- 学习总结 文章目录 学习总结零、召回模型引言0.1 Movielens数据集0.2 YiDian-News（1）全量数据1）数据列表：2）数据项说明： （2）文件夹内的采样数据（3）其他... 学习总结 文章目录 学习总结零、召回模型引言0.1 Movielens数据集0.2 YiDian-News（1）全量数据1）数据列表：2）数据项说明： （2）文件夹内的采样数据（3）其他...
- 学习总结 文章目录 学习总结一、nn.Embedding二、代码栗子2.1 通过embedding降维2.2 RNN中用embedding改进2.3 deepFM模型中embedding R... 学习总结 文章目录 学习总结一、nn.Embedding二、代码栗子2.1 通过embedding降维2.2 RNN中用embedding改进2.3 deepFM模型中embedding R...
- 以下内容转自： PyTorch中的Sequential、ModuleList和ModuleDict用法总结_非晚非晚的博客-CSDN博客 1. 区别与联系 首先来一张图，总体概括一下它们的区别： 区别 nn.Sequential内部实现了forward函数，因此可以不用写forward函数。而nn.ModuleList和nn... 以下内容转自： PyTorch中的Sequential、ModuleList和ModuleDict用法总结_非晚非晚的博客-CSDN博客 1. 区别与联系 首先来一张图，总体概括一下它们的区别： 区别 nn.Sequential内部实现了forward函数，因此可以不用写forward函数。而nn.ModuleList和nn...
- 目录 安装openvino导出工具： python调用代码： export_vino.py代码： c++ 分类网络 openvino解析代码： 目录 安装openvino导出工具： python调用代码： export_vino.py代码： c++ 分类网络 openvino解析代码：
- 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(...
- 写在前面：踩坑指南 为什么安装conda后不能直接启动activate环境？ 核心问题 在这个列表里选择可初始化的shell脚本 cmd.exe 作为shell name : conda ini... 写在前面：踩坑指南 为什么安装conda后不能直接启动activate环境？ 核心问题 在这个列表里选择可初始化的shell脚本 cmd.exe 作为shell name : conda ini...
- 目录 RandomCrop，必须小于原图，如果padding，可以等于原图 RandomResizedCrop RandomCrop，必须小于原图，如果padding，可以等于原图 padding，相当于原图先扩黑边，然后再裁剪。 代码实例： import cv2 impor 目录 RandomCrop，必须小于原图，如果padding，可以等于原图 RandomResizedCrop RandomCrop，必须小于原图，如果padding，可以等于原图 padding，相当于原图先扩黑边，然后再裁剪。 代码实例： import cv2 impor
- Anaconda建立新的虚拟环境，并安装pytorch。 最近开始学习Pytorch深度学习框架，由于安装某版本PyTorch库的过程中，会自动替换其所有依赖库(比如numpy等科学计算基础库)至... Anaconda建立新的虚拟环境，并安装pytorch。 最近开始学习Pytorch深度学习框架，由于安装某版本PyTorch库的过程中，会自动替换其所有依赖库(比如numpy等科学计算基础库)至...
- 参考： 为什么SAM可以实现更好的泛化？如何在Pytorch中实现SAM？-电子发烧友网 导读 使用SAM（锐度感知最小化），优化到损失的最平坦的最小值的地方，增强泛化能力。 动机来自先前的工作，在此基础上，我们提出了一种新的、有效的方法来同时减小损失值和损失的锐度。具体来说，在我们的处理过程中，进行锐度感知最小化（SA... 参考： 为什么SAM可以实现更好的泛化？如何在Pytorch中实现SAM？-电子发烧友网 导读 使用SAM（锐度感知最小化），优化到损失的最平坦的最小值的地方，增强泛化能力。 动机来自先前的工作，在此基础上，我们提出了一种新的、有效的方法来同时减小损失值和损失的锐度。具体来说，在我们的处理过程中，进行锐度感知最小化（SA...
- 目录 参考文章： 1、尝试将 backend=‘nccl’ 修改为 backend=‘gloo’，原因是win10暂时不支持nccl模式。 结果：未解决。 2、尝试更新pytorch至1.8。（为了提高 NCCL 稳定性，PyTorch 1.8 将支持稳定的异步错误/超时处理；支持 RPC 分析。此外，还增加了对管道并... 目录 参考文章： 1、尝试将 backend=‘nccl’ 修改为 backend=‘gloo’，原因是win10暂时不支持nccl模式。 结果：未解决。 2、尝试更新pytorch至1.8。（为了提高 NCCL 稳定性，PyTorch 1.8 将支持稳定的异步错误/超时处理；支持 RPC 分析。此外，还增加了对管道并...
- 多层感知机的基本知识 我们将以多层感知机（multilayer perceptron，MLP）为例，介绍多层神经网络的概念。 隐藏层 下图展示了一个多层感知机的神经网络图，它含有一个隐藏层，该层中有... 多层感知机的基本知识 我们将以多层感知机（multilayer perceptron，MLP）为例，介绍多层神经网络的概念。 隐藏层 下图展示了一个多层感知机的神经网络图，它含有一个隐藏层，该层中有...
- 我们将运用在前面几节中学到的知识来参加Kaggle竞赛，该竞赛解决了CIFAR-10图像分类问题。比赛网址是https://www.kaggle.com/c/cifar-10. import numpy as npimport torchimport torch.nn as nnimport torch.optim as optimi... 我们将运用在前面几节中学到的知识来参加Kaggle竞赛，该竞赛解决了CIFAR-10图像分类问题。比赛网址是https://www.kaggle.com/c/cifar-10. import numpy as npimport torchimport torch.nn as nnimport torch.optim as optimi...
- 对输入的标准化（浅层模型） 处理后的任意一个特征在数据集中所有样本上的均值为0、标准差为1。 标准化处理输入数据使各个特征的分布相近 批量归一化（深度模型） 利用小批量上的均值和标准差，不断调整神经... 对输入的标准化（浅层模型） 处理后的任意一个特征在数据集中所有样本上的均值为0、标准差为1。 标准化处理输入数据使各个特征的分布相近 批量归一化（深度模型） 利用小批量上的均值和标准差，不断调整神经...
- 样式迁移 我们介绍如何使用卷积神经网络自动将某图像中的样式应用在另一图像之上，即样式迁移（style transfer）。这里我们需要两张输入图像，一张是内容图像，另一张是样式图像，我们将使用神经网络修... 样式迁移 我们介绍如何使用卷积神经网络自动将某图像中的样式应用在另一图像之上，即样式迁移（style transfer）。这里我们需要两张输入图像，一张是内容图像，另一张是样式图像，我们将使用神经网络修...
- 本文首发于公众号”计算机视觉cv“ Pytorch优势 聊聊为什么使用Pytorch，个人觉得Pytorch比Tensorflow对新手更为友善，而且现在Pytorch在学术界使用的得更多，大有逆袭Tensorflow之势。最近两年的顶会文章中，代码用Pytorch的比Tensorflow多。大家如果对... 本文首发于公众号”计算机视觉cv“ Pytorch优势 聊聊为什么使用Pytorch，个人觉得Pytorch比Tensorflow对新手更为友善，而且现在Pytorch在学术界使用的得更多，大有逆袭Tensorflow之势。最近两年的顶会文章中，代码用Pytorch的比Tensorflow多。大家如果对...
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战，从0到1打通消息通道；码道鸿蒙端云一体化实战，快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第五期2026/09/04 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；蒋春阳-华为云AI开发者案例开发专家
本期直播内容： AI工具体验营 · 第5-8课连讲。Agent-Team 多智能体协作完成毕业设计实践
回顾中 -
华为云开发者AI素养ClassRoom·第六期2026/09/08 周二 19:00-20:00
樊渊-2026华为软件挑战赛冠军
高手来了：看软挑高手解析二维排样问题—从工业难题到算法突破
回顾中
热门标签