片数据库（2）将图片数据转换为Caffe可以使用的LMDB或者LevelDB类型（3）取数据库均值（4）开始用Caffe.exe训练网络

本文将会介绍Caffe的Python接口的使用方法。编辑Python可以使用很多种方法，我们采用的是IPython交互式编辑环境。 1 Python的安装如果你的Windows电脑还没有安装Python，请先自行搜索Python的安装方法，例如 http://jupyter.org/install.html，推荐使用Anaconda软件包安装方式，这样就自带IPython/Jupyte

原文网址：http://cs231n.github.io/python-numpy-tutorial/该教程来自于 Justin Johnson我们将会使用Python编程语言来完成本课程（斯坦福大学cs231n）的所有作业。Python是一个伟大的通用编程语言，在一些流行库（numpy，scipy，matplotlib）的帮助下，它可以提供一个科学计算的强大环境。我们希望你们之中的大

NumpyNumpy是Python科学计算的核心库。它提供了高性能多维数组对象，以及使用这些数组的工具。如果你已经熟悉MATLAB，你可以找到这个教程来开始使用Numpy。Arrays一个numpy的数组（array）是一个由相同类型数值构成的网络（grid），并且被非负整数的元组索引。维数是数组的rank；而数组的shape是一个整数元组，它给出了数组每一维度的大小。我们可以使用

首先，重新隆重介绍Windows Caffe的下载地址：https://github.com/BVLC/caffe/tree/windows真是非常感谢大牛们不辞劳苦地维护和更新这些代码，为我们的科研提供了无限可能。有一些预编译好的程序，我们有需要可以直接去官网下载。这里说一下自主配置和编译的过程。1 需要的软件Visual Studio 2013 或者 2015C

进行深度学习可以使用Caffe，我使用windows配置了一下Caffe运行环境，非常简单。这里把官网的配置过程搬运过来，以备参考。官网地址：https://github.com/BVLC/caffe/tree/windows　　配置环境： Windows 10（64位）+ Visual Studio 2013. 1 获取安装文件　　首先在官网地址https://github.

深度学习是研究计算机视觉的重要工具，尤其在图像分类与识别等领域有着划时代的意义。现在有很多深度学习框架，Caffe是比较常用的一个。本文讲述了Ubuntu 14.04（64位）系统下配置Caffe的基本步骤，参考了Caffe的官方网站   http://caffe.berkeleyvision.org/。 一、系统环境配置 1.1 首先安装一般会用到的一些依赖项。打开Ubuntu系