pytorch标签_码道开发者社区

pytorch

深度学习入门实战教程｜案例③-6：CNN 深度解释与可视化

本文探讨高光谱分类中CNN模型的可解释性问题。通过类激活图(CAM)和通道注意力可视化方法，揭示了CNN内部工作机制。实验在KSC数据集上进行，采用1DCNN模型，并展示多种可视化技术：混淆矩阵分析错误分类模式、整图预测验证空间泛化能力、卷积核谱形可视化展示特征提取机制、通道重要性评估识别关键特征维度。这些方法使CNN从"黑箱"转变为可解释模型，帮助理解其决策依据。实验代码完整

 lestatlu
2025-09-07 20:33:52

 508

 5

#深度学习 #cnn #人工智能 +3
深度学习入门实战教程｜案例③-5：进阶卷积（Dilated / Depthwise Separable）在 KSC 的应用

研究对比了空洞卷积和深度可分离卷积在1D高光谱分类中的效果。空洞卷积通过间隔采样扩大感受野，深度可分离卷积将标准卷积拆分为逐通道和点卷积，显著降低参数量。实验在KSC数据集上对比了三种1D-CNN模型：标准卷积、空洞卷积和深度可分离卷积。结果表明，空洞卷积在AA/Kappa指标上更稳定，深度可分离卷积计算效率更高，但基础卷积在特定情况下仍可能表现最佳。研究建议将这些结构作为可选基线进行对比，并提出

 lestatlu
2025-09-07 20:32:56

 458

 4

#深度学习 #人工智能 #cnn +2
深度学习基础D5-D6

本文摘要介绍了深度学习中的卷积神经网络（CNN）和循环神经网络（RNN）的关键概念与应用。CNN部分涵盖图像处理基础、网络结构（卷积层、池化层、全连接层）、PyTorch实现及图像分类案例（CIFAR10数据集）。RNN部分重点讲解处理序列数据的原理、流程、API实现（输入输出维度关系）以及歌词生成案例，展示了如何通过词嵌入和隐藏状态处理文本数据。整体强调了两类网络在特征提取（CNN）和序列建模（

fan~tasy
2025-09-08 09:31:00

 189

 3

#深度学习 #pytorch
PyTorch数据加载卡壳？从自定义数据集到多线程加速，手把手教你玩转深度学习框架

自定义数据集：生成y = 2x + 3的样本# 初始化：生成数据（相当于“整理仓库货物”）self.x = torch.randn(num_samples, 1) # 输入特征self.y = 2 * self.x + 3 + torch.randn(num_samples, 1) * 0.1 # 带噪声的标签# 返回数据集大小# 根据索引返回单条样本# 测试数据集len。

老丁聊AI
2025-09-08 15:09:11

 1212

 14

#深度学习 #pytorch #人工智能 +3
深度学习之PyTorch基础语法

Tensor（张量）对象是一个维度任意的矩阵，在机器学习中作为主要输入输出数据类型使用。是PyTorch中运算的基本单位。一个Tensor中所有元素的数据类型必须一致。torch包含的数据类型和普通编程语言的数据类型类似，包含浮点型，有符号整型和无符号整形，这些类型既可以定义在CPU上，也可以定义在GPU上。在使用Tensor数据类型时，可以通过dtype属性指定它的数据类型，device指定它的

 我不要敲代码
2025-09-09 08:34:54

 813

 22

#深度学习 #pytorch #人工智能
rtdetr官方pytorch代码踩坑记录（段错误or死机）深度学习通用问题

本来是要复现rtdetr的，ultralytics里面内置的一个rtdetr的代码复现了一遍之后，突然不知道为什么脑抽了，想着网上找找有没有rtdetr的官方论文代码，结果还真有，然后就踏上了一条不归路。。。。。。整整3天就为了解决这个问题。

吃咩呀靓仔
2025-09-09 10:39:22

 620

 3

#深度学习 #pytorch #人工智能
PyTorch大模型（LLM）开发指南：从Hugging Face Transformers到vLLM，微调/推理效率翻倍

output_dir="./llama2-finance-qlora", # 输出目录per_device_train_batch_size=4, # 单卡batch size（RTX 4090可设4-8）gradient_accumulation_steps=4, # 梯度累积，模拟大batch（4×4=16）learning_rate=2e-4, # LoRA学习率通常比全参数高10倍eval

老丁聊AI
2025-09-10 11:27:19

 2036

 23

#pytorch #人工智能 #深度学习 +1
大模型炼丹术(五)：LLM自回归预训练过程详解

我们已经完成了整个数据流向所需的模块构建，包括tokenizer，embedding，注意力机制，并串联得到了GPT2这个LLM架构。

Python老猿
2025-09-10 11:01:27

 415

 5

#pytorch #深度学习 #人工智能 +1
YOLO多种交通灯识别系统深度学习 pytorch和Pysdie6库页面OpenCV 计算机毕业设计✅

YOLO多种交通灯识别系统深度学习pytorch和Pysdie6库页面OpenCV 计算机毕业设计✅

源码之家
2025-09-10 18:06:10

 438

 4

#深度学习 #pytorch #opencv
小白能看懂的AI大模型系列6-模型合并及XTuner框架部署

本篇主要讲2个方面，一个是微调后的权重文件如何与base模型合并；一个是另外一款微调工具XTuner的本地化部署。

Python老猿
2025-09-11 11:36:59

 678

 14

#人工智能 #pytorch #深度学习
基于大模型的 RAG 核心开发——详细介绍 DeepSeek R1 本地化部署流程

DeepSeek 模型从环境准备、模型加载到 RAG 功能集成，每一个环节都体现了大模型与企业私有化场景深度融合的技术潜力。

Python老猿
2025-09-11 11:26:39

 854

 24

#人工智能 #pytorch #深度学习 +1
深度学习实验之初始框架与安装

（1）在安装相关框架之前，首先要确定自己的计算机是否已经成功安装了Anaconda.其可以从官方网站（Anaconda | The World’s Most Popular Data Science Platform）下载。对于CPU版本，可直接参照官网，根据本机操作系统、环境类型等选择，然后复制命令代码完成安装。安装前，首先在Anaconda中创建虚拟环境完成后续工作。安装前，首先在Anacon

cjhcjhcjhch
2025-09-11 15:20:56

 498

 5

#深度学习 #pytorch #paddlepaddle +1
深度学习垃圾分类系统 pytorch ResNet神经网络模型毕业设计 OpenCV 垃圾回收计算机毕业设计✅

深度学习垃圾分类系统 pytorch ResNet神经网络模型毕业设计 OpenCV 垃圾回收计算机毕业设计✅

q_3375686806
2025-09-11 21:38:36

 742

 23

#深度学习 #分类 #pytorch +1
PyTorch深度学习实战【10】之神经网络的损失函数

PyTorch深度学习实战【10】之神经网络的损失函数

 缘友一世
2025-09-11 20:23:26

 1233

 18

#深度学习 #pytorch #神经网络
**发散创新：PyTorch中的深度学习模型创新实践**随着人工智能的飞速发展，深度学习技术已经渗透到各个领域

深度学习模型是人工智能领域的重要组成部分，它通过模拟人脑神经网络的层级结构，实现复杂数据的特征提取和模式识别。PyTorch作为一种动态图深度学习框架，提供了丰富的工具和库，使得开发者能够更便捷地构建和训练深度学习模型。通过模型设计、实现与优化等步骤，可以构建出高效的深度学习模型。随着技术的不断发展，未来将有更多的创新技术和方法涌现，为深度学习领域带来更多的突破和应用。（注：此处提供的文章只是一个

 YVZONG1234
2025-09-12 07:48:02

 55

#深度学习 #人工智能 #pytorch +1
大模型高效微调-prompt tuning

大模型微调分为几种，一是全量微调，这种微调方式需要有足够优秀的设备支持，在消费级硬件上对模型进行全部参数的微调几乎是不可能完成的任务。因此，研究者们提出了不同的参数高效迁移学习方法，即固定住的大部分参数，仅训练模型的一小部分参数来达到与全部参数的微调接近的效果，主要分为训练模型自身的参数和额外添加组件（仅仅微调训练少量或额外的模型参数）。这种微调方式可以在较小的GPU上实现，本文介绍的就是额外添加

 Destiny_where
2025-09-12 10:02:41

 449

 5

#pytorch #人工智能
**标题：发散创新：PyTorch深度学习框架下的模型构建与优化实践*

总结：本文详细探讨了使用PyTorch进行深度学习模型构建与优化实践的过程，包括神经网络设计、模型训练、优化策略以及实际应用中的挑战与解决方案。在遵循平台规范的前提下，本文遵循专业标准，确保内容质量，并辅以适当的流程图、图标等辅助说明。在实际撰写时，需要补充详细的技术细节、实验数据和案例分析等。过拟合与欠拟合问题：分析过拟合和欠拟合现象的原因，介绍相应的解决方案，如增加数据多样性、改进网络结构等。

aileYYDS
2025-09-12 11:41:00

 299

 3

#深度学习 #pytorch #人工智能 +2
垃圾分类识别系统深度学习 pytorch框架多模型LeNet、AlexNet、VGG、GoogLeNet、ResNet、MobileNet、MobileNet、RegNet模型毕业设计✅

垃圾分类识别系统深度学习 pytorch框架多模型LeNet、AlexNet、VGG、GoogLeNet、ResNet、MobileNet、MobileNet、RegNet模型毕业设计✅

q_3375686806
2025-09-12 15:11:27

 475

 9

#深度学习 #分类 #pytorch
毕业设计深度学习的垃圾分类识别系统 pytorch框架多模型LeNet、AlexNet、VGG、GoogLeNet、ResNet、MobileNet、MobileNet、RegNet模型 ✅

毕业设计深度学习的垃圾分类识别系统 pytorch框架多模型LeNet、AlexNet、VGG、GoogLeNet、ResNet、MobileNet、MobileNet、RegNet模型 ✅

q_3548885153
2025-09-12 15:19:02

 306

 3

#深度学习 #分类 #pytorch +1
《深度学习计算机视觉全流程实战：经典模型 + 优化技巧 + 注意力机制 + ONNX 部署（附 PyTorch 完整代码）》

本文从数据处理、模型优化、经典网络到进阶技术，完整覆盖深度学习计算机视觉的核心知识点，配套的 PyTorch 代码可直接应用于实际项目。数据与训练：数据质量决定上限，过拟合需通过数据增强、Dropout 解决，可视化工具（WandB/TensorBoard）是调试关键；经典网络：从 LeNet5 的基础架构，到 ResNet 的残差创新，再到 MobileNet 的移动端优化，每一代网络都针对特定

 ！！！！
2025-09-12 16:36:49

 1106

 19

#计算机视觉 #人工智能 #神经网络 +4
大数据毕业设计：Yolo垃圾分类系统深度学习pytorch 大数据毕业设计优秀项目（数据集+源码+文档）✅

大数据毕业设计：Yolo垃圾分类系统深度学习pytorch 大数据毕业设计优秀项目（数据集+源码+文档）✅

q_3548885153
2025-09-12 15:13:51

 729

 25

#深度学习 #大数据 #pytorch
深度学习第一节

pytorch是广泛应用于机器学习领域的强大开源框架，因其易用性和高效性备受青睐。其中 pytorch的核心数据类型是张量对象。pytorch提供了许多帮助构建神经网络的高级方法及组件，并提供了利用GPU更快的训练神经网络的张量对象。张量类似于Numpy中的多为矩阵ndarrays，标量可以表示为零维张量，向量可以表示为一维张量，二维矩阵可以表示为二维矩阵，多维矩阵可以表示为多维张量。

BIBABULALA
2025-09-12 18:00:24

 587

 18

#深度学习 #pytorch #python
深度学习书籍新增PyTorch与TensorFlow支持

动手学深度学习》是一本开源互动式教材，以独特形式融合文本、数学和可执行代码。该书最初基于MXNet框架编写，近期新增了对PyTorch和TensorFlow两大框架的支持，旨在覆盖更广泛的机器学习开源社区。该书始终保持开源迭代模式，所有内容通过Jupyter笔记本形式维护，支持实时代码运行和跨框架对比学习，成为机器学习教育领域的重要基础设施。更多精彩内容请关注我的个人公众号公众号（办公AI智能

 codeshare1135
2025-09-13 06:04:33

 234

 1

#深度学习 #pytorch #tensorflow +1
小杰机器学习（seven）——PyTorch进行线性回归——模型定义、数据集加载、保存模型、加载模型、查看网络结构。

落日与晚风，尽情的相拥。

jie*
2025-09-13 08:43:09

 1183

 25

#机器学习 #pytorch #线性回归 +4