单臂摆是强化学习的一个经典模型，本文采用了4种不同的算法来解决这个问题，使用Pytorch实现。以下是老版本，2022年9月14日新增Dueling DQN, Actor-Critic算法， SAC，更新了PPO，DDPG算法，在文末。DQN：参考：算法思想：https://mofanpy.com/tutorials/machine-learning/torch/DQN/算法实现https://p
转载
2024-05-21 07:12:48
115阅读
# 实现 DCRNN pytorch 的步骤
## 介绍
在介绍 DCRNN pytorch 的实现步骤之前，我们先来了解一下 DCRNN（Diffusion Convolutional Recurrent Neural Network）的概念和应用场景。DCRNN 是一种基于神经网络的时空数据建模方法，特别适用于交通流预测问题。它能够利用历史交通数据和地理特征来预测未来交通流量，对于交通规划
原创
2023-11-18 07:19:50
522阅读
1. 代码结构 代码结构如下图1所示:图1 代码结构我们主要关注的文件为download.py,main.py,model.py,ops.py以及utils.py。其实看文件名字就大概可以猜出各个文件的作用了。download.py主要下载数据集到本地，这里我们需要下载三个数据集:MNIST,lsun以及celebA
DNN-ompression模型压缩：Deep Compression剪枝Pruning资料论文应用量化Quantification资料论文应用Caffe: Ristretto 量化方案资料模拟硬件加速器算法的数据路径量化策略量化的舍入方案浮点数表示法 模型压缩：Deep Compression以剪枝和量化为主要压缩方式减小模型大小和计算量，使得模型可以应用在计算和存储资源有限的嵌入式等设备上。
转载
2024-07-22 19:53:07
162阅读
目录1、结构2、dtb报头3、内存预留块3.1、结构4、结构块4.2、树结构5、字符串块5.1、为什么存在单独的字符串块6、对齐7、例子7.1、报头7.2、内存预留块7.3、结构块7.3.1、树形结构7.3.2、属性17.3.3、属性2 7.3.4、属性3 7.3.5、属性47.3.6、属性57.4、字符串块1、结构dtb结构由一个小的报头和三个大小可变的部分组成:内存预留块，
1、文章信息《Bike Flow Prediction with Multi-Graph Convolutional Networks》。文章来自2018年第26届ACM空间地理信息系统进展国际会议论文集，作者来自香港科技大学，被引7次。2、摘要由于单站点流量预测的难度较大，近年来的研究多根据站点类别进行流量预测。但是，它们不能直接指导站点级的精细化系统管理。本文将应用深度学习技术进行站点级别的共
安装完相应的插件工具后，就开始自己建立一个新的package文件了打开VS,选择其他项目类型-扩展性，我们可以看到下图：
我们要建立DSlPackage可以有两种方式：
1：Visual Studio Package
可以直接建立一个简单的Package，建立后Solution如下图：
这是一个简单的vspackage，
转载
2024-07-30 17:15:43
53阅读
Why transforms?一般情况下收集到的图像样本在尺寸，亮度等方面存在差异，在深度学习中，我们希望样本分布是独立同分布的，因此需要对样本进行归一化预处理。有时候只能获取到少量的样本数据，获取数量较多的样本不容易。但是样本数量太少训练的模型精度会比较低，为了解决这样的问题，往往需要做数据增加data arguement， 数据增加的途径就是通过一些变换达到目的。pytorch中的transf
转载
2023-09-22 13:10:41
62阅读
点击pytorch选择你需要的配置，复制run this command后面的内容，在命令行里面运行 step1:打开anaconda prompt step2:激活虚拟环境conda activate py38(虚拟环境的名字)step3:输入run this command后面的内容，回车运行（忘记截图了） 在这个过程中可能出现各种问题，可以尝试切换镜像源，反复尝试 我也安装了整整一天才搞好，
转载
2023-10-09 00:00:06
120阅读
# 《PyTorch官方教程中文版》， PyTorch之小试牛刀
# PyTorch的核心之一：张量，类似于numpy，但可以在GPU上运行
# 在介绍PyTorch之前，本章节将首先使用numpy实现网络
# 代码解读参考：
import numpy as np
import torch
# N是批大小; D_in是输入维度; H是隐藏的维度; D_out是输出维度。
N, D_in,
转载
2023-11-25 13:26:33
112阅读
目 录1. 网络概述与效果2. 网络研究背景3. EfficientNet-B0网络结构3.1 MBConv3.2 SE模块3.3 网络参数设置4. 利用Pytorch实现EfficientNet4.1 注意力模块4.2 MBConv模块的具体实现4.3 搭建EfficientNet5 训练结果1. 网络概述与效果该网络的论文是Google在2019年发表的文章，作
转载
2023-10-20 19:07:30
163阅读
Caffe 的通道顺序是NCHW;Tensorflow的通道顺序默认是NHWC（但可以设置成NCHW），NHWC 的访存局部性更好（每三个输入像素即可得到一个输出像素），NCHW 则必须等所有通道输入准备好才能得到最终输出结果，需要占用较大的临时空间。TensorFlow 为什么选择 NHWC 格式作为默认格式？因为早期开发都是基于 CPU，使用 NHWC 比 NCHW 稍快一些（不难理解，NHW
转载
2023-07-27 18:38:27
2792阅读
本教程通过自包含的示例介绍PyTorch的基本概念。在其核心，PyTorch提供了两个主要特性：一个n维张量，类似于numpy，但可以在gpu上运行自动区分建立和训练神经网络我们将使用一个全连接的ReLU网络作为运行示例。网络将有一个单独的隐藏层，并通过梯度下降训练来匹配随机数据，使网络输出与真实输出之间的欧氏距离最小化。TensorsWarm-up: numpy在介绍PyTorch之前，我们将首
转载
2023-12-07 07:24:03
74阅读
先上结论：parameter在反向传播会被optimizer.step更新，buffer在反向传播不会被更新parameter和buffer都被保存在model.state_dict()返回的OrderedDict中（这也是模型保存的对象）模型进行设备移动时，模型中注册的参数(parameter和buffer)，即model.state_dict()中的内容会同时进行移动咱来解释一下！ 文章目录先
转载
2023-07-04 14:06:44
106阅读
【深度学习-图像分类篇】Pytorch搭建EfficientNe图像分类网络1、理论基础1.1 EfficientNet网络简析EfficientNet 网络结构的改进之处EfficientNet不同模型的参数取值论文中不同 EfficientNet 模型的性能对比分析：EfficientNet-B0 baseline network 网络结构关于 MBConv 简析SE 注意力机制模块2、网络
转载
2023-12-18 10:29:23
143阅读
最近在鼓捣使用pytorch的distributeddataparallel这个API搭一个数据并行的训练测试任务，过程中遇到了一个问题，做一下记录。1、问题 使用DDP打包了一个模型训练了一段时间，loss不断下降metric不断上升，一切都是很正常的现象。当因为意外暂停或者手动暂停更改学习率而停止了程序，再开启程序加载之前的checkpoint继续训练，却发现loss突然比之前上升或者m
转载
2023-12-06 19:26:50
58阅读
pytorch torchvision.transforms.RandomResizedCrop 方法解读1. 包含功能：(1) Crop：随机大小和随机宽高比的裁剪，且随机的范围可以指定。(2) Resize： Resize到指定的大小。先进行随机大小和随机宽高比的Crop操作，再对Crop出来的区域进行Resize操作。2. 参数介绍下面使用的元组不是指的Python的tu
转载
2023-12-04 13:14:36
76阅读
1.torch.autogradAutograd是python中的自动求导库 PyTorch 作为一个深度学习平台，在深度学习任务中比 NumPy 这个科学计算库强在哪里呢？一是 PyTorch 提供了自动求导机制，二是对 GPU 的支持。由此可见，自动求导 (autograd) 是 PyTorch，乃至其他大部分深度学习框架中的重要组成部分。2.torch.optimtorch.optim模块中
转载
2023-11-30 18:01:24
76阅读
文章目录1.PyTorch入门第一步1.1Tensor1.2 Autograd：自动微分1.3 神经网络1.3.1 定义网络1.3.2 损失函数1.3.3 优化器1.3.4 数据加载与预处理1.4 小试牛刀：CIFAR-10分类1.4.1 CIFAR-10数据加载及预处理 操作系统：Win10家庭版 陈老师在介绍里讲不建议只能使用Windows环境的人学习他这本书，可我看了几页发现真的好适合
转载
2023-07-10 23:08:26
126阅读
API更改torch.range被弃用，赞成torch.arange与numpy和python范围一致。在稀疏的传感器上，contiguous更名为现在，coalesce并且coalesce现在已经不合适。 （提醒Sparse API仍然是实验性和演进性的，所以我们不提供后向兼容性）。
新功能
新层次和功能torch.topk现在支持所有CUDA类型，不只是torch.cud
转载
2023-10-23 10:25:10
28阅读
