并非所有的回归或分类问题都需要通过深度学习来解决。 因此， 机器学习并不需要解决每个回归或分类问题。 毕竟，许多数据集都可以通过分析或简单的统计程序进行建模。 另一方面，在某些情况下，深度学习或深度转移学习可以帮助您训练比创建任何其他方法都更准确的模型。 对于这些情况，PyTorch和TensorFlow可能会非常有效，尤其是如果已经有与框架模型库中所需模型相似的训练模型。 [理解机器学习的
在人工智能领域，TensorFlow和Linux无疑是两个备受关注的关键字。TensorFlow，作为谷歌推出的开源人工智能框架，已经成为了许多开发者心中的首选工具。而Linux，作为稳定、高效的操作系统，为许多开发者提供了一个良好的工作环境。那么，在人工智能开发中，TensorFlow和Linux的结合到底有什么优势呢？
首先，TensorFlow在Linux系统中的运行更加高效稳定。Linu
OK，果然容易忘记。
好记性不如烂笔头啊好记性不如烂笔头啊好记性不如烂笔头啊
1.tensorflow中get_shape()改为Pytorch对应的函数
①tensor.get_shape()本身获取tensor的维度信息并以元组的形式返回，由于元组内容不可更改，故该函数常常跟.as_list()连用，返回一个tensor维度信息的列表，以供后续操作使用。
②Numpy 里，V.shape
转载
2023-08-14 14:54:59
129阅读
一、PyTorch简介PyTorch 是由 Torch7 团队开源的，这也是Facebook 的 AI 研究团队发布了一个 Python 工具包，据该项目官网介绍，是一个 Python 优先的深度学习框架，能够在强大的 GPU 加速基础上实现张量和动态神经网络。目前除了 Facebook 之外，也有大量的机构正在使用 PyTorchPyTorch 的前身是 Torch，其是一个十分老牌、对多维矩阵
转载
2023-09-26 11:50:14
99阅读
环境：windows 7, python 3.7 Pycharm 2018.2 professional因为是全部安装完后整理的，所以只是以解决问题为主，很多东西都没有深入去了解原理，仅仅记录下踩坑的过程。1.把虚拟环境的pip升级，之前不升级，一直报要求检测pip的版本，所以默认升级到最新我的pycharm
在当今的深度学习领域，TensorFlow和PyTorch是最受欢迎的两个深度学习框架。它们提供了丰富的功能和强大的工具，被广泛用于各种机器学习任务。本文将对TensorFlow和PyTorch进行全面比较分析，探讨它们在不同方面的优势和劣势。 首先，我们将从框架的易用性和学习曲线入手。TensorFlow和PyTorch在使用上有一些差异，其中TensorFlow使用静态计算图的概念，
转载
2023-08-07 19:26:39
120阅读
PyTorch或TensorFlow在训练和运行Tranformer模型时哪个更有效呢?近日，Huggingface(AI初创企业)的团队成员通过一篇发表在Medium上的博文告诉我们：两者差不多！ Facebook 的首席Ai科学家Yan Lecun大神在社交媒体上对此结果进行了转发点赞。自TensorFlow发布实施以来，Huggingface团队就致力于模型的产品化，并
# Conda环境：更好的Python版本管理工具
## 引言
Python是一门功能强大且易于学习的编程语言，但在不同的项目和应用中，我们常常需要使用不同的Python版本。然而，手动管理不同版本的Python往往非常麻烦且容易出错。幸运的是，有一种名为Conda的工具可以帮助我们轻松管理不同版本的Python，并且为我们提供一个干净和隔离的开发环境。
本文将为您介绍Conda是什么、为什
原创
2023-08-22 05:47:14
65阅读
文章目录简介 & 特性安装例子：CIFAR-10深入学习 & 代码片段自定义自动微分函数串行模型自定义网络模块 PyTorch确实比TensorFlow更好用，现在很多RL库也是基于PyTorch的，所以还是得学习一下。本文主要记录下其特性、要点，以及速查链接。简介 & 特性PyTorch主要提供两大功能：张量(tensor)计算和自动微分(autograd)。这两个功能
转载
2023-10-29 00:04:24
68阅读
最近要开始学习（为了毕业），自己琢磨了一下在本地Windows10系统的情况下搭建Pytorch的环境，作为菜鸟，碰到了许多问题，在此总结一下环境配置的过程。所需的组件列表：1.CUDA2.cuDNN3.Python4.Tensorflow5.Pytorch最关键的事：版本选择。1.CUDA1）确认显卡计算性能，查询显卡支持的CUDA版本；CUDA GPUsdeveloper.nvidia.com
初学DeepLearning，看到TensorFlow和pytorch框架用户数和讨论数比较多，最后选择上手TensorFlow2.0版本。因为搜索了一圈总结：TensorFlow用户基数还是比较大；2.0版本也改进了1.0版本代码编写、调试困难和API混乱等缺点，使其也有了pytorch好上手的优点。 TensorFlow有cpu和gpu两个版本，gpu可以并行处理，因此gpu版本运行起来
转载
2023-09-15 12:48:28
67阅读
文章目录一、导入数据1. 获取类别名2. 数据可视化3. 加载数据文件4. 划分数据二、自建模型三、模型训练1. 优化器与损失函数2. 模型的训练四、结果分析 大家好，我是K同学啊，今天讲《深度学习100例》PyTorch版的第3个例子，前面一些例子主要还是以带大家了解PyTorch为主，建议手动敲一下代码，只有自己动手了，才能真正体会到里面的内容，光看不练是没有用的。今天的重点是在PyTorc
主流深度学习框架对比（TensorFlow、Keras、MXNet、PyTorch）近几年来，深度学习的研究和应用的热潮持续高涨，各种开源深度学习框架层出不穷，包括 TensorFlow，Keras，MXNet，PyTorch，CNTK，Theano，Caffe，DeepLearning4，Lasagne，Neon，等等。Google，Microsoft 等商业巨头都加入了这场深度学习框架大战，当
转载
2023-08-11 14:36:26
207阅读
离线下载tensorflow（注意这里需要关闭网络，不然直接就下载完成了，之所以搞这个离线下载的，是因为很多公司运行的环境是不允许联网的，只能单方面上传文件，离线进行，我以下的操作都是为了演示如何搞，所以下载的时候连上网，安装时候段开网，如果我这段话你不理解，那就往下看好了，保证你一定能看懂
pytorch版本 torchvision版本 cuda版本
1.移除旧环境打开Anaconda Prompt
输入命令查看环境：conda env list
or
conda info --envs可以看到有几个主要环境# conda environments:
#
base * D:\anaconda3
deepl D:\anaconda3\envs\deepl现在想要移除&g
转载
2023-06-19 09:08:39
199阅读
1.英文教程看不下去？这里有一份TensorFlow2.0中文教程： https://mp.weixin.qq.com/s/X0au3ToiBk3my2w9Le2MIg知乎专栏地址：https://zhuanlan.zhihu.com/c_1091021863043624960Github 项目地址：https://github.com/czy36mengfei/tensorflow2_tuto
原创
2021-06-03 10:26:52
386阅读
1 序言近期抽空重整了一遍Transformer(论文下载)。距离Transformer提出差不多有四年了，也算是一个老生常谈的话题，关于Transformer的讲解有相当多的线上资源可以参考，再不济详读一遍论文也能大致掌握，但是如果现在要求从零开始写出一个Transformer，可能这并不是很轻松的事情。笔者虽然之前也已经数次应用，但是主要还是基于Tensorflow和keras框架编写，然而现
一、软件下载1、pycharm下载以及anaconda下载，安装位置具体自己设定2、安装时，路径可以根据需求，安装在除C盘以外的其他盘中，将红色方框内的选项全部打勾，如下：二、环境安装1、安装完成后，打开anaconda prompt2、创建环境(本例中，环境名称为test，将test换为自己想要的名称即可)，同时指定python版本，比如python=3.9，弹出选项输入y并按下enter：co
1、关于深度学习框架的安装，如果单纯安装cpu版本的直接去下载到本地即可，用pip安装 torch网址 https://download.pytorch.org/whl/torch_stable.html tenorflow地址 tensorflow-gpu下载
转载
2023-07-08 19:25:04
84阅读
