1 BatchNorm BN的原理BN是计算机视觉最常用的标准化方法，它沿着N、H、W维度对输入特征图求均值和方差，随后再利用均值和方差来归一化特征图。计算过程如下图所示，1）沿着通道维度计算其他维度的均值；2）沿着通道维度计算其他维度的方差；3）归一化特征图；4）加入可学习参数γ和β(在每次反向传播后更新)，对归一化的特征图进行包含缩放和平移的仿射操作， pytor
# PyTorch Mobile 教程
随着智能手机的发展，越来越多的深度学习应用需要在移动设备上实现。而 PyTorch Mobile 为我们提供了一个简单而高效的解决方案，允许开发者在移动设备上部署训练好的 PyTorch 模型。本文将介绍 PyTorch Mobile 的原理与应用，并通过示例代码帮助你快速上手。
## PyTorch Mobile 工作流程
在使用 PyTorch M
First 在做项目的时候在GitHub上面找了一篇MobileV2模型实现的源码，自己仔细看了一下，感觉实现的只是整体结构，但是和论文种不太贴切，由此修改成较为符合论文结构的代码版本。About原始代码 下面是原始代码实现BottleNeck的部分，可以看到只是实现了 升维->分组卷积->降维，并判断是否进行shortcut操作。 但是并没有具体到实现Depthwise Conv 和
转载
2024-06-23 06:05:45
89阅读
学习https://pytorch.org/tutorials/beginner/data_loading_tutorial.html pytorch官方教程之二 dataloader的笔记 文章目录Dataset类plt笔记计算图像均值与方差模型搭建与初始化finetune Dataset类继承Dataset类，重写__len__与__getitem__方法len :外部调用len(datase
# PyTorch Mobile部署输入参数
PyTorch是一个开源的深度学习框架，提供了用于训练和部署机器学习模型的工具。PyTorch Mobile是PyTorch的一个扩展，可以将训练好的模型部署到移动设备上进行推理。
在PyTorch Mobile中，我们需要将输入数据传递给模型进行推理。本文将介绍如何准备和传递输入参数，并给出相应的代码示例。
## 准备输入参数
在部署模型之前
原创
2023-12-25 07:49:58
104阅读
model.eval因为自定义的网络以及自定义的网络中的各个层都继承于nn.Module这个父类nn.Module存在一个training的属性，默认为True，所以，model.eval()使得自定义的网络以及自定义的网络中的各个层的training属性变为了False
import torch.nn as nn
class model(nn.Module):
def __init__(
本文记录下如何使用docker部署pytorch文本检测模型到服务器，便于终端调用API。 镜像文件也上传到docker hub了，可以一步步运行起来，不过需要先安装好docker。 docker的安装可参考官方文档。搭建服务端API为了便于测试，可以先使用Flask搭建一个简易版本文本检测服务器，服务端创建接口部分代码如下：PAGE = '''Chinese Text Detector Chi
转载
2023-08-17 14:40:27
90阅读
下面我们来看一下手动关联后的脚本情况：
最好不要用自动关联，虽然LR11.5已经准确了不少，但还是会出现截取不准确的情况。
C代码
<SPAN>Action()
{
char DistrictName[15]={NULL},
CityCode[20]={NULL},
ProvinceCode[20]
转载
2013-02-04 14:28:14
410阅读
jQuery Mobile 在刚推出的时候，曾经宣传了几个重要的特点，除了 Kayo 在本系列文章中多次介绍的“触摸屏优化”外，另外一个最直接的特点就是“响应式设计”，关于响应式设计，Kayo 已经写了不少相关的文章进行说明，而本文要介绍的，是 jQuery Mobile 中为响应式设计作出的优化和工具。 在 jQuery Mobile 测试版本的文档中，有一个栏目名为“Responsive L
# PyTorch实战入门指南
在这篇文章中，我将引导你通过一个简单的PyTorch实战项目，让你了解深度学习的基本步骤及其代码实现。希望通过这个学习过程，你能对PyTorch有一个全面的认识。
## 项目流程
首先，让我们了解实现一个PyTorch项目的基本流程。这些步骤将帮助你从头到尾完成一个简单的深度学习任务。
| 步骤 | 描述 |
|-
原创
2024-10-17 12:27:31
63阅读
pytorch中nn 与 nn.functional有很多相同的函数，这里整理别人的回答说明下：https://www.zhihu.com/question/66782101/answer/579393790nn 与 nn.functional的区别两者的相同之处：
nn.Xxx和nn.functional.xxx的实际功能是相同的，即nn.Conv2d和nn.functional.conv2d
转载
2023-10-01 15:36:07
88阅读
jQuery Mobile是专门为mobile优化过的js toolkit，demo在这里：http://jquerymobile.com/demos/1.0a1/。功能很强大啊。1）界面或者CSS不错，一看就是模仿iOS，比如工具栏，还有很宽的按钮（这样用户比较容易点到），视图的切换动画，加载动画，一切都很iphone。不过，看多了就有点乏味。如果是android用户访问这个UI会更加反感吧。2
转载
2023-05-24 12:38:17
570阅读
# 使用 PyTorch Mobile 最新版本的指南
作为一名经验丰富的开发者，我很高兴能为刚入行的小白提供帮助。在进行深度学习应用开发时，使用 PyTorch Mobile 是一个非常重要的步骤。接下来，我将通过一个流程图和详细的步骤讲解如何实现 PyTorch Mobile 最新版本的应用。
## 流程概述
下面是实现 PyTorch Mobile 的基本流程，包含五个主要步骤：
|
Grad-CAM (Gradient-weighted Class Activation Mapping) 是一种可视化深度神经网络中哪些部分对于预测结果贡献最大的技术。它能够定位到特定的图像区域，从而使得神经网络的决策过程更加可解释和可视化。Grad-CAM 的基本思想是，在神经网络中，最后一个卷积层的输出特征图对于分类结果的影响最大，因此我们可以通过对最后一个卷积层的梯度进行全局平均池化来计算
转载
2023-09-24 11:08:28
238阅读
首先在paths_catalog.py文件中修改数据集修改配置文件，并将修改后的配置文件添加到train_net.py的，
原创
2023-05-18 17:11:02
76阅读
# PyTorch NLP实战指南
在学习如何使用PyTorch进行自然语言处理（NLP）之前，我们需要了解整个流程以及每一步所需的具体操作。下面是实现一个基本的NLP任务（如情感分析）的步骤概述。
## 步骤流程
| 步骤 | 描述 |
| ---- | -------------------------- |
| 1 | 数据准备与预处理
# PyTorch GAT 实战指南
在这篇文章中，我将指导你如何使用 PyTorch 实现图注意力网络（Graph Attention Network, GAT）。GAT 是一种用于处理图结构数据的深度学习模型，能够有效地捕捉节点之间的关系。以下是我们将要完成的流程。
## 实现流程
| 步骤 | 描述 |
|------|------|
| 1 | 环境准备与库安装 |
| 2
# PyTorch Batch Normalization 实战指南
在深度学习中，Batch Normalization（批量归一化）是一个非常重要的技术，它可以加速模型的收敛，并提高模型的稳定性。本篇文章旨在帮助刚入行的小白，了解如何在PyTorch中实现Batch Normalization。我们将通过一系列步骤来完成这一目标。
## 实现流程
在开始实现Batch Normaliza
Numpy 是一个非常好的框架，但是不能用 GPU 来进行数据运算。Numpy is a great framework, but it cannot utilize GPUs to accelerate its...
转载
2017-08-06 20:00:00
127阅读
2评论
# GNN实战与PyTorch：新手入门指南
在机器学习和深度学习领域，图神经网络（GNN）是近年来备受瞩目的技术之一。对于刚入行的小白来说，理解和实现GNN可能会有些挑剔。本文将带你通过一个简单的流程，手把手实现一个基本的GNN模型，使用PyTorch框架。本指南包括流程步骤、代码实例以及相应的图示。
## 1. 流程步骤
下面是实现GNN的主要步骤：
| 步骤 | 描述 |
| ---
