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
156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
自定义Dataset继承torch.utils.data.Dataset类,创建这个类需要实现三个方法: ** __init __**: 主要用于创建对象，在此方法中一般需要传入图片的路径，通过os模块读取所有图片的路径，同时完成对训练、实验、测试集的划分；#读取所有图片的路径
imgs=[os.path.join(root,img) for img in os.listdir(root)]__
转载
2023-12-07 05:58:43
55阅读
Batch Normalization是google团队在2015年论文《Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift》提出的。通过该方法能够加速网络的收敛并提升准确率。在网上虽然已经有很多相关文章，但基本都是摆上论文中的公式泛泛而谈，bn真正是如何运作的很少
1、验证conda是否安装成功在安装pytorch之前，需要验证coda安装是否成功 WIN+R键，打开cmd，输入nvcc -V,出现以下界面说明安装成功，并且知道版本为10.2（记住）2、创建虚拟环境在命令窗口输入命令cona create -n torch38 python=3.8, 其中torch38是你创建虚拟环境的名称，可以根据你自己的喜好进行设置，建议不要太复杂。pthon=3.8是
转载
2023-10-23 10:15:12
85阅读
代码已同步到Github：https://github.com/EasonCai-Dev/torch_backbones1 论文关键信息论文链接:ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design论文主要提出了ShuffleNet-v2的轻量级网络结构，并针对如今CNN网络常用的深度分离卷积（depth
转载
2023-09-17 10:24:46
166阅读
torch.nn.functional 涉及了所有 torch.nn 需要 类 和 方法 ，torch.nn 构建的模块通常就是调用 torch.nn.functional 里的方法实现的，通过学习 torch.nn.functional 能为后期更好学习构建模型打下基础。 下文涉及 tensor 形状描述： B: batch大小 C：通道数 H：图像数据的高度 W：图像数据的宽度 L：一维数据的
转载
2023-10-16 00:00:24
82阅读
1、正则化与偏差-方差分解Regularization：减小方差的策略；误差可分解为偏差，方差与噪声之和，即误差=偏差+方差+噪声之和；偏差度量了学习算法的期望预测与真实结果的偏离程度，即刻画了学习算法本身的拟合能力；方差度量了同样大小的训练集的变动所导致的学习性能的变化，即刻画了数据扰动所造成的影响；噪声则表达了在当前任务上任何学习算法所能达到的期望泛化误差的下界；该模型在测试集的效果比较差，这
转载
2023-11-09 14:21:23
52阅读
介绍我们本次实现的目标是将本地的图像分类或者目标检测等等深度学习算法部署成web在线预测的形式。效果图如下，在线图像分类网站 大概的设计是有五个可以选择的模型，第二步是可以选择一些照片用来测试分类，同样可以自己本地上传一些照片，最后输出分类的结果和FPS。调试好本地的web之后就部署在服务器上。代码部分环境安装推荐使用conda下载安装环境，安装命令如下,这里推荐使用python3.7-3.9，为
转载
2023-10-30 13:56:00
117阅读
文章目录0. 前言1. 建议在看这个文当前，先看看下面三个文档1.1. PyTorch Distributed Overview1.2. DistributedDataParallel API documents1.3. DistributedDataParallel notes2. DataParallel 和 DistributdDataParalle 对比3. 基本使用4. 其他4.1.
转载
2023-11-20 11:43:09
57阅读
PyTorch 1.x 常用API1. 简介1.1 ResNet模型1.2 torch.nn.Module1.2.1 torch.nn.Module.cpu()1.2.2 torch.nn.Module.cuda1.2.3 torch.nn.Module.eval()1.2.4 torch.nn.Module.state_dict1.2.5 torch.nn.Module.load_state_
转载
2024-05-16 10:28:43
186阅读
【学习笔记】Pytorch深度学习—Batch NormalizationBatch Normalization概念`Batch Normalization ``Batch Normalization 定义：“ 批标准化 ”``Batch Normalization 优点``Batch Normalization 算法分析``Batch Normalization 优点分析`***`Intern
转载
2023-10-13 12:12:01
111阅读
Pytorch官方教程(三)—Learning Pytorch with ExamplesPytorch 提供了两个主要特性：n 维 Tensor，类似 numpy 不过可以在 GPU 上运行构建和训练神经网络的自动微分使用全连接 ReLU 网络作为运行示例。在网络中有一个隐藏层，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 ：nump
转载
2024-08-27 19:17:27
5阅读
GMF模型1.从深度学习的视角可以理解为矩阵分解模型，其中矩阵分解层的用户隐向量和物品隐向量可以看做是一种Embedding方法，然后将Embedding后的向量进行点积 最后通过一个线性层输出 2.模型结构如下 所以输入的模型中的数据有num_users（user的数量），num_items（item的数量），embed_dim(Embedding的维度)模型需要输入的数据inputs里面应该为
转载
2023-11-26 10:58:13
92阅读
Tensor与Variable1.Tensor1.1.expand(*sizes)1.2.unfold(dim, size, step) → Tensor1.3.index_add_(dim, index, tensor) → Tensor1.4.view(*args) → Tensor2.Variable2.1.API 兼容性2.2.in-place 正确性检查2.3.class torch.
转载
2023-11-29 00:45:30
84阅读
