错误汇总1、由于找不到xxx.dll,无法继续执行代码，重新安装程序可能会解决此问题（1）由于找不到c10.dll（或其他libtorch/lib中的.dll动态库）,无法继续执行代码（2）由于找不到VCRUNTIME 140_1D.dll,无法继续执行代码2、LINK : fatal error LNK1104: cannot open file 'torch-NOTFOUND.obj' （t
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
目录CPU与GPU比较CPU+GPU工作流CUDA介绍CUDA、cuDNN和Pytorch三个框架的关系 CPU与GPU比较之前有听过一个比喻说，CPU里面的核心像是一个博士生，能完成高级运算，算得也快，但是所有事都得极少的几个人来完成；GPU像是有几千甚至上万的小朋友在里面，虽然每个小朋友能力不强，但是他们也只需要完成加减法计算就可以了。抽象出来就是一个是串行计算，一个是并行计算，都有各自的应
转载
2024-08-22 19:04:42
85阅读
torch.nn 库和 torch.nn.functional库的区别torch.nn库：这个库提供了许多预定义的层，如全连接层（Linear）、卷积层（Conv2d）等，以及一些损失函数（如MSELoss、CrossEntropyLoss等）。这些层都是类，它们都继承自nn.Module，因此可以很方便地集成到自定义的模型中。torch.nn库中的层都有自己的权重和偏置，这些参数可以通过优化器进
转载
2024-09-06 10:36:04
63阅读
# YOLO与PyTorch之间的关系
在计算机视觉领域，YOLO（You Only Look Once）是一种广泛使用的目标检测算法。与传统的目标检测算法不同，YOLO通过单个神经网络同时预测多个目标类别和边界框，极大地提高了检测速度和精度。同时，PyTorch作为一种流行的深度学习框架，为实现YOLO提供了灵活性和便利性。本文将探讨YOLO与PyTorch之间的关系，提供一个简单的代码示例，
YOLO-V8
历史版本2016年，Joseph Redmon提出了他至今以来最有名的个人项目：Joseph Redmon
《You Only Look Once: Unified, Real-Time Object Detection》
https://pjreddie.com/
2017年，Joseph Redmon与导师合著，发表了论文
转载
2024-05-27 18:17:14
401阅读
1.CPU与GPUCPU和GPU之所以大不相同，是由于其设计目标的不同，它们分别针对了两种不同的应用场景。主要区别如下： CPU需要很强的通用性来处理各种不同的数据类型，同时又要逻辑判断又会引入大量的分支跳转和中断的处理。这些都使得CPU的内部结构异常复杂。而GPU面对的则是类型高度统一的、相互无依赖的大规模数据和不需要被打断的纯净的计算环境。其中上图中绿色的是计算单元，橙红色的是存储单
转载
2024-05-25 11:30:52
71阅读
Chapter 2. numpy 的核心数据结构现在的主流深度学习框架 PyTorch 与 TensorFlow 中最基本的计算单元 Tensor，都与 NumPy 数组有着类似的计算逻辑。 NumPy 还被广泛用在 Pandas，SciPy 等其他数据科学与科学计算的 Python 模块中。 人脸识别技术（属于计算机视觉领域），其原理本质上就是先把图片转换成 NumPy 的数组，然后再进行一系列
转载
2023-12-18 16:04:45
47阅读
1、深度学习与机器学习的关联：（1）相似处：流程相似
我们在完成一项机器学习任务时的步骤，首先需要对数据进行预处理，其中重要的步骤包括数据格式的统一和必要的数据变换，同时划分训练集和测试集。接下来选择模型，并设定损失函数和优化方法，以及对应的超参数（当然可以使用sklearn这样的机器学习库中模型自带的损失函数和优化器）。最后用模型去拟合训练集数据，并在验证集/测试集上计算模型表现。损失函数和优化
转载
2024-05-24 22:22:50
219阅读
问：什么是CUDA？答：CUDA 是 NVIDIA 的 GPGPU 模型，它使用 C 语言为基础，可以直接以大多数人熟悉的 C 语言，写出在显示芯片上执行的程序，而不需要去学习特定的显示芯片的指令或是特殊的结构。问：NVIDIA公司为何开发CUDA？答：以前大家都听说过GPGPU，就是通用用途的GPU，GPU随着3D图形处理 越来越复杂，GPU规模也越来越大，后来GPU从计算角度来说，性能提升比C
转载
2024-08-21 08:54:46
93阅读
1、nvidia与cuda需要满足关系：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html/2、cuda与cudnn需要满足关系：https://developer.nvidia.com/rdp/cudnn-archive 深度学习离不开GPU，不过一直以来对GPU和CPU的差别，CUDA以及cuDNN都不
转载
2024-05-19 07:59:31
47阅读
Pymoo：遗传算法原理简介及Pymoo中遗传算子的实现示例一、遗传算法原理简介二、Pymoo中的遗传算子(Genetic Operators)及其实现2.1 抽样算子(Sampling Operator)2.2 选择算子(Selection Operator)2.3 交叉算子(Crossover Operator)2.4 突变算子(Mutation Operator) ? Github
转载
2024-06-18 05:03:47
122阅读
VS2017 + CUDA安装及配置由于实验需要安装CUDA，鉴于自己安装配置的艰辛历程，在此将自己解决问题过程中的一些参考网站总结出来，供大家参考。 祝大家bug少一些~CUDA安装注：我安装时参考的网站见文末，各版本过程大致一样，只是在配置的时候有所不同。这里我推荐步骤2配置VS中的网站。1、查看自己电脑显卡是否支持CUDA，以及支持的CUDA版本： 控制面板->搜索NVIDIA->
作者 | Dylan Patel 编辑 | 机器之心十年来，机器学习软件开发的格局发生了重大变化。许多框架如雨后春笋般涌现，但大多数都严重依赖于英伟达的 CUDA，并在英伟达的 GPU 上才能获得最佳的性能。然而，随着 PyTorch 2.0 和 OpenAI Triton 的到来，英伟达在这一领域的主导地位正在被打破。谷歌早期在机器学习模型架构、训练、模型优化方面都
GPU与cuda技术协调深度学习大多进行图像数据的处理和计算，但处理器的CPU大多需要处理，因此无法满足图像处理和计算速度的要求。 显卡GPU是来帮助CPU解决这个问题的。 GPU特别擅长处理图像数据，CUDA (计算机统一设备体系结构)是显卡制造商CUDA是NVIDIA推出的通用并行计算体系结构，GPU复杂， 包括CUDA指令集体系结构(ISA )和GPU内部的并行计算引擎，通过安装CUDA可以
转载
2024-03-13 14:57:59
2672阅读
随机抽样类函数1.torch.manual_seed(seed)设定生成随机数的种子，并返回一个torch._C.Generator对象参数：seed(int or long)种子2.torch.initial_seed()返回生成随机数的原始种子（pathon long）3.torch.get_rng_state()返回随机生成器状态（Byte Tensor）4.torch.set_rng_st
转载
2024-08-29 13:55:28
62阅读
1.Pytorch介绍1.1 pytorch简介1.1.1 pytorch简介pytorch 是深度学习框架和科学计算包pytorch之所以可以进行科学计算是因为它是一个张量库并且有相关的张量运算pytorch和numpy有很强的互操作性，原因：1.张量和数组具有相似性；2.pytorch的torch.tensor对象是由numpy的ndarray创建的，它们共享内存；pytorch 张量运算可在
转载
2023-12-15 09:45:22
297阅读
什么是torchserve？（百度）torchserve是Facebook和AWS联手开发的一款用于机器学习模型部署和调用的微服务程序。接触torchserve是因为项目落地最终需要部署到平台上面，所以就开始了torchserve的使用之旅。安装方法： pip3 install torchserve -i https://pypi.tuna.tsinghua.edu.cn/simplet
转载
2024-02-04 11:43:47
53阅读
# pytorch DeepSpeed 是什么关系
## 介绍
在深度学习领域，PyTorch和DeepSpeed都是非常流行的工具。PyTorch是一个开源的深度学习框架，而DeepSpeed是一个优化训练速度和模型大小的工具。本文将介绍PyTorch和DeepSpeed之间的关系，并提供一些代码示例。
## PyTorch和DeepSpeed的关系
PyTorch是一个用于构建深度学习
原创
2023-09-12 12:02:00
2977阅读
今天开始读一本关于Keras的深度学习书籍，计划每天记录一些所得。直奔主题，既然要学Keras，那什么是Keras，Keras和其他机器学习、深度学习库有什么区别？让我们看看Keras中文文档中的定义：Keras是一个模型库，是为开发深度学习模型提供了高层次的构建模块。它不处理诸如张量乘积和卷积等低级操作。相反，它依赖于一个专门的、优化的张量操作库来完成这个操作，它可以作为 Keras 的「后端引
