https://github.com/hujinsen/pytorch_VAE_CVAE/blob/master/CVAE.ipynb
转载
2021-04-07 16:52:00
1331阅读
2评论
自编码器这类模型有下面几个： 自编码器（AE）：目标是压缩与重建。它是一个判别模型，目标是学习数据的高效表示，主要用于降维、去噪和数据压缩，而不是生成新数据。 变分自编码器（VAE）： 学习数据的概率分布并生成。它是一个生成模型。它的关键突破是让隐变量 z 服从一个标准的概率分布（通常是高斯分布）， ...
1.定义代价类 手动求导的核心就是继承CostFunction或DynamicCostFunction或SizedCostFunction，继承后的主要工作就是重载Evaluate函数，实现残差和雅可比矩阵的计算。 继承CostFunct
自编码器是一种由编码器和解码器两部分组成的神经系统结构。解码器在编码器之后，中间是所谓的隐藏层，它有各种各样的名称，有用8个值表示，但其压缩表示只需要3个值。自编码器也可以用于各种其他目的:数据去噪，特征学习，异常检测，以及现在大火的稳定扩散模型。自编码器是理解无监督学习和数据压缩的基础。
原创
2024-05-13 11:34:12
90阅读
1、东北大学热轧带钢表面缺陷数据集该数据集是东北大学的宋克臣等几位老师收集的，一共包含了三类数据，官网有时打不开，三种缺陷数据集我都我保存到了百度网盘里。官方链接：http://faculty.neu.edu.cn/me/songkc/Vision-based_SIS_Steel.html百度网盘链接：链接：https://pan.baidu.com/s/1bAKoSG7VHE98JdHJPGJv
转载
2024-08-27 09:59:48
216阅读
简介 之前的文章介绍了AE和VAE，指出了它们的优缺点。AE适合数据压缩与还原，不适合生成未见过的数据。VAE适合生成未见过的数据，但不能控制生成内容。本文所介绍的CVAE（Conditional VAE）可以在生成数据时通过指定其标签来生成想生成的数据。CVAE的结构图如下所示： 整体结构和VAE ...
转载
2021-04-24 09:44:00
4160阅读
2评论
简介 之前的文章介绍了AE和VAE，指出了它们的优缺点。AE适合数据压缩与还原，不适合生成未见过的数据。VAE适合生成未见过的数据，但不能控制生成内容。本文所介绍的CVAE（Conditional VAE）可以在生成数据时通过指定其标签来生成想生成的数据。CVAE的结构图如下所示： 整体结构和VAE ...
转载
2021-04-24 09:44:00
3965阅读
2评论
变分自动编码器(VAE)是一种有方向的图形生成模型，已经取得了很好的效果，是目前生成模型的最先进方法之一。它假设
原创
2024-05-12 14:23:31
350阅读
条件变分自编码器（Conditional Variational Autoencoder, CVAE）是变分自编码器（VAE）的扩展版本，通过引入条件信息，能够生成特定类别的样本。与标准VAE不同，CVAE在编码器和解码器中均加入了条件变量，从而实现了对生成过程的精确控制。DeepSeek作为一款高效的深度学习框架，提供了灵活的CVAE实现工具，支持从简单到复杂的CVAE模型的快速构建和训练。本文
如何使用PyTorch实现模型
## 引言
PyTorch是一个用于构建深度学习模型的开源框架，它提供了丰富的工具和库，帮助开发者更高效地实现和训练各种深度学习模型。本文将介绍使用PyTorch实现模型的步骤和必要的代码。
## 流程
下面是使用PyTorch实现模型的整个流程：
```mermaid
flowchart TD
A[数据准备] --> B[定义模型]
B
原创
2024-01-15 05:40:41
164阅读
PyTorch学习笔记（13）–现有网络模型的使用及修改 本博文是PyTorch的学习笔记，第13次内容记录，主要介绍如何使用现有的神经网络模型，如何修改现有的网络模型。 目录PyTorch学习笔记（13）--现有网络模型的使用及修改1.现有网络模型2.现有模型的使用2.1VGG16模型的结构2.2修改现有VGG16模型的结构3.学习小结 1.现有网络模型 在现有的torchvisio
转载
2023-09-08 11:34:48
593阅读
pytorch的安装首先扫盲常用的pip和这里的conda有什么不一样：pip 和 conda 什么区别？先跟着这个win10 安装 pytorch，安装conda、cuda和cuDNN。然后参照win10离线安装pytorch和torchvision进行离线安装命令行输入nvidia-smi查看cuda版本，在官网pytorch的pip选项查看自己需要下载的包在这里下载上图中对应离线包
打开命令
转载
2023-09-25 13:06:40
137阅读
用conda install时报错：An HTTP error occurred when trying to retrieve this URL. HTTP errors are often intermittent…我要做的事： 想使用torchinfo包，但是这个包可能是比较新，我的pytorch版本比较旧，所以引包的时候会报错，所以需要更新pytorch嘛，结果网上随意下载包时，更新换代了
转载
2023-11-01 19:40:22
871阅读
一、概念num_workers是Dataloader的概念，默认值是0。是告诉DataLoader实例要使用多少个子进程进行数据加载(和CPU有关，和GPU无关) 如果num_worker设为0，意味着每一轮迭代时，dataloader不再有自主加载数据到RAM这一步骤（因为没有worker了），而是在RAM中找batch，找不到时再加载相应的batch。缺点当然是速度慢。当num_worker不
转载
2023-11-10 10:40:05
128阅读
目录 pytorch学习numpy & TorchVariable激励函数回归区分类型快速搭建法模型的保存与提取批训练加速神经网络训练Optimizer优化器CNNMNIST手写数据Reference pytorch学习numpy & Torchimport torch
import numpy as np
np_data = np.arange(6).reshape((2
转载
2023-09-20 16:40:25
79阅读
SuperPoint该论文是 magic leap 公司在18年的一篇工作，而且提供了代码，基于 pytorch 的，不过遗憾的是训练代码和相应的渲染的训练数据没提供。主要思路本文提出了一个自监督的方式去训练网络来提取特征点以及计算描述符。基本流程整体框架整体框架如下图，下面会abc三个步骤分别介绍：特征点提取预训练如果要使用有监督的深度学习方案来解决该问题，不同于其他传统的像分类、检测和分割这样
转载
2023-11-03 09:09:02
811阅读
1.torch.device()torch.device()主要作用是：在训练时指定使用GPU训练还是CPU训练。使用方法： # cuda:0 代表第几块GPU
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu") 2.nn.ModuleList()nn.ModuleList()主要作用:我们可以把任意 n
转载
2023-09-06 17:57:01
283阅读
BroadcastingBroadcasting也就和之前学MPI时候学的广播一样，能够实现自动维度扩展，有点像上节学的expand的功能，但是是自动完成的，而且不需要像repeat那样对数据进行拷贝，可以节省内存。从最后面的维度开始匹配。在前面插入若干维度。将维度的size从1通过expand变到和某个Tensor相同的维度。总之，Broadcasting也就是自动实现了若干unsqueeze和
转载
2024-01-11 09:35:11
86阅读
Training A Classifier训练一个分类器数据来源图像：一般有Pillow,OpenCV 声音：scipy和librosa 文本：row Python ,Cpython, NLTK, SpaCy pytorch对于视觉有torchvision包，包含CIFAR10,MNIST,ImageNet等数据集，本示例使用CIFAR10。 CIFAR10包含 ‘airplane’, ‘auto
转载
2024-07-08 16:17:42
89阅读
PyTorch是一个针对深度学习，并且使用GPU和CPU来优化的tensor library(张量库)。最新发布的稳定版本为1.9，源码在https://github.com/pytorch/pytorch 。它支持在Linux、Mac和Windows上编译和运行。调用Python接口可以通过Anaconda或Pip的方式安装，调用C++接口
转载
2023-08-14 15:21:08
198阅读
