【Pytorch深度学习50篇】·······第六篇：【常见损失函数篇】-----BCELoss及其变种
新年新气象，兄弟们新年快乐。撒花！！！之前我们的项目已经讲过了常见的4种深度学习任务（当然还有一些没有接触到的，例如GAN和今年大红的Transformer），今天这个blog我们就来谈谈一谈常见的损失函数。损失函数的更新也是非常的快，各位大佬的想法也是层出不穷，我们站在巨人的肩膀上，就可以看的更远
Ubantu 系统cuda升级到指定版本
Ubantu 系统cuda升级到指定版本
踩坑系列之pytorch安装之后不能使用cuda
安装pytorch报错torch.cuda.is_available()=false的解决方法，以及在使用pytorch调用gpu的时候报错。
【解决】Python：在外部资源管理器中创建.py文件后，于VS2017中编译运行出现的问题
问题描述在外部文件资源管理器中创建了一个名为“测试.py”的python文件，之后在VS中打开，输入了这一行代码，会警告，运行立即报错！SyntaxError: invalid or missing encoding declaration for ‘E:\Python_\过去的作品\测试.py’解
(学习笔记一)基于YOLOv5的车辆检测项目
基于YOLOv5的车辆识别项目测试报告1.YOLOv5模型简介YOLO能实现图像或视频中物体的快速识别，在相同的识别类别范围和识别准确率条件下，YOLO识别速度最快。YOLO有多种模型，其中最新的为V5，V5的特点是速度更快，识别准确率更高，权重文件更小，可以搭载在配置更低的移动设备上。本次测试采用
网络模型的参数量和FLOPs的计算 Pytorch
如果把torchstat包中的一行程序进行一点点改动，那么这个包可以用来统计全连接神经网络的参数量和计算量。当然手动计算全连接神经网络的参数量和计算量也很快 =_=。进入torchstat源代码之后，如下图所示，注释掉圈红的地方，就可以用torchstat包统计全连接神经网络的参数量和计算量了。包，
实现Linux服务器配置深度学习环境并跑代码完整步骤
实现Linux服务器配置深度学习环境安装pytorchcuda版本10.1，python3.7第一步 安装anaconda创建虚拟环境参考在服务器上搭建自己的python环境1、下载安装包使用清华镜像文件下载wget https://mirrors.tuna.tsinghua.edu.cn/anac
pytorch lightning最简上手
pytorch lightning最简上手
【Pytorch】torch.nn.init.xavier_uniform_()
Hello！ଘ(੭ˊᵕˋ)੭昵称：海轰标签：程序猿｜C++选手｜学生简介：因C语言结识编程，随后转入计算机专业，获得过国家奖学金，有幸在竞赛中拿过一些国奖、省奖…已保研学习经验：扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英语！唯有努力💪本文仅记录自己感兴趣的内容文章仅作为个人学习笔
MMOCR之多模态融合ABINET文字识别
今天是和大家继续分享MMOCR之ABINET文字识别。主要是一个独立自治多模态融合的思想。用文本模型提升模型整体的精度。视觉模型可以看做是先验信息，通过文本模型进行矫正。最后融合在一起，输出最终的结果，非常有新意。......
Ubuntu20.04安装CUDA+CUDNN+Conda+PyTorch
Ubuntu20.04安装CUDA、Cudnn、Conda和Pytorch详细步骤
【YOLO】YOLOv8训练自定义数据集（4种方式）
使用YOLOv8训练自定义数据集
pytorch获得模型的参数量和模型的大小
pytorch获得模型的参数量和模型的大小
如何部署一个自己的AI绘图
目前AI绘图只支持N卡，显存最少4G，部署的时候一定要注意设备的配置
张量——Pytorch中Tensor的维度，形状，意义
搬运一篇文章！阅读原文在深度学习里，Tensor实际上就是一个多维数组（multidimensional array）。而Tensor的目的是能够创造更高维度的矩阵、向量。对Pytorch中的tensor人工读取维度和形状的时候总是很别扭，故作此文加深一下对tensor维度，形状以及各维度意义的理解
在服务器上配置Pytorch
在服务器上安装pytorch的教程
Vitis-AI量化编译YOLOv5（Pytorch框架）并部署ZCU104（一）
Vitis-AI进行量化编译
FPN细节剖析以及pytorch代码实现
FPN细节剖析以及pytorch代码实现
模型初始化与随机种子——Pytorch 炼丹技巧（随手记）
模型参数的默认初始化方式和自定义初始化方式，以及通过设置随机种子让每次实验的模型初始化参数保持一致
在ubuntu上安装多个版本的CUDA，并且可以随时切换
实验室工作站被多人使用导致需求不同的cuda版本，一直没找到一个完全完整靠谱的教程，这是我参考几个博客完成测试的全过程记录，方便以后操作。
