pytorch泰坦尼克号幸存者预测（二分类）
任务目标：根据《泰坦尼克号登船人员名单》上的个人信息预测其是否生还数据集：《泰坦尼克号登船人员名单》，自取数据集解释：第一列age ，表示的是年龄（数值数据）第二列cabin，表示客舱号（分类数据 ：字符串类型）第三列embarked表示登船港口，S是Southampton南安普顿，C是Cherbo
基于Simswap的视频换脸
最近火遍抖音的视频换脸技术其实就是简单应用了Simswap这个框架，而且4G显存的机器就可以进行操作，简直就是普通人的福音。没有Deepfacelab效果那么好，不过速度很快…… 没有训练过程，如果需要训练可以关注后面的内容。先来看一下效果《无间道》经典场面，我想当一个好人。【我想当一个好人】无间道
超详细的的PyTorch安装教程，成功率高，适合初学者，亲测可用。
Anaconda安装配置PyTorch深度学习教程，简单好用。
使用PyTorch搭建VGG模型进行图像风格迁移实战（附源码和数据集）
使用PyTorch搭建VGG模型进行图像风格迁移实战（附源码和数据集）
《PyTorch高级机器学习实战》包邮送书三本
《PyTorch高级机器学习实战》包邮送书三本
GPT2-Chinese 文本生成,训练AI写小说,AI写小说2
在根目录（目录\GPT2-Chinese\）下建立文件夹data 和modeldatamodel。
OpenAI——CLIPs（代码使用示例）
OpenAI——CLIPs（代码使用示例）
深入浅出Pytorch函数——torch.as_tensor
torch.as_tensor(data, dtype=None, device=None)
【CV with Pytorch】第 7 章 ：图像异常检测
机器学习的研究使我们进入了研究各种模式和行为的过程。它使我们能够构建可以研究封闭环境的模型。预测能力通常遵循模型训练过程。这是我们在训练模型时需要经常问的一个重要问题。还有另一个问题需要回答——多少数据足以帮助模型理解分布，以便我们有一个好的表示？本章将针对这些重要问题给出示例和概念。我们正在讨论计
谷歌Colab 免费运行pytorch
Colaboratory 简称“Colab”，是Google Research 团队开发的一款产品。在Colab 中，任何人都可以通过浏览器编写和执行任意Python 代码。它尤其适合机器学习、数据分析和教育目的。从技术上来说，Colab 是一种托管式Jupyter 笔记本服务。Colaborato
深入浅出Pytorch函数——torch.sum
torch.sum(input, dim, keepdim=False, *, dtype=None) → Tensor
ChatGLM环境配置
ChatGPT令人震撼的冲击下，笔者转向NLM的Transformer模型，ChatGLM作为清华开源的大语言模型，笔者尝试了其环境配置，为相关理论学习奠定基础。本文用于备忘与学习，无商业用途。
【Win 11】Pytorch-CUDA版 安装指南
笔者在很久之前就装过Pytorch，但当时装的是CPU版本，今天尝试装GPU版本，几经波折，总结一些问题在此，以少走弯路。
深入浅出Pytorch函数——torch.Tensor
torch.Tensor
探索深度学习世界：掌握PyTorch，成为AI领域的行家
PyTorch是一个开源的机器学习框架，由FacebookAI研究院开发和维护。它基于Torch，是一个动态图计算框架，可以支持动态构建计算图，使得它更加灵活和易于使用。它是由Torch7团队开发，是一个以Python优先的深度学习框架，不仅能够实现强大的GPU加速，同时还支持动态神经网络。PyTo
win10 cuda11.8 和torch2.0 安装
win10 cuda11.8 和torch2.0 安装,pytorch 新版本
PyTorch 实现CycleGAN 风格迁移
一、前言 pix2pix对训练样本要求较高，需要成对的数据集，而这种样本的获取往往需要耗费很大精力。CycleGAN恰巧解决了该问题，实现两个domain之间的转换，即只需要准备两种风格的数据集，让GAN去学习将domain X中的图片转换成domain Y的风格(不改变domain X原图中
pytorch ssim计算
在PyTorch中，可以使用 torchvision 库中的 SSIM 函数来计算结构相似性指数 (SSIM)。其中，参数的含义如下：data_range：输入数据的范围，通常为1.0或255.0。win_size：滑动窗口的大小。win_sigma：滑动窗口的高斯核标准差。k1、k2：SSIM计算
深入浅出Pytorch函数——torch.ones
torch.ones
BigScience bloom模型
BLOOM 的英文全名代表着大科学、大型、开放科学、开源的多语言语言模型。BLOOM 是去年由 1000 多名志愿研究人员,学者 在一个名为“大科学 BigScience”的项目中创建的.BLOOM 和今天其他可用大型语言模型存在的一个主要区别：该模型可以理解多达 46 种人类语言，包括法语、越南语
