CVPR2022弱监督语义分割：代码仓库：GitHub - Sierkinhane/CS229-ML-Implementation: Implementation of algorithms introduced in CS229. 在六七月份参加了一个比赛，做的项目是提取图片中的文字信息，首先是接触了一些文本检测算法（如CTPN，East），后研究了文本识别
转载
2024-03-07 21:39:41
66阅读
# PyTorch CRNN 训练科普
## 介绍
在计算机视觉领域，CRNN（Convolutional Recurrent Neural Network）是一种流行的深度学习模型，通常用于文本识别和光学字符识别（OCR）任务。CRNN结合了卷积神经网络（CNN）和循环神经网络（RNN）的优势，能够有效地处理变长序列数据，并在文本检测和识别方面取得了很好的成绩。
本文将介绍如何使用PyTo
原创
2024-04-19 04:27:41
170阅读
OCR(Optical Character Recognition)任务主要是识别出图片中的文字，目前深度学习的方法采用两步来解决这个问题，一是文字检测网络定位文字位置，二是文字识别网络识别出文字。 关于OCR的综述参考：http://xiaofengshi.com/2019/01/05/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0-OCR_Overview/
转载
2024-01-30 06:30:08
92阅读
Pytorch - torchvision简介torchvision.modelsdatasetstransforms代码实现 简介torchvision是Pytorch的计算机视觉工具库，是Pytorch专门用于处理图像的库。torchvision.modelstorchvision.models中包含了许多已经训练好的模型，可以通过models直接调用，也可以通过随机初始化的权重来重创这些模
转载
2024-01-10 13:44:24
40阅读
Jetson的一堆设备（NANO，TX2，AGX Xavier）都是移动端CPU基于 ARM aarch64架构的孤儿设备，anaconda都用不了。libtorch是pytorch的C++ API，部署做推理的时候比一般python代码要快不少。在Intel或AMD架构的CPU上可以直接从官网下载编译好的运行库文件，cmake起来简单方便。但是这些编译好的.so文件都不能直接在Jetson上直接
转载
2023-11-15 22:37:54
78阅读
什么是PyTorch PyTorch 是Torch7 团队开发的，从它的名字就可以看出，其与Torch 的不同之处在于PyTorch 使用了Python 作为开发语言。所谓“Python first”，同样说明它是一个以Python 优先的深度学习框架，不仅能够实现强大的GPU 加速，同时还支持动态神经网络，这是现在很多主流框架比如Tensorflow 等都不支持的。PyTorch 既可以看做
转载
2023-08-05 00:17:09
271阅读
一、PytorchPyTorch是一个开源的深度学习框架，该框架由Facebook人工智能研究院的Torch7团队开发，它的底层基于Torch，但实现与运用全部是由python来完成。该框架主要用于人工智能领域的科学研究与应用开发。官网提供了最新版本，并且提供了早期版本的安装方法Pytorch官网：https://pytorch.org/早期版本地址：https://pytorch.org/get
转载
2023-12-13 19:45:13
202阅读
yolo不多做介绍，请参相关博客和论文本文主要是使用pytorch来对yolo中每一步进行实现 需要了解：卷积神经网络原理及pytorch实现yolo等目标检测算法的检测原理，相关概念如 anchor（锚点）、ROI（感兴趣区域）、IOU（交并比）、NMS（非极大值抑制）、LR softmax分类、边框回归等本文主要分为四个部分：yolo网络层级的定义向前传播置信度阈值和非极大值抑制输入和输出流程
转载
2024-01-10 13:33:42
123阅读
车牌识别文字识别训练全过程解析 目前代码解读还不算完善 后续会补充车牌识别github链接车牌识别文字识别github链接车牌检测end2end实现过程训练方式按照github上介绍就行在解释前定义几个方便理解plate_chr="#京沪津渝冀晋蒙辽吉黑苏浙皖闽赣鲁豫鄂湘粤桂琼川贵云藏陕甘青宁新学警港澳挂使领民航0123456789ABCDEFGHJKLMNPQRSTUVWXYZ危险品"
pl
转载
2024-06-12 14:57:48
69阅读
1）动态计算图简介Pytorch的计算图由节点和边组成，节点表示张量或者Function，边表示张量和Function之间的依赖关系。Pytorch中的计算图是动态图。这里的动态主要有两重含义：第一层含义是：计算图的正向传播是立即执行的。无需等待完整的计算图创建完毕，每条语句都会在计算图中动态添加节点和边，并立即执行正向传播得到计算结果。第二层含义是：计算图在反向传播后立即销毁。下次调用需要重新构
转载
2023-07-11 22:20:32
68阅读
CRNN是《An End-to-End Trainable Neural Network for Image-based Sequence Recognition and Its Application to Scene Text Recognition》中提出的模型，解决图像中文字识别问题。 论文地址：https://arxiv.org/abs/1507.05717 github地址：htt
转载
2024-08-22 09:57:30
195阅读
在深度学习的世界中，PyTorch 和卷积神经网络（CNN）是当今最受欢迎的技术之一。无论是在计算机视觉、自然语言处理还是其他领域，搭建和训练模型的效率与灵活性使得这两个工具的结合变得不可或缺。在本文中，我们将探讨 PyTorch 和 CNN 的关系，从问题背景到解决方案中的细节，让我们深度了解这一结合的潜力和应用。
### 问题背景
在我们进行图像处理任务时，发现使用 PyTorch 构建的
# CUDA与PyTorch的关系
在深度学习的领域，CUDA和PyTorch是两个非常重要的工具。CUDA是NVIDIA开发的并行计算架构，而PyTorch是一个流行的深度学习框架，它可以利用CUDA来加速计算。下面我们将一起探讨如何实现CUDA与PyTorch之间的关系，以及在此过程中所需的步骤和代码。
## 流程概述
| 步骤 | 操作 |
Anaconda和PyTorch是现代数据科学与深度学习应用中的重要工具。Anaconda是一个流行的包管理器和环境管理工具，能够有效地管理Python及其库，包括PyTorch。PyTorch是一种广泛使用的深度学习框架，因其强大的功能和易用性而受到数据科学家和研究人员的青睐。而它们之间的关系主要是通过Anaconda来创建和管理PyTorch的开发和运行环境。
## 环境准备
在安装Ana
# PyTorch 与 Python 的关系：新手开发者入门指南
在深度学习和机器学习的领域，PyTorch 是一个非常流行的框架，而 Python 则是最常用的编程语言之一。理解这两者之间的关系对初学者来说至关重要。本文将引导你了解如何用 Python 来实现深度学习并使用 PyTorch 进行模型构建和训练。
## 整体流程
为了帮助你更好地理解这个过程，我们可以把它分解成以下几个步骤：
# PyTorch与Transformer的关系探讨
在深度学习领域，PyTorch与Transformer架构已经成为了研究与应用的热点。PyTorch是一个灵活且高效的深度学习框架，广泛应用于各种深度学习任务。而Transformer是一种用于序列到序列任务的模型架构，尤其在自然语言处理（NLP）中表现突出。
## PyTorch简介
PyTorch是一个开源的深度学习框架，支持动态计算
最近发现身边的一些初学者朋友捧着各种pytorch指南一边看一边敲代码，到最后反而变成了打字员。敲完代码一运行，出来结果和书上一对比，哦，是书上的结果，就翻到下一章。半天就能把一本书都打完，但是合上书好像什么都不记得。有的甚至看了两三遍，都搭不出一个简单的网络来，这种学习方式很不可取。如果你刚好是这种情况，这篇文章应该能给你一些帮助。如果你已经是进阶的水平了，就直接退出这篇文章就好了。pytorc
准备好探索3D分割的世界吧，我们将通过PointNet进行一次旅程，这是一种理解3D形状的超酷方法。PointNet就像计算机查看3D事物的智能工具，尤其是在空间中漂浮的点群。它与其他方法不同，因为它直接处理这些点，而不需要将它们强制放入网格或图片中。在本文中，我们将使PointNet易于理解。我们将从大的想法开始，实际上编写Python和PyTorch的代码来进行3D分割。但在我们进入有趣的部分
前言博主研究生生涯准备用大一的旧电脑在撑两年，于是乎在虚拟机centos环境中安装python环境和pycharm工作时特别卡。于是想尝试在windows下安装anaconda和PyCharm，这样软件运行或许能流畅些。本文基于2019年发行的anaconda3版本和PyCharm对安装过程中的问题进行记录。anaconda的安装官网下载anaconda 我下载的版本为：双击安装 注意：下图中博主
1. nn.Module.cuda() 和 Tensor.cuda() 的作用效果差异无论是对于模型还是数据，cuda()函数都能实现从CPU到GPU的内存迁移，但是他们的作用效果有所不同。对于nn.Module:model = model.cuda()
model.cuda()上面两句能够达到一样的效果，即对model自身进行的内存迁移。对于Tensor:和nn.Module不同，调用
