注意力机制(SE,ECA,CBAM,SKNet, scSE，Non-Local，GCNet) Pytorch代码
介绍在CNN中的常见的三种注意力机制，并且提供了Pytorch代码2023.3.2新增SKNet代码，同是修改SkNet在测试时不报错，但是在反向传播中报错的情况。2023.3.10 新增scSE注意力代码2023.3.11 新增Non-Local Net代码2023.3.13 新增GCNet代码
Pytorch复习笔记--导出Onnx模型为动态输入和静态输入
当使用 Pytorch 将网络导出为 Onnx 模型格式时，可以导出为动态输入和静态输入两种方式。动态输入即模型输入数据的部分维度是动态的，可以由用户在使用模型时自主设定；静态输入即模型输入数据的维度是静态的，不能够改变，当用户使用模型时只能输入指定维度的数据进行推理。在以下代码中，定义了一个网络，
【Pytorch】torch. matmul()
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
图注意网络GAT理解及Pytorch代码实现【PyGAT代码详细注释】
对GAT的Pytorch版本PyGAT进行注释，包括Cora数据集的处理和使用！
模型部署入门教程（三）：PyTorch 转 ONNX 详解
OpenMMLab：模型部署系列教程（一）：模型部署简介OpenMMLab：模型部署系列教程（二）：解决模型部署中的难题知道你们在催更，这不，模型部署入门系列教程来啦~在前二期的教程中，我们带领大家成功部署了第一个模型，解决了一些在模型部署中可能会碰到的困难。今天开始，我们将由浅入深地介绍 ONNX
“Ninja is required to load C++ extensions”解决方案
问题描述Ninja is required to load C++ extensions在跑一份代码时，由于该代码中需要调用 torch/utils/cpp_extension.py 文件，而此时又未安装ninja库，所以会出现如下错误：RuntimeError: Ninja is required
Pytorch:手把手教你搭建简单的卷积神经网络(CNN)，实现MNIST数据集分类任务
利用pytorch搭建简单卷积神经网络用于分类任务，适合初学者快速上手
pytorch复现U-Net 及常见问题汇总（2021.11.14亲测可行）
目录2021.11.14复现过程：训练过程常见问题整理：之前简单地写了一个pytorch的U-net 复现过程，有很多小伙伴在评论里有很多疑问，抽空又复现了一遍，简单整理了常见的问题。之前写的教程：U-net复现pytorch版本 以及制作自己的数据集并训练_candice5566的博客-CSDN博
yolov4/yolov4-tiny保姆级训练教学
pytorch环境搭建以及训练过程保姆级教程
pytorch多GPU并行的问题
以下是在多GPU并行torch程序的时候出现的问题以及解决方案：1.torch.distributed.elastic.multiprocessiong.erroes.ChildFailedError:此类问题的解决方案：1.查看安装的包是否与要求的一致。2.更改batch的大小。3.查看其中是否有
windows11 pycahrm 安装cuda版本的pytorch教程（cuda+cudnn+pytorch）
Windows11安装cuda+cudann+pytorch教程
RKNN模型部署（2）——环境配置
RKNN支持许多框架训练的模型，但由于本人目前主要使用pytorch框架来训练模型，因此该部署教程是以Pytorch模型部署过程为例进行说明，后面再继续补充ONNX模型部署过程。
语义分割系列11-DAnet（pytorch实现）
本文介绍了DAnet网络，介绍了Position Attention和Channel Attention两个Attention机制的构建方式，在pytorch框架上复现了DAnet网络，在Camvid数据集上进行测试。本文提供了DAnet网络的代码和测试结果。
Anaconda D2L 虚拟环境安装配置
Anaconda配置d2l环境，包安装
Pytorch教程入门系列 10----优化器介绍
优化器用于优化模型的参数。在选择优化器时，需要考虑模型的结构、模型的数据量、模型的目标函数等因素。
Anaconda保姆级安装配置教程（新手必看）
本人深度学习入门小白，创建了一个关于深度学习环境配置的专栏，包括从anaconda到cuda到pytorch的一系列操作，本篇文章为Anaconda的保姆级安装教程，也是环境配置专栏的第一步
Pytorch深度学习实战3-7：详解数据加载DataLoader与模型处理
本文以MNIST手写数据集为例，图文讲解Pytorch中操作数据的核心类Dataset和DataLoader，介绍其基本原理和主要的数据预处理方法
Pytorch 05-进阶训练技巧
PyTorch在torch.nn模块为我们提供了许多常用的损失函数，比如：MSELoss，L1Loss，BCELoss...... 但是随着深度学习的发展，出现了越来越多的非官方提供的Loss，比如DiceLoss，HuberLoss，SobolevLoss...... 这些Loss Functio
基于CNN卷积神经网络实现中文手写汉字识别
中国版的 MNIST 数据集是在纽卡斯尔大学的一个项目框架中收集的数据。一百名中国公民参与了数据收集工作。每个参与者用标准的黑色墨水笔在一张桌子上写下所有 15 个数字，在一张白色 A4 纸上画出了 15 个指定区域。这个过程对每个参与者重复 10 次。每张纸都以 300x300 像素的分辨率扫描。
swin-transformer详解及代码复现
1. swin-transformer网络结构实际上，我们在进行代码复现时应该是下图,接下来我们根据下面的图片进行分段实现2. Patch Partition & Patch Embedding首先将图片输入到Patch Partition模块中进行分块，即每4x4相邻的像素为一个Patch
