卷积神经网络 一些参数计算
次数，参数，输出张量的size
pytorch中的transforms.ToTensor和transforms.Normalize理解
🍊作者简介：秃头小苏，致力于用最通俗的语言描述问题🍊往期回顾：卡尔曼滤波系列1——卡尔曼滤波 张氏标定法原理详解🍊近期目标：拥有5000粉丝🍊支持小苏：点赞👍🏼、收藏⭐、留言📩文章目录pytorch中的transforms.ToTensor和transf
深度学习之30系显卡虚拟环境配置（100%成功，windows，英伟达30系显卡，torch版本1.7.1）
30系显卡配置深度学习所需要的虚拟环境非常麻烦，本文章整理了我个人安装虚拟环境的心得体会和经验，手把手教您配置好虚拟环境！
深度学习-用PyTorch实现面部形象分类(非常详细-适合初学者)
基于pytorch对面部形象分类，训练准确率99.97%，测试准确率96.76
OCR文字识别技术总结（四）
导读：在上一篇文章中我们对文字检测各类算法进行总结，本篇将继续介绍OCR领域文字识别理论部分的研究，将从规则文本及不规则文本的文字识别进行展开，主要介绍主流文字识别相关算法。
【初始篇】实战必读中文免费文档书—《20天掌握Pytorch实战》
一起来学点新东西，充实自己！
狠补基础-数学+算法角度讲解卷积层,激活函数,池化层,Dropout层,BN层,全链接层
狠补基础-数学+算法角度讲解卷积层,激活函数,池化层,Dropout层,BN层,全链接层在这篇文章中您将会从数学和算法两个角度去重新温习一下卷积层,激活函数,池化层,Dropout层,BN层,全链接层，为您以后修改架构或者自己调试模型提供便利。点这里直接跳读狠补基础-数学+算法角度讲解卷积层,激活函
torch.gather()之通俗易懂讲解
1. 简要介绍2. 深入讲解之化繁为简3. 总结
RetinaFace人脸检测使用
本文将介绍如何使用RetinaFace训练模型进行使用代码下载就去github官方https://github.com/biubug6/Pytorch_Retinaface-- 环境搭建打开Anaconda Prompt执行下面代码：1.创建环境：conda create -n retinaface
5分钟NLP：HuggingFace 内置数据集的使用教程
对于NLP 爱好者来说HuggingFace肯定不会陌生，HuggingFace为NLP任务提供了维护了一系列开源库的应用和实现，今天我们来看一下用于NLP任务的数据集总结。
yolov5——train.py代码【注释、详解、使用教程】
yolov5——train.py代码【注释、详解、使用教程】yolov5——train.py代码【注释、详解、使用教程】yolov5——train.py代码【注释、详解、使用教程】前言1. parse_opt函数2. main函数2.1 main函数——打印关键词/安装环境2.2 main函数——是
基于Pytorch的神经网络之Optimizer
目录1.引言2.各种优化器2.1 SGD2.2 Momentum2.3 RMSprop2.4 Adam3.效果对比1.引言我们之前提到进行反向传播时我们需要用到优化器(Optimizer)来优化网络中的参数，优化器有许多种，下面介绍几种常见的优化算法。2.各种优化器2.1 SGD优化算法中比较基本的
基于Pytorch的神经网络之Classfication
1.引言我们上次介绍了神经网络主要功能之一预测，本篇大部分内容与回归相似，有看不懂的点可以看看我回归Regression，今天介绍一下神经网络的另一种功能：分类。2.网络搭建2.1 准备工作还是先引用我们所需要的库，和回归所需的一样。import torchimport torch.nn.funct
Windows端CUDA11.3+CUDNN+pytorch环境搭建
1、显卡驱动的安装最近，在学习pytorch深度学习，遇到很多的坑，环境配置也出现过问题，忍不住和大家进行分享，现在把环境搭建过程分享给大家。1.1、查看自己的显卡。具体操作：我的电脑-——属性——设备管理器——显示适配器1.2、驱动的下载、安装。在找到自己的显卡后，去NVIDIA官网下载安装驱动选
Pytorch教程[03]transforms
一.torchvision：计算机视觉工具包torchvision.transforms : 常用的图像预处理方法torchvision.datasets : 常用数据集的dataset实现，MNIST，CIFAR-10，ImageNet等torchvision.model : 常用的模型预训练，A
论文导读：CoAtNet是如何完美结合 CNN 和 Transformer的
这篇文章主要介绍 Z. Dai 等人的论文 CoAtNet: Marrying Convolution and Attention for All Data Sizes。（2021 年）。
TensorBoard的最全使用教程：看这篇就够了
本文详细介绍了 TensorBoard 所有基本组件以及高级的功能,并推荐了常用插件和使用方法，提供与PyTorch结合使用的方法代码。
还在为模型加速推理发愁吗？不如看看这篇吧。手把手教你把pytorch模型转化为TensorRT，加速推理
文章目录摘要环境配置ONNX模型转化第一种推理写法第二种推理写法TensorRT模型转化动态推理静态推理摘要最近，学习了一些模型转化和加速推理的知识，本文是对学习成果的总结。对模型的转化，本文实现了pytorch模型转onnx模型和onnx转TensorRT，在转为TensorRT模型的过程中，实现
YOLOv5桌面应用开发（从零开始）
本此博客也是本人的第一篇文章，有写得不好的地方希望大家多多指点！废话不多说直接上干货；本文主要讲解几个部分，（适合一些在读的研究生啥也不会然后接到一些项目无从下手，如果是大佬的话就可以跳过了）(1)yolov5的训练(2)yolov5的界面开发(Pyqt5)(3)将整个项目打包成EXE一.yolov
Windows10 PyTorch1.5 安装教程 | 很详细
Windows10 PyTorch1.Windows左下角搜索控制面板搜索控制面板打开进入界面，如下所示：点击 NVIDIA 控制面板进入，点击信息信息(I)进入界面，如下所示：点击组件，可以看到当前的的 CUDA 版本信息。总结 Win10 系统查看 CUDA 版本信息方法：在电脑上打开控制面板点
