- 目录 简介torch.nn.Linear()语法作用举例参考 结语 简介 Hello！ 非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出～ ଘ(੭ˊᵕ... 目录 简介torch.nn.Linear()语法作用举例参考 结语 简介 Hello！ 非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出～ ଘ(੭ˊᵕ...
- 1. 在yolov5s的pytorch模型转换onnx模型时报如下错误： RuntimeError: step!=1 is currently not supported 原因主要是低版本的opset不支持切片操作导致的； 把模型转换的代码改成如下所示即可，即使用版本11以上的opset： torch.onnx.export(... 1. 在yolov5s的pytorch模型转换onnx模型时报如下错误： RuntimeError: step!=1 is currently not supported 原因主要是低版本的opset不支持切片操作导致的； 把模型转换的代码改成如下所示即可，即使用版本11以上的opset： torch.onnx.export(...
- 一：“手动实现前馈神经网络解决回归、二分类、多分类任务”实验 1.1“手动实现前馈神经网络解决回归”实验 实验过程： 1.1.1 导入所需要的包 1. import torch 2. import... 一：“手动实现前馈神经网络解决回归、二分类、多分类任务”实验 1.1“手动实现前馈神经网络解决回归”实验 实验过程： 1.1.1 导入所需要的包 1. import torch 2. import...
- 一：手写循环神经网络的实现 实验： 手动实现循环神经网络RNN，并从至少一个数据集上进行实验，这里我选取了高速公路传感器数据PEMS04（后面的实验都是用的高速公路传感器数据），主要根据数据集的大小以及特... 一：手写循环神经网络的实现 实验： 手动实现循环神经网络RNN，并从至少一个数据集上进行实验，这里我选取了高速公路传感器数据PEMS04（后面的实验都是用的高速公路传感器数据），主要根据数据集的大小以及特...
- 前提：不是前馈神经网络，没有隐藏层。 一：Logistic回归实验–人工构造数据集，手动构造模型 要求： 动手从0实现logistic回归，实现二分类，人工构造数据集，并分析loss、训练集、测试集的准确... 前提：不是前馈神经网络，没有隐藏层。 一：Logistic回归实验–人工构造数据集，手动构造模型 要求： 动手从0实现logistic回归，实现二分类，人工构造数据集，并分析loss、训练集、测试集的准确...
- 手动实现请参考：https://blog.csdn.net/qq_37534947/article/details/109394648 二：“利用torch.nn实现前馈神经网络解决回归、二分类、多分类... 手动实现请参考：https://blog.csdn.net/qq_37534947/article/details/109394648 二：“利用torch.nn实现前馈神经网络解决回归、二分类、多分类...
- 一：手写二维卷积的实现 要求： 手写二维卷积的实现，并从至少一个数据集上进行实验，这里我选取了车辆分类数据集（后面的实验都是用的车辆分类数据集），主要根据数据集的大小，手动定义二维卷积操作，如：自定义单通... 一：手写二维卷积的实现 要求： 手写二维卷积的实现，并从至少一个数据集上进行实验，这里我选取了车辆分类数据集（后面的实验都是用的车辆分类数据集），主要根据数据集的大小，手动定义二维卷积操作，如：自定义单通...
- 一：pytorch实现空洞卷积实验（torch实现） 要求： 从至少一个数据集上进行实验，同理，这里我选取了车辆分类数据集（后面的实验都是用的车辆分类数据集），主要在之前利用torch.nn实现二维卷积的... 一：pytorch实现空洞卷积实验（torch实现） 要求： 从至少一个数据集上进行实验，同理，这里我选取了车辆分类数据集（后面的实验都是用的车辆分类数据集），主要在之前利用torch.nn实现二维卷积的...
- 文章目录 致谢 2 数据集的加载2.1 框架数据集的加载2.2 自定义数据集2.3 准备数据以进行数据加载器训练 致谢 Pytorch自带数据集介绍_godblesstao的... 文章目录 致谢 2 数据集的加载2.1 框架数据集的加载2.2 自定义数据集2.3 准备数据以进行数据加载器训练 致谢 Pytorch自带数据集介绍_godblesstao的...
- 文章目录 5 基于pytorch神经网络模型进行气温预测5.1 实现前的知识补充5.1.1 神经网络的表示5.1.2 隐藏层5.1.3 线性模型出错5.1.4 在网络中加入隐藏层5.1.5 激活函... 文章目录 5 基于pytorch神经网络模型进行气温预测5.1 实现前的知识补充5.1.1 神经网络的表示5.1.2 隐藏层5.1.3 线性模型出错5.1.4 在网络中加入隐藏层5.1.5 激活函...
- 在安装pytorch环境时，发现好多教程都介绍从官网获取下载代码，然后在conda环境中输入在线下载，我在这样尝试时，总是因外网下载太慢timeout而下载中断。 后来从这个网站戳这里直接将whl文件下载... 在安装pytorch环境时，发现好多教程都介绍从官网获取下载代码，然后在conda环境中输入在线下载，我在这样尝试时，总是因外网下载太慢timeout而下载中断。 后来从这个网站戳这里直接将whl文件下载...
- 理清三个概念： 1、Epoch 训练次数 2、Batch-Size：各批量的大小 3、Iteration：使用批量的次数 Iteration*Batch-Size=Number of samples s... 理清三个概念： 1、Epoch 训练次数 2、Batch-Size：各批量的大小 3、Iteration：使用批量的次数 Iteration*Batch-Size=Number of samples s...
- 一步步将多个特征的数据进行逻辑斯蒂回归 引入矩阵： 矩阵的本质：将改变数据的空间维度 具体使用： 1、加载数据集 xy = np.loadtxt('diabetes.csv.gz', deli... 一步步将多个特征的数据进行逻辑斯蒂回归 引入矩阵： 矩阵的本质：将改变数据的空间维度 具体使用： 1、加载数据集 xy = np.loadtxt('diabetes.csv.gz', deli...
- 在本专栏第十篇记录过CNN的理论，并大致了解使用CNN+残差网络训练MNIST的方式，由于课件中不包含完整代码，因此想要复现一遍，但遇到各种各样的坑，纸上得来，终觉浅~ 第一个问题：MNIST... 在本专栏第十篇记录过CNN的理论，并大致了解使用CNN+残差网络训练MNIST的方式，由于课件中不包含完整代码，因此想要复现一遍，但遇到各种各样的坑，纸上得来，终觉浅~ 第一个问题：MNIST...
- 前言 最近在重温Pytorch基础，然而Pytorch官方文档的各种API是根据字母排列的，并不适合学习阅读。 于是在gayhub上找到了这样一份教程《Pytorch模型训练实用教程》，写得不错，特此根... 前言 最近在重温Pytorch基础，然而Pytorch官方文档的各种API是根据字母排列的，并不适合学习阅读。 于是在gayhub上找到了这样一份教程《Pytorch模型训练实用教程》，写得不错，特此根...
上滑加载中
推荐直播
-
Skill 构建 × 智能创作：基于华为云码道的 AI 内容生产提效方案2026/03/25 周三 19:00-20:00
余伟，华为云软件研发工程师/万邵业（万少），华为云HCDE开发者专家
本次直播带来两大实战：华为云码道 Skill-Creator 手把手搭建专属知识库 Skill；如何用码道提效 OpenClaw 小说文本，打造从大纲到成稿的 AI 原创小说全链路。技术干货 + OPC创作思路，一次讲透！
回顾中 -
码道新技能，AI 新生产力——从自动视频生成到开源项目解析2026/04/08 周三 19:00-21:00
童得力-华为云开发者生态运营总监/何文强-无人机企业AI提效负责人
本次华为云码道 Skill 实战活动，聚焦两大 AI 开发场景：通过实战教学，带你打造 AI 编程自动生成视频 Skill，并实现对 GitHub 热门开源项目的智能知识抽取，手把手掌握 Skill 开发全流程，用 AI 提升研发效率与内容生产力。
回顾中 -
华为云码道：零代码股票智能决策平台全功能实战2026/04/18 周六 10:00-12:00
秦拳德-中软国际教育卓越研究院研究员、华为云金牌讲师、云原生技术专家
利用Tushare接口获取实时行情数据，采用Transformer算法进行时序预测与涨跌分析，并集成DeepSeek API提供智能解读。同时，项目深度结合华为云CodeArts（码道）的代码智能体能力，实现代码一键推送至云端代码仓库，建立起高效、可协作的团队开发新范式。开发者可快速上手，从零打造功能完整的个股筛选、智能分析与风险管控产品。
回顾中
热门标签