ChatGLM-6B 类似ChatGPT功能型对话大模型 部署实践
ChatGLM（alpha内测版：QAGLM）是一个初具问答和对话功能的中英双语模型，当前仅针对中文优化，多轮和逻辑能力相对有限，但其仍在持续迭代进化过程中，敬请期待模型涌现新能力。中英双语对话 GLM 模型：ChatGLM-6B，结合模型量化技术，用户可以在消费级的显卡上进行本地部署（INT4 量
遗传算法(GA/NSGA)优化神经网络 GA-BP
GA-BP 算法。遗传算法(GA/NSGA)优化神经网络。基于 python3 pytorch 编写。利用GA寻找最优学习率和隐藏层神经元个数，加入池化操作进行优化。并尝试把GA运用在神经网络训练中，寻找最优神经网络权值。...
Anaconda搭建深度学习虚拟环境：cuda+cudnn+pytorch+torchvision（并验证）
小白一看就会，容易上手，在Anaconda中搭建全套的深度学习虚拟环境：cuda+cudnn+pytorch+torchvision，并包含各类包是否安装成功的验证结果。
全局平均池化/全局最大池化Pytorch实现：
全局池化与普通池化的区别在于“局部区域”和“全局”：普通池化根据滑动窗口以及步长以逐步计算局部区域的方式进行；而全局池化是分别对每个通道的所有元素进行计算，谓之全局池化。大大降低计算的参数量；没有需要学习的参数，可以更好的避免过拟合；更能体现输入的全局信息；拿一个简单的网络验证参数量下降（此处只计算
Jetson AGX Orin上部署YOLOv5_v5.0+TensorRT8
Jetson AGX Orin上部署YOLOv5_v5.0+TensorRT8
pytorch深度学习一机多显卡训练设置，流程
pytorch深度学习一机多显卡训练设置，流程
pytorch如何搭建一个最简单的模型，
在 PyTorch 中，可以使用torch.nn模块来搭建深度学习模型。具体步骤如下：定义一个继承自的类，这个类将作为我们自己定义的模型。在类的构造函数__init__()中定义网络的各个层和参数。可以使用torch.nn模块中的各种层，如Conv2dLinear等。在类中定义前向传播函数forwa
【ROS】VSCODE + ROS 配置方法（保姆级教程，总结了多篇）
vscode + ros 配置方法（正在更新……）最近开始学习ROS，但是官方给的教程都是在终端命令行下实现的，如果想要编写代码我使用的是vscode进行编写。首先vscode它不是一个IDE，vscode只提供编辑的环境而不提供编译的环境,如果想要用vscode来集成开发环境，就必须安装必须的编译
Yolov5如何在训练意外中断后接续训练
操作系统：Ubuntu20.04CUDA版本：11.4Pytorch版本：1.9.0TorchVision版本：0.7.0IDE：PyCharm硬件：RTX2070S*2在训练YOLOv5时由于数据集很大导致训练时间十分漫长，这期间Python、主机等可能遇到死机的情况，如果需要训练300个epoc
GPU版本PyTorch详细安装教程
注意：30系列的的显卡暂时不支持cuda11以下版本！！！一、安装显卡驱动第一步：右击右下角开始，在设备管理器中查看计算机显卡型号，例如我的显卡是GTX1050：第二步：进入英伟达官网，下载对应显卡驱动：官方驱动 | NVIDIAhttps://www.nvidia.cn/Download/inde
UNet语义分割实战：使用UNet实现对人物的抠图
摘要在上一篇文章，我总结了一些UNet的基础知识，对UNet不了解的可以看看，文章链接：https://wanghao.blog.csdn.net/article/details/123714994我也整理的UNet的pytorch版本，文章链接：https://blog.csdn.net/hhhh
如何将pytorch模型部署到安卓
这篇文章演示如何将训练好的pytorch模型部署到安卓设备上。我也是刚开始学安卓，代码写的简单。环境：pytorch版本：1.10.0pytorch_android支持的模型是.pt模型，我们训练出来的模型是.pth。所以需要转化才可以用。先看官网上给的转化方式：这个模型在安卓对应的包：注:pyto
Jetson AGX Orin安装Anaconda、Cuda、Cudnn、Pytorch、Tensorrt最全教程
Jetson AGX Orin安装Anaconda、Cuda、Cudnn、Pytorch最全教程
超参数调优框架optuna（可配合pytorch）
全自动超参数调优框架——optuna
Anaconda创建虚拟环境并在Pycharm中使用创建好的环境
Anaconda快速创建虚拟环境并在Pycharm中使用该环境
pytorch 笔记：torch.distributions 概率分布相关（更新中）
1 包介绍torch.distributions包包含可参数化的概率分布和采样函数。 这允许构建用于优化的随机计算图和随机梯度估计器。不可能通过随机样本直接反向传播。 但是，有两种主要方法可以创建可以反向传播的代理函数。这些是评分函数估计量 score function estimato 似然比估计
Pytorch深度学习实战3-8：详解数据可视化组件TensorBoard安装与使用
在深度学习领域，人工调试极其困难。Tensorboard则是神经网络的可视化工具，可以记录训练过程的数字、图像、运行图等，观察神经网络训练过程并指导参数优化。
Pytorch3D Linux环境下安装（踩坑）记录
因为代码迁移，在多个的环境下都安装过Pytorch3D。但是由于gcc、CUDA版本等问题，有的环境安装十分顺利，有的耗费了大量时间，这里我把遇到的各种情况（多种方法）都记录下来。
CUDA（10.2）＋PyTorch安装加配置 详细完整教程
CUDA安装PyTorch安装
【深度学习】(1) CNN中的注意力机制（SE、ECA、CBAM），附Pytorch完整代码
大家好，今天和各位分享一下如何使用 Pytorch 构建卷积神经网络中的各种注意力机制，如：SENet，ECANet，CBAM。注意力机制的原理 和 TensorFlow2 的实现方式可以看我下面两篇博文：SENet、ECANet：https://blog.csdn.net/dgvv4/articl
