机器视觉系列5：C++部署pytorch模型onnxruntime
环境：visual studio 2019；pytorch1.8；
PyTorch 之 基于经典网络架构训练图像分类模型
我们可以进入 pytorch 的官方网站，对模型的基本架构和训练好的参数进行直接调用，具体链接如下。
加载预训练模型遇到transformers的问题
问题1: urllib.error.URLError: urlopen error [SSL: CERTIFICATE_VERIFY_FAILED]这是由于ssl验证的问题，在.py 文件的开头导入ssl包，创建默认验证：import sslssl._create_default_https_con
学习记录：Windows系统cuda11.6，安装pytorch1.12.0、python3.9
学习记录：Windows系统cuda11.6，安装pytorch1.12.0、python3.9
pytorch的深度学习环境安装配置（GPU版）
pytorch的深度学习环境安装配置：anaconda+pycharm+pytorch（GPU版）
Grad-CAM的详细介绍和Pytorch代码实现
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。
训练Faster R-CNN+Windows+PyTorch（VOC数据集和自己的数据集）
训练b站up主提供的Faster R-CNN+Windows+PyTorch（VOC数据集和自己的数据集）
DenseNet代码复现＋超详细注释（PyTorch）
DenseNet代码复现（PyTorch），每一行都有超详细注释，新手小白都能看懂，亲测可运行
亲测有效解决torch.cuda.is_available()返回False的问题（分析+多种方案），点进不亏
文章目录解决torch.cuda.is_available()返回False出现返回False的原因问题1：版本不匹配问题2：错下成了cpu版本的（小编正是这种问题）解决方案方案一方案二解决torch.cuda.is_available()返回False出现返回False的原因问题1：版本不匹配电脑
解决方案：炼丹师养成计划 Pytorch如何进行断点续训——DFGAN断点续训实操
在实际运行当中，我们经常需要每100轮epoch或者每50轮epoch要保存训练好的参数，以防不测，这样下次可以直接加载该轮epoch的参数接着训练，就不用重头开始。下面我们来介绍Pytorch断点续训原理以及DFGAN20版本和22版本断点续训实操**。
使用恒源云服务器跑深度学习（使用pycharm_professional，FileZilla，xshell）
使用恒源云服务器跑深度学习（使用pycharm_professional，FileZilla，xshell）
Pytorch+PyG实现GraphSAGE
本专栏整理了《图神经网络代码实战》，内包含了不同图神经网络的相关代码实现（PyG以及自实现），理论与实践相结合，如GCN、GAT、GraphSAGE等经典图网络，每一个代码实例都附带有完整的代码。
Linux--无进程却显示占用显存，GPU显存释放方法
程序结束掉，但GPU显存没有释放。
清华源conda安装PyTorch的GPU版本总是下载CPU版本安装包怎么办
如下图，我用的python是3.8版本，想要下载pytorch的cuda=11.7版本的GPU环境，但是输入以下命令之后总是显示下载cpu版本的安装包。再输入torch.cuda.is_available()敲回车，若显示Ture，说明pytorch的GPU版本环境创建成功！然后把下载到本地的压缩包
mac解决ModuleNotFoundError: No module named ‘utils‘错误
如图所示，我把yolov5中的utils文件夹复制粘贴到了这个地方，之后运行指令，错误消失。虽然我已经使用了各种pip指令重新安装utils文件，但一直没有效果。但明明我的yolov5文件夹中有utils包，却报错显示包不存在。同时由于其他各种无关项目也叫utils的，产生了歧义，因此报错。于是我觉
对 ChatGLM-6B 做 LoRA Fine-tuning
ChatGLM-6B 是一个支持中英双语的对话语言模型，基于 GLM (General Language Model)。它只有 62 亿个参数，量化后最低 (INT4 量化) 只需要 6GB 的显存，完全可以部署到消费级显卡上。在实际使用这个模型一段时间以后，我们发现模型的对话表现能力确实非常不错。
PyTorch 深度学习实战 | 基于生成式对抗网络生成动漫人物
生成式对抗网络（Generative Adversarial Network, GAN）是近些年计算机视觉领域非常常见的一类方法，其强大的从已有数据集中生成新数据的能力令人惊叹，甚至连人眼都无法进行分辨。本文将会介绍基于最原始的DCGAN的动漫人物生成任务，通过定义生成器和判别器，并让这两个网络在参
Pytroch进行模型权重初始化
Pytroch常见的模型参数初始化方法有apply和model.modules()。Pytroch会自动给模型进行初始化，当需要自己定义模型初始化时才需要这两个方法。
Pycharm中安装pytorch
查看已经创建的虚拟环境列表加载虚拟环境但是在pycharm中配置好 环境出现的是 ：No module named ‘Torch’两种可能：1、未安装pytorch。（没有安装）2、未将Anaconda的环境导入到pycharm（已经导入）
Pytorch 深度学习注意力机制的解析与代码实现
深度学习Attention注意力机制的解析及其Pytorch代码实现
