深度学习是基于人工神经网络(ANN)的机器学习方法大家庭的一部分。深度学习是当今普遍存在的一种学习方式，它被广泛应用于从图像分类到语音识别的各个领域。在这篇文章中，我将向你展示如何构建一个简单的神经网络，用PyTorch从视网膜光学相干断层扫描图像中检测不同的眼部疾病。数据集OCT 是一种成像技术，用于捕捉活体患者视网膜的高分辨率横截面。每年大约要进行3000万次 OCT 扫描，这些图
文章目录1 python ；两大法宝函数2 加载数据3 TensorBoard 的使用4 transforms的使用5 torchvision中的数据集使用6 dataloader的使用7 卷积操作8 卷积层9 最大池化10 非线性激活11 线性层12 Sequential的使用13 损失函数14 优化器15 现有网络模型的使用及修改16 网络模型的保存及读取17 完整的模型训练套路18 利用g
转载
2024-02-14 15:01:05
96阅读
# 如何检查Python中torch是否使用GPU
作为一名经验丰富的开发者，你需要教会一位刚入行的小白如何检查Python中torch是否使用GPU。以下是整个过程的流程以及每一步需要做的事情：
## 流程表格
| 步骤 | 操作 |
| ------ | ------ |
| 1 | 导入torch库 |
| 2 | 检查当前设备是否支持GPU |
| 3 | 输出当前设备信息 |
#
原创
2024-06-23 04:51:52
758阅读
我们在爬虫的时候，经常会遇到验证码的识别，尽管我在上一篇博客中介绍了使用超级鹰来进行验证码的识别（这里所指的验证码是指只有数字、字母所组成的照片），但是毕竟是需要花钱的，花钱谁不心疼。既然人工智能这么火的，我们也来蹭蹭热度，使用深度学习来进行验证码的识别。深度学习解决问题基本上都是四步走：获取数据集、定义模型、训练模型以及测试模型。下面跟着小墨一起来学习吧。一 、获取和加载数据1. 生成验证码照片
作为机器学习从业者，我们经常会遇到这样的情况，想要训练一个比较大的模型，而 GPU 却因为内存不足而无法训练它。当我们在出于安全原因不允许在云计算的环境中工作时，这个问题经常会出现。在这样的环境中，我们无法足够快地扩展或切换到功能强大的硬件并训练模型。并且由于梯度下降算法的性质，通常较大的批次在大多数模型中会产生更好的结果，但在大多数情况下，由于内存限制，我们必须使用适应GPU显存的批次大小。本文
转载
2024-03-19 09:08:58
64阅读
实验对比前端时间搭建了TensorRT 、 Torchserve-GPU，最近抽时间将这两种方案做一个简单的实验对比。实验数据Cuda11.0、Xeon® 6242 3.1*80、RTX3090 24G、Resnet50TensorRT 、Torchserve-GPU各自一张卡搭建10进程接口，感兴趣的可以查看我个人其他文章。30进程并发 、2000 张1200*720像素图像的总量数据Tenso
转载
2024-08-07 21:40:25
97阅读
对于算法小白来说，配置环境甚至比学网络模型还要难，配置环境过程中会遇到各种坑，一定要耐心，不要砸机（计算机）！花了6、7个小时的时间才把TensorFlow-gpu安装好，必须分享记录一下。首先，感谢这篇blog：，整个安装过程很详细。 在安装之前要确认一下几件事情。1、确保电脑上有独立的英伟达显卡且安装了相应的驱动，（查看显卡型号：右击计算机-设
转载
2024-04-25 12:58:52
50阅读
文章目录一、PyTorch环境检查二、查看张量类型三、查看张量尺寸和所占内存大小四、创建张量4.1 创建值全为1的张量4.2 创建值全为0的张量4.3 创建值全为指定值的张量4.4 通过 list 创建张量4.5 通过 ndarray 创建张量4.6 创建指定范围和间距的有序张量4.7 创建单位矩阵（对角线为1）五、生成随机张量5.1 按均匀分布生成5.2 按标准正态分布生成5.3 生成指定区间
转载
2024-04-25 15:31:39
87阅读
深度学习Pytorch-图像目标检测Faster RCNN0. 往期内容1. 图像目标检测定义2. 模型是如何完成目标检测？3. 深度学习目标检测模型简介4. Pytorch中的Faster RCNN训练5. 代码示例 1. 图像目标检测定义左上角坐标[x1,y1]，右下角坐标[x2,y2]。2. 模型是如何完成目标检测？比如特征图中左上角像素对应原图中左上角14*14的区域。3. 深度学习目标
转载
2024-10-11 14:29:51
0阅读
一、安装环境说明软件版本下载链接说明Ubuntu系统
16.04-64位
…
…
Python
anaconda 3.6
不使用系统自带的2.7版本
CUDA
cuda_8.0.61_375.26_linux.run
NVIDIA推出的使用GPU资源进行通用计算的SDK，CUDA的安装包里一般集成了显卡驱动
cuDNN
cudnn-8.0-linux-x64-v5.1.tgz
cuDNN(需要注册
转载
2024-05-02 21:40:12
86阅读
1. torch.eq(input, other, out=None)说明： 比较元素是否相等，第二个参数可以是一个数，或者是第一个参数同类型形状的张量参数：input(Tensor) ---- 待比较张量other(Tenosr or float) ---- 比较张量或者数out(Tensor,可选的) ---- 输出张量返回值： 一个torch.ByteTensor张量，包含了每个位置的比较结
转载
2024-04-22 14:33:05
122阅读
前言如果要使用GPU进行机器学习算法的训练的话，首先必须在硬件方面进行支持，即需要支持GPU训练的显卡，并正确安装驱动即安装CUDA、CUDNN；其次就是需要安装与驱动对应的torch GPU版本，如果安装错误的torch版本就无法正确训练机器学习模型。
总体步骤：检查显卡——显卡驱动CUDA适配版本——下载Anaconda、Pycharm——下载CUDA——安装Anaconda和Pycharm软
转载
2024-03-03 21:58:03
701阅读
本文目录常用函数关于网络模型并行计算torchvision库Tensorboard的使用自定义层模型可视化性能优化标注工具环境配置生僻bug记录torch库的使用（pytorch框架）： 在pytorch中，FloatTensor是基本的数据格式，等同于ndarray在numpy中的地位。 另一种常用格式是变量Variable，常用于计算图。FloatTensor.view：与Matlab的res
## 如何检查 Python GPU Torch 是否可用
### 流程图
```mermaid
flowchart TD
Start --> Check_Torch_Installation
Check_Torch_Installation --> Check_GPU_Availability
Check_GPU_Availability --> Check_Cud
原创
2024-04-22 04:40:03
136阅读
1.网络骨架：Backbone当前的物体检测算法虽然各不相同，但第一步通常是利用卷积神经网络处理输入图像，生成深层的特征图，然后再利用各种算法完成区域生成与损失计算，这部分卷积神经网络是整个检测算法的“骨架”，也被称为Backbone。常用骨架：VGGNet ：走向深度，Inception：纵横交错，ResNet：残差结构DenseNet：多重残差，FPN：特征金字塔，DetNet：专为检测。2.
转载
2024-03-15 05:31:26
77阅读
目录一.简介二.效果演示三.源码下载一.简介GPUImage 共 125 个滤镜, 分为四类1、Color adjustments : 31 filters , 颜色处理相关 2、Image processing : 40 filters , 图像处理相关. 3、Blending modes : 29 filters , 混合模式相关. 4、Visual effects : 25 filters
经过一个小假期（采集圣弥厄尔教堂3D数据）后，时间来到了引航计划第六天，今天的主要任务是决策层及连调实验的环境搭建环节。目录一、本地Anaconda安装及环境的创建Anaconda是什么？Pytorch是什么？安装步骤及遇见的问题与解决官网下载清华源下载环境的创建与配置在Anaconda Navigation中配置虚拟环境在Anaconda Prompt中配置虚拟环境在虚拟环境中配置pytorch
转载
2024-03-19 23:28:29
71阅读
1.实验结果随机从测试集导入20张手写数字的灰度图片，训练好的神经网络的识别结果如下图所示。 20张图片全部识别正确，只把训练集的数据迭代训练1遍，在整个测试集上训练的正确率就可以达到97.7%啦 。2.实验过程2.1 准备数据集 ：使用mnist数据集（122MB），训练集包含6万张 28×28像素点的灰度图片和6万个对应的标签label，测试集包含1万张28×28像素点的灰度图片和1万个对应的
转载
2024-09-05 09:20:43
72阅读
2018-11-8：科学使用谷歌GPU教你免费使用谷歌GPU一个Gmail邮箱对应一个免费GPU在谷歌GPU运行本地代码其他 教你免费使用谷歌GPU一个Gmail邮箱对应一个免费GPU跑计算机视觉的demo的时候，用CPU训练总是很慢，实验室又没有GPU，怎么办？谷歌向所有拥有Gmail账号的人都提供了一个免费GPU。这篇文章记录一下如何用谷歌GPU跑实验： 首先登陆Gmail邮箱（没有的请自觉
转载
2024-03-17 16:10:25
69阅读
Facebook官方博客表示，PyTorch Hub是一个简易API和工作流程，为复现研究提供了基本构建模块，包含预训练模型库。并且，PyTorch Hub还支持Colab，能与论文代码结合网站Papers With Code集成，用于更广泛的研究。发布首日已有18个模型“入驻”，获得英伟达官方力挺。而且Facebook还鼓励论文发布者把自己的模型发布到这里来，让PyTorch Hub越来越强大。
