d2l的一些理论知识的整理【1】
我们可以通过基本层类设计自定义层。这允许我们定义灵活的新层，其行为与深度学习框架中的任何现有层不同。在自定义层定义完成后，我们就可以在任意环境和网络架构中调用该自定义层。层可以有局部参数，这些参数可以通过内置函数创建。
No module named 'torch'怎么办
如果在使用 Python 程序时出现 "No module named 'torch'" 错误，说明你的环境中没有安装 PyTorch 库。可以使用以下命令来安装 PyTorch：pipinstall torch如果你正在使用 Anaconda 环境，则可以使用以下命令来安装 PyTorch：con
有约束的遗传算法（Python代码实现）
简单易懂，约束条件变成惩罚项
win11安装Anaconda最新版本
win11系统下安装Anaconda 2022.10版本(当前最新）步骤：下载——>安装——>配环境变量——>验证是否安装成功——>添加清华下载源
多元线性回归LinearRegression
线性回归是机器学习中最简单的回归算法，多元线性回归指的就是一个样本有多个特征的线性回归问题。对于一个有个特征的样本而言，它的回归结果如下方程：在这个表达式中，被统称为模型的参数，其中被称为截距(intercept)，~被称为回归系数(regression coefficient)，有时也用表示。其中
快速找到离群值的三种方法
本文将介绍3个在数据集中查找离群值的Python方法
在Python中创建相关系数矩阵的6种方法
相关系数矩阵（Correlation matrix）是数据分析的基本工具。它们让我们了解不同的变量是如何相互关联的。在Python中，有很多个方法可以计算相关系数矩阵，今天我们来对这些方法进行一个总结
Linux环境配置mmlab环境
在Linux环境下安装配置mmlab
Python自然语言处理：NLTK入门指南
自然语言处理（Natural Language Processing，NLP）是指计算机处理人类语言的领域。它是一门多学科交叉的学科，将计算机科学、人工智能、语言学等诸多学科的理论和方法融合在一起，将人类语言转化为计算机所能理解的形式，实现对人类语言的自动处理、理解和生成。NLP可以应用到很多方面，
三种常见的特征选择方法
特征选择是特征工程里的一个重要问题，其目标是寻找最优特征子集。特征选择能剔除不相关(irrelevant)或冗余(redundant )的特征，从而达到减少特征个数，提高模型精确度，减少运行时间的目的。并且常能听到“数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已”，由此可见其重要性
Anaconda安装教程
Anaconda安装教程
文件服务器
【代码】文件服务器。
Pytorch Advanced(二) Variational Auto-Encoder
变分自编码 (Variational Autoencoder) 为了让隐层抓住输入数据特性, 而不是简单的输出数据=输入数据，他在隐层中加入随机噪声（单位高斯噪声）（这个过程也叫reparametrize），以确保隐层能较好抽象输入数据特点。有了随机的一张图片之后，我们把他完整的放入模型中，生成了和
模型评估：可决系数与纳什效率系数
模型评估：可决系数与纳什效率系数
让照片开口讲话，让视频人物对口型
一张图片，一个音频，让照片开口说话，让视频中的人物对口型。
ARM架构下银河麒麟V10系统基于CUDA11.8编译PyTorch
公司近期想尝试本地用下模型，只有服务器安装了两张显卡，故而只能在服务器做尝试。CUDA驱动啥的，之前的同事已经安装完毕，并且成功识别出显卡，顾略去。按照GIT README步骤开搞，一切顺利，最后在运行脚本的时候收到如下提示因为服务器是ARM的(CPU是Phytium ST2500)。字面意思，官方
AI训练环境-CUDA/cuDNN/paddle ——‘CUBLAS_STATUS_INVALID_VALUE‘.
运行报错 ‘CUBLAS_STATUS_INVALID_VALUE’. An unsupported value or parameter was passed to the function (a negative vector size, for example).
jetson 最全jetpack5.1安装记录,跟着做就行(含bug报错处理)
jetpack5.1使用cuda11和cuda11.4(系统内置了两个),tensorRT8.5.2,内置opencv4.5.4. 虽然有一些bug,但整体是个好版本. 截止23年4月tensorrt8.5依然是最新的稳定版本,想用trt进行加速的小伙伴不要错过.本文会从头开始,从烧录到环境配置来写
基于CNN-Transformer时间序列预测模型
基于CNN-Transformer时间序列预测模型
【ResNet18】on IEMOCAP—语音情感识别（预处理篇）
具体就是：IEMOCAP有10个人，1/2/3/4/5/6/7/8-th person做训练集（80%），9/10-th做测试集（20%）；1/2/3/4/5/6/9/10-th person做训练集（80%），7/8-th做测试集（20%）；1/2/3/4/7/8/9/10-th person做训
