目录1、FAST算子 2、ORB对FAST的改进oFAST（FAST Keypoint Orientation）1、FAST算子思路： 对像素点p，如果p与邻域内的很多点都存在某一属性的差异（灰度图像上的亮度）， 则认为p与周围像素不同， 可以当做特征点。优化：半径为3像素的圆，圆周上有16个像
转载
2024-09-05 09:53:33
39阅读
前言自定义pytorch中动态图的算子(operator)，也就是动态图的“边”，需要继承torch.autograd.Function类，并实现forward与backward方法。在使用自定义的算子时，需要使用apply方法。下面结合官网资料的两个例子加以说明。 实例一class MyExp(torch.autograd.Function):
""" 前向：y = exp
转载
2024-09-05 10:33:06
221阅读
只有是Action时，才会执行立即操作。 Transformation是 lazy的操作，不会立即执行，执行Transformation的算子时，会返回一个新的RDD,依赖上一个RDDtransformation：
1、sortBy ： 对于RDD的是非元组型，rdd1.soreBy(x=>x),元组型按value排序
rdd.soreBy(_._2)（进行shuffle）
2、sort
# 如何实现 PyTorch CUDA 算子
在深度学习的实践中，PyTorch 是一个强大的库，而 CUDA 允许我们充分利用 GPU 的计算能力。以下是实现 PyTorch CUDA 算子的基本流程，接下来的内容将详细解释每一步。
## 流程
以下是实现 PyTorch CUDA 算子的基本流程：
```mermaid
flowchart TD
A[创建自定义算子] --> B
原创
2024-09-06 06:24:37
233阅读
我写的CGAN（Conditional GAN）代码是在DCGAN（Deep Convolution Generative Adversarial Networks）的基础上形成的，DCGAN的优点在于使用了卷积，比全连接层训练时更少的使用数据。因为看了几份CGAN的代码，有的train的时候再Generator时用的卷积，而不是转置卷积，感觉很奇怪，就自己手打了一份使用转置卷积的代码；如有错误，
转载
2023-10-06 22:06:19
178阅读
在深度学习中，当数据量不够大时候，常常采用下面4中方法：
人工增加训练集的大小. 通过平移, 翻转, 加噪声等方法从已有数据中创造出一批"新"的数据.也就是Data Augmentation
2.
Regularization. 数据量比较小会导致模型过拟合, 使得训练误差很小而测试误差特别大. 通过在Loss Function 后面加上正则项可以抑制过拟合
前言 一、安装torch与torchvision 初次安装的时候，没有经验，在安装CUDA时踩了很多坑，各种帖子都看了，比如去官网下载最新的驱动，用DDU将电脑上的显卡卸载干净等，最后还是没装上CUDA。果断放弃了。 最后看了各种资料突然发现 ，原来使用 conda install pytorch -c pytorch 命令安装pytorch时，就默认安装了CUDA！！！天了噜，折腾了那么多时间！
转载
2023-09-05 14:20:54
60阅读
通过举例说明如何给pytorch 加入有趣的新 CUDA 算子（包括前向和反向）。本文的代码，在 win10 和 linux 均可直接编译运行
原创
2024-07-31 11:30:16
119阅读
## PyTorch中的CUDA算子路径
随着深度学习的迅速发展，GPU加速已经成为了不可或缺的部分。在PyTorch中，CUDA（Compute Unified Device Architecture）提供了强大的支持，让我们可以将计算任务分配给GPU，从而显著提高运算速度。本文将深入探讨CUDA算子在PyTorch中的使用，并通过示例代码进行详细讲解。
### 什么是CUDA算子？
CU
原创
2024-09-05 04:08:54
75阅读
CUDA简介CUDA是并行计算的平台和类C编程模型，我们能很容易的实现并行算法，就像写C代码一样。只要配备的NVIDIA GPU，就可以在许多设备上运行你的并行程序，无论是台式机、笔记本抑或平板电脑。熟悉C语言可以帮助你尽快掌握CUDA。CUDA编程CUDA编程允许你的程序执行在异构系统上，即CUP和GPU，二者有各自的存储空间，并由PCI-Express 总线区分开。因此，我们应该先注意二者术语
至此三种编译cuda算子并python调用的方式基本都囊括了，下一篇教程将讲讲PyTorch如何将自定义cuda算子加入到计算图中.com
原创
2024-07-30 15:01:01
177阅读
编写并调用自定义CUDA Pytorch算子
原创
2022-12-08 14:44:36
142阅读
一、基本信息首先大家要明白这两个分别是干嘛的，pytorch是一个图形计算的python依赖包。通常还跟着torchvision等包一起安装。它是可以通过pip，conda甚至pycharm下载安装的。而CUDA是一个是显卡厂商NVIDIA推出的运算平台，相当于一个计算机用的计算器。CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。因此你一定要有GPU才能
转载
2023-08-11 08:45:47
510阅读
文章目录1.先安装anaconda2.cuda 10.2及cudnn的安装2.1cuda 10.2下载及安装2.2 cudnn的安装3安装Pytorch3.1配置下Anaconda的下载源3.2 创建名字为pytorch的虚拟环境3.3激活环境3.4 验证一下4 jupyter 创建基于pytorch这个虚拟环境的文件4.14.2修改anaconda jupyter默认路径 1.先安装anaco
转载
2023-07-23 21:45:36
180阅读
搭建pytorch深度学习环境（cuda-GPU版本、cudnn）避坑指南 文章目录搭建pytorch深度学习环境（cuda-GPU版本、cudnn）避坑指南前言一、版本了解二、安装步骤1.下载cuda2.下载cudnn3.安装pytorch三、几点提示 前言安装pytorch环境心得&注意点：<1>心得：搭建pytorch环境最需要注意的就是版本问题<2>注意点：
转载
2023-07-23 21:46:03
390阅读
文章目录pytoch 转 onnx 过程中扩展自定义op流程细节学习自定义pytorch的op加入symboliconnx 转 tensorRT 过程中扩展自定义op流程细节学习对自定义op：InstanceNormalization的详解InstanceNormalizationPlugin.hppInstanceNormalizationPlugin.cppbuiltin_op_import
系统：Ubuntu20.04已经安装过Anaconda时间：2021/6/14====================一、根据nvidia-smi命令得知当前电脑已经安装nvidia驱动版本为460.80（见图一）对应CUDA ToolKit最高版本为11.2.2（对应版本见图二）图一图二在安装pytorch之前电脑上已经安装过从nvidia官网上下载的CUDA TooKit和Cudn，并且CUD
边缘检测学习目标了解Sobel算子，Scharr算子和拉普拉斯算子掌握canny边缘检测的原理及应用1 原理边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。边缘的表现形式如下图所示：图像边缘检测大幅度地减少了数据量，并且剔除了可以认为不相关的信息，保留了图像重要的结构属性。有许多方法用于边缘
PyTorch入门实战教程笔记（十六）：神经网络与全连接层3GPU/CPU运行切换在训练网路时，采用GPU进行加速，pytorch提供了一个功能，能够一条语句切换在CPU、GPU上运算，如果在GPU上运行，device = torch.device( ‘cuda:0’ ), (后面的0是cuda的编号），如果在CPU上运行，将‘cuda’改成‘GPU’即可。对net搬到GPU上去，使用net =
转载
2023-12-18 19:10:19
273阅读
1.并行处理机制DataParallel系统通过将整个小型批处理加载到主线程上，然后将子小型批处理分散到整个GPU网络中来工作。具体是将输入一个 batch 的数据均分成多份，分别送到对应的 GPU 进行计算。与 Module 相关的所有数据也都会以浅复制的方式复制多份。每个 GPU 在单独的线程上将针对各自的输入数据独立并行地进行 forward 计算。然后在主GPU上收集网络输出，并通过将网络
转载
2023-08-07 23:59:07
293阅读
