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
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
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
259阅读
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
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
1084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
1346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
导 语在过去十年中，机器学习技术取得了快速进步，实现了以前从未想象过的自动化和预测能力。随着这一技术的发展促使研究人员和工程师为这些美妙的技术构思新的应用。不久，机器学习技术被用于加强网络安全系统。网络安全性最常见的风险就是入侵，例如暴力破解、拒绝服务，甚至是网络内部的渗透。随着网络行为模式的变化，有必要切换到动态方法来检测和防止此类入侵。许多研究都致力于这一领域。我们需要可修改、可重复、可扩
# 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
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
之前安装了tensorflow2.4版本，但是因为和1.x的部分代码不兼容，卸载了2.4版本，重新安装了1.14版本，但是安装错误ImportError: No module named tensorflow，发现是tensorflow1.14和之前装的CUDA11.0版本不对应，卸载了2.x再装1.x
转载
2024-07-20 19:59:07
131阅读
下面我将介绍内嵌物理知识神经网络（PINN）求解微分方程。首先介绍PINN基本方法，并基于Pytorch框架实现求解一维Poisson方程。1.PINN简介神经网络作为一种强大的信息处理工具在计算机视觉、生物医学、 油气工程领域得到广泛应用, 引发多领域技术变革.。深度学习网络具有非常强的学习能力, 不仅能发现物理规律, 还能求解偏微分方程.。近年来，基于深度学习的偏微分方程求解已是研究新热点。内
1、python之禅The Zen of Python, by Tim PetersBeautiful is better than ugly.Explicit is better than implicit.Simple is better than complex.Complex is better than complicated.Flat is better than nested.Spa
本系列将分为 8 篇 。今天是第二篇 。主要讲讲 TensorFlow 框架的特点和此系列笔记中涉及到的入门概念 。1.Tensor 、Flow 、Session 、GraphsTensorFlow 从单词上可以分成 Tensor 和 Flow 两个单词 。Tensor 即张量 ，表明了其数据结构 ；Flow 翻译可理解为流 ，直观的表达了张量之间通过计算相互转化的过程 ；还有一个很重要的概念 S
PLM是什么？或许早在五年前还有这个疑问，但如今已成为行业竞争的必需品。PLM即对产品从创建、使用到最终报废，是一种对全生命周期产品数据信息进行管理的理念；是一种应用于在单一地点的企业内部、分散在多个地点的企业内部，以及在产品研发领域具有协作关系的企业之间的，支持产品全生命周期的信息的创建、管理、分发和应用的一系列应用解决方案，它能够集成与产品相关的人力资源、流程、应用系统和信息。 为什
转载
2024-06-16 12:19:28
33阅读
前几年神经网络很火，相信大家对神经网络都有一定的了解。而图神经网络是直接在图上进行计算，整个计算的过程，沿着图的结构进行，这样处理的好处是能够很好的保留图的结构信息。而能够对结构信息进行学习，正是图神经网络的能力所在。下面我们就来看看图神经网络为什么强大？图神经网络的应用场景自然非常多样。笔者在这里选择一部分应用场景为大家做简要的介绍，更多的还是期待我们共同发现和探索。1. 计算机视觉在计算机视觉
转载
2023-10-04 14:40:49
361阅读
tensor数据类型Tensor在使用时可以有不同的数据类型，官方给出了 7种CPU Tensor类型与8种GPU Tensor类型。16位半精度浮点是专为GPU模型设计的，以尽可能地节省GPU显存占用，但这种节省显存空间的方式也缩小了所能表达数据的大小。PyTorch中默认的数据类型是 torch.FloatTensor，即torch.Tensor等同于torch.FloatTensor。 Py
转载
2023-10-01 11:48:53
85阅读
LSTM的参数解释LSTM总共有7个参数：前面3个是必须输入的1：input_size: 输入特征维数，即每一行输入元素的个数。输入是一维向量。如：[1,2,3,4,5,6,7,8,9]，input_size 就是92：hidden_size: 隐藏层状态的维数，即隐藏层节点的个数，这个和单层感知器的结构是类似的。这个维数值是自定义的，根据具体业务需要决定，如下图：input_size：就是输入层
转载
2023-08-06 13:59:19
485阅读
