说起编码，真是十分忧伤。每次听课都是绕了半天把自己搞糊涂。今天特意来整理一下思路。What 编码！？基本概念很简单。首先，我们从一段信息即消息说起，消息以人类可以理解、易懂的表示存在。我打算将这种表示称为“明文”（plain text）。对于说英语的人，纸张上打印的或屏幕上显示的英文单词都算作明文。其次，我们需要能将明文表示的消息转成另外某种表示，我们还需要能将编码文本转回成明文。从明文到编码文本
转载
2023-12-04 15:58:18
263阅读
本次实验的代码大家可以到下面的 GitHub仓库 链接中进行下载与学习。Github： https://github.com/CVHuber/Pytorch_common_code张量处理张量基本信息tensor = torch.randn(3,4,5)
print(tensor.type()) # 数据类型
print(tensor.size()) # 张量大小
print(tensor.d
转载
2024-04-10 06:48:08
648阅读
这里记录一下想要将我们的深度学习代码封装 如何在windows上实现由于我比较习惯python 所以相对于qt师兄给我们推荐了pyqt以及pyinstaller 这两个一个做页面 一个来封装代码 所以这里记录一下学习过程先来安装 看如何在vscode里使用pyqt 查看这篇博文然后具体操作的步骤可以查看这个博客 各种步骤可以跟着学习把程序终端输出的内容输出到我设计的GUI界面我参考了这篇博客 这篇
转载
2024-07-18 19:59:07
88阅读
2018年9月17日笔记tensorflow是谷歌google的深度学习框架，tensor中文叫做张量，flow叫做流。 DNN是deep neural network的简称，中文叫做深层神经网络，有时也叫做多层感知机（Multi-Layer perceptron,MLP）。 从DNN按不同层的位置划分，DNN内部的神经网络层可以分为三类，输入层，隐藏层和输出层。 如下图示例，一般来说第一层是输入
在SystemVerilog中，约束一般分为两种：一种称之为“硬约束hard constraint”，这种也是我们经常使用到的约束方式，还有另外一种称之为“软约束soft constraint”，那么这个“软约束”是如何使用产生约束呢？本文将通过示例说明“软约束”的使用方法和注意事项。“软约束”之所以“软”主要是因为“软约束”提供给了用户更多的自适应性，用户可以通过各种其他约束方式实现对于“软约束
# 如何实现在 Python 中运行 PINN 代码
对于刚入行的小白来说，理解和实现物理信息神经网络（PINN，Physics-Informed Neural Networks）可能会有些困难。本文将为您提供一个清晰的流程，以帮助您实现基本的 PINN 代码，并解释每一步所需的代码。
## 整体流程
下面是实现 PINN 代码的步骤：
| 步骤 | 描述
what is Pytorch深度学习框架，提供最大的灵活性和速度支持GPU计算能力TensorsTensors 类似于Numpy中的ndarrays，但Tensors能够在GPU上加速计算。from __future__ import print_function
import torch
# 声明一个未初始化的矩阵
x = torch.empty(5, 3)
print(x)
# 创建一个
# 使用 SHAP 进行 PyTorch 模型解释的入门指南
在机器学习中，模型的可解释性是一个重要的方面，特别是在深度学习中，复杂的模型往往难以理解。因此，我们需要一种工具来帮助我们理解模型的预测结果。SHAP（SHapley Additive exPlanations）就是这样一个工具，它可以为任何模型提供一致且可靠的解释。
本篇文章旨在教会你如何在 PyTorch 模型中使用 SHAP。
Numpy是python科学计算的础库。
1 Numpy数组
#通过python列表或者Numpy函数来创建数组
import numpy as np
a=np.array([1,2,3,4])
print(a)
b=np.arange(10)
print(b)
c=np.array([[1,2],[3,4],[5,6]])
print(c)
d=np.linspace(0,2,3)
转载
2024-04-24 10:09:11
70阅读
上篇文章，我们来简单聊了下CNN卷积神经网络，在这篇文章中，我将用TensorFlow来创建一个对Mnist数据集分类的模型。我是在Anaconda下的Jupyter Notebook运行的。1. 不用卷积神经网络import tensorflow as tf
import numpy as np
from tensorflow.examples.tutorials.mnist import in
转载
2023-07-08 11:18:03
1092阅读
如何实现神经网络PINN代码
作为一名经验丰富的开发者，我将会向你介绍如何实现神经网络PINN（Physics-Informed Neural Networks）代码。首先，我会列出整个实现流程的步骤，并详细说明每一步需要做什么以及所需的代码。
### 实现流程
| 步骤 | 描述 |
|------|--------------------|
| 1 | 数
原创
2024-03-06 03:45:22
1353阅读
1 简介在学习B站发布的《动手学深度学习》PyTorch版本教学视频中发现在操作使用PyTorch方面有许多地方看不懂，往往只是“动手”了，没有动脑。所以打算趁着寒假的时间好好恶补、整理一下PyTorch的操作，以便跟上课程。2 Transforms主要用于变换图形import cv2
import torch
from torchvision import transforms
from PIL
转载
2023-11-15 15:44:42
162阅读
# 使用 PyTorch 实现 Transformer 模型示例代码
在这篇文章中，我们将一步一步地指导你如何使用 PyTorch 来实现一个基本的 Transformer 模型。Transformer 是一种广泛应用于自然语言处理（NLP）领域的架构，因其在序列到序列任务中的优越性能而受到重视。我们将遵循以下步骤来实现这个模型：
| 步骤 | 描述
# 教你实现 “Python PINN”（Physics-Informed Neural Networks）
在这篇文章中，我们将指导你如何使用Python构建一个基于物理知识的神经网络（PINN），以解决一些物理问题。以下是我们要遵循的步骤流程表：
| 步骤 | 描述 |
|------|-----|
| 1 | 安装必要的库 |
| 2 | 定义神经网络模型 |
| 3
# PyTorch 示例教学
在进入深度学习领域时，PyTorch 是一个非常流行且易于使用的库。今天，我们将为初学者提供一个简单的 PyTorch 示例，并通过详细的步骤和代码注释来帮助理解整个流程。
## 流程概述
在学习如何使用 PyTorch 之前，我们先来了解一下整个过程的步骤。以下是一个简要的流程图：
| 步骤 | 描述 |
|-----
# PyTorch 示例：深度学习框架的应用
深度学习是人工智能领域的热门技术，而 PyTorch 是一个开源的深度学习框架，被广泛应用于计算机视觉、自然语言处理等领域。本文将介绍 PyTorch 的基本概念和使用方法，并通过一个简单的示例演示如何使用 PyTorch 进行神经网络的训练和预测。
## PyTorch 简介
PyTorch 是由 Facebook 人工智能研究实验室开发的深度
原创
2024-03-19 03:32:30
17阅读
train_loader =torch.utils.data.DataLoader(dataset=train_dataset,batch_size=batch_size_per_gpu,shuffle=False,num_workers=0,pin_memor
原创
2024-05-15 10:39:05
145阅读
通解形式：物理信息神经网络(PINN)代表了一种在微分方程求解领域的重要技术突破，它将深度学习与物理定律有机结合，为传统数值求解方法提供了一种高效、数据驱动的替代方
图神经网络尽管看起来很复杂，但是PyTorch Geometric为我们提供了一个很好的解决方案。我们可以直接使用其中内置的模型实现
原创
2024-05-04 00:45:08
121阅读
PyTorch torch.is_tensor()如果传递的对象是PyTorch张量，则方法返回True。用法：torch.is_tensor(object) 参数object:这是要测试的输入张量。返回：它返回True或False。让我们借助几个示例来了解这个概念：范例1：# Importing the PyTorch library import torch # A constant tensor of size n a = torch.FloatT...
原创
2021-08-12 21:42:11
158阅读
