<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Elephant_King的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Elephant_King</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Elephant_King]]></copyright><item><title><![CDATA[【loguru】【notifiers】配置ERROR级别邮件发送通知]]></title><link>https://blog.youkuaiyun.com/Elephant_King/article/details/139712191</link><guid>https://blog.youkuaiyun.com/Elephant_King/article/details/139712191</guid><author>Elephant_King</author><pubDate>Sun, 16 Jun 2024 08:30:19 +0800</pubDate><description><![CDATA[因为国内的邮箱仅通过用户名密码是登录不上的，因为现在国内登录都需要手机号验证等二次验证，所以我们需要配置好。具体操作在网页版还不行，需要下载手机版的网易邮箱大师。在我->我的邮箱->三方登录管理中打开。打开后会给你一个登录的授权码，输入到。]]></description><category></category></item><item><title><![CDATA[【Tmux】Tmux常用指令]]></title><link>https://blog.youkuaiyun.com/Elephant_King/article/details/139686440</link><guid>https://blog.youkuaiyun.com/Elephant_King/article/details/139686440</guid><author>Elephant_King</author><pubDate>Fri, 14 Jun 2024 17:16:31 +0800</pubDate><description><![CDATA[tmux的简单使用]]></description><category></category></item><item><title><![CDATA[【Linux】从零开始配置新的服务器的机器学习环境]]></title><link>https://blog.youkuaiyun.com/Elephant_King/article/details/139674268</link><guid>https://blog.youkuaiyun.com/Elephant_King/article/details/139674268</guid><author>Elephant_King</author><pubDate>Fri, 14 Jun 2024 16:46:18 +0800</pubDate><description><![CDATA[终端远程登录或者第二种的前提是在中配置了host安装文本编辑器vim主要用于后续的文本编辑，个人比较习惯用vim，根据自己喜好选择更新apt安装文本编辑器。]]></description><category></category></item><item><title><![CDATA[【iTerm2】iTerm2配置]]></title><link>https://blog.youkuaiyun.com/Elephant_King/article/details/139678825</link><guid>https://blog.youkuaiyun.com/Elephant_King/article/details/139678825</guid><author>Elephant_King</author><pubDate>Fri, 14 Jun 2024 13:05:27 +0800</pubDate><description><![CDATA[Mac下iTerm2的安装与配置]]></description><category></category></item><item><title><![CDATA[【对抗样本】【FGSM】Explaining and Harnessing Adversarial Examples 代码复现]]></title><link>https://blog.youkuaiyun.com/Elephant_King/article/details/139622332</link><guid>https://blog.youkuaiyun.com/Elephant_King/article/details/139622332</guid><author>Elephant_King</author><pubDate>Wed, 12 Jun 2024 14:44:14 +0800</pubDate><description><![CDATA[参考Pytorch官方的代码。]]></description><category></category></item><item><title><![CDATA[【Zotero】【MacOS】Zotero6常用插件总结]]></title><link>https://blog.youkuaiyun.com/Elephant_King/article/details/139280134</link><guid>https://blog.youkuaiyun.com/Elephant_King/article/details/139280134</guid><author>Elephant_King</author><pubDate>Tue, 28 May 2024 23:01:46 +0800</pubDate><description><![CDATA[所以我将网上找到的教程以及自己找到适应。版本的插件做了个整合。]]></description><category></category></item><item><title><![CDATA[【Pytorch】18.创建自定义数据集并根据文件名或对应文件名的文本文件获取labels]]></title><link>https://blog.youkuaiyun.com/Elephant_King/article/details/139143973</link><guid>https://blog.youkuaiyun.com/Elephant_King/article/details/139143973</guid><author>Elephant_King</author><pubDate>Thu, 23 May 2024 12:08:44 +0800</pubDate><description><![CDATA[本文主要探讨两种不同的数据集获取labels的方法根据图片的文件名中获取文件标签根据与图片名称相同的.txt文件获取文件名。]]></description><category></category></item><item><title><![CDATA[【Pytorch】17.使用自定义类继承Dataset创建数据集并通过代码将完整的数据集分割为测试集与训练集]]></title><link>https://blog.youkuaiyun.com/Elephant_King/article/details/139125193</link><guid>https://blog.youkuaiyun.com/Elephant_King/article/details/139125193</guid><author>Elephant_King</author><pubDate>Wed, 22 May 2024 18:10:52 +0800</pubDate><description><![CDATA[本文主要探讨获取一个数据集的两种情况，以手写数据集为例以文件格式划分好了训练集与测试集文件没有划分测试集与训练集，需要通过代码进行划分__init__主要实现一件事将给出的数据集地址转化并保存为一个数据集列表我们的文件结构为，下面的代码在必要处都给出了注释，读者可以自行阅读# 判断变化规则# 判断是否是训练集if train:else:# 遍历每个子文件夹（标签）if os.path.isdir(label_path): # 只处理目录# 遍历子文件夹中的所有图像文件。]]></description><category></category></item><item><title><![CDATA[【Pytorch】16.使用ImageFolder加载自定义MNIST数据集训练手写数字识别网络（包含数据集下载）]]></title><link>https://blog.youkuaiyun.com/Elephant_King/article/details/139089227</link><guid>https://blog.youkuaiyun.com/Elephant_King/article/details/139089227</guid><author>Elephant_King</author><pubDate>Tue, 21 May 2024 12:34:12 +0800</pubDate><description><![CDATA[在前文【Pytorch】13.搭建完整的CIFAR10模型我们已经知道了基本搭建神经网络的框架了，但是其中的数据集使用的中的CIFAR10官方数据集进行训练的本文将用图片格式的数据集进行训练我们通过可以看到我们下载的数据集是这种格式的，所以我们的主要问题就是如何将自定义的数据集获取，并且转化为这种形式，剩下的步骤就和上文相同了。]]></description><category></category></item><item><title><![CDATA[【Pytorch】15.自定义验证照片测试自定义的CIFAR10网络]]></title><link>https://blog.youkuaiyun.com/Elephant_King/article/details/139032158</link><guid>https://blog.youkuaiyun.com/Elephant_King/article/details/139032158</guid><author>Elephant_King</author><pubDate>Sat, 18 May 2024 22:09:25 +0800</pubDate><description><![CDATA[因为CIFAR10对输入照片要求的格式为而我们在网上找到的图片基本都不满足要求，所以我们需要对网络上找到的图片先进行处理比如我们找到一个猫的照片我们需要上面一系列的操作才能将图片的地址转化为导入训练好的神经网络在上一节的训练中，我们已经成功获得了训练30轮的CIFAR10神经网络，我们需要将训练好的网络加载到当前文件中，具体可以看经过这个步骤，我们就可以得到当前图片在CIFAR10数据集中10分类的哪个概率最大了，然后我们通过来获取最大概率的下标，然后根据下标来对应数据集的元素我们可以看到输出了cat。]]></description><category></category></item><item><title><![CDATA[【Pytorch】【MacOS】14.m1芯片使用mps进行深度模型训练]]></title><link>https://blog.youkuaiyun.com/Elephant_King/article/details/139012903</link><guid>https://blog.youkuaiyun.com/Elephant_King/article/details/139012903</guid><author>Elephant_King</author><pubDate>Sat, 18 May 2024 16:39:33 +0800</pubDate><description><![CDATA[我们可以看到使用GPU的速度在本模型中还是比CPU快不少的。进行验证是否可以使用mps进行训练。就可以实现m1芯片来进行gpu训练。的情况下每训练100次的时间。的情况下每训练100次的时间。然后我们需要在三处添加为。分别在上面四处进行修改。CIFAR10数据集。首先我们先要引入设备。]]></description><category></category></item><item><title><![CDATA[【Pytorch】13.搭建完整的CIFAR10模型]]></title><link>https://blog.youkuaiyun.com/Elephant_King/article/details/139022565</link><guid>https://blog.youkuaiyun.com/Elephant_King/article/details/139022565</guid><author>Elephant_King</author><pubDate>Sat, 18 May 2024 14:53:15 +0800</pubDate><description><![CDATA[我们可以在网上搜到CIFAR10的网络模型，通过网络模型来搭建网络，具体可以看【Pytorch】10.CIFAR10模型搭建return x这里我们新创建了一个model.py用于专门存储网络结构，这样在我们的训练文件中，可以通过# 3.创建神经网络来导入我们自定义的神经网络。]]></description><category></category></item><item><title><![CDATA[【Pytorch】12.网络模型的加载、修改与保存]]></title><link>https://blog.youkuaiyun.com/Elephant_King/article/details/139002934</link><guid>https://blog.youkuaiyun.com/Elephant_King/article/details/139002934</guid><author>Elephant_King</author><pubDate>Fri, 17 May 2024 14:17:54 +0800</pubDate><description><![CDATA[首先我们先自定义网络结构，并保存为.pth文件return x# 保存自定义网络这里需要注意，我们在新的文件加载这个网络模型时，不能直接通过进行加载，而是要先引入我们网络模型的类return x# 注意无法直接通过这条语句导入,需要先引入网络定义或者通过来导入我们的类信息# 注意无法直接通过这条语句导入,需要先引入网络定义。]]></description><category></category></item><item><title><![CDATA[【Pytorch】11.损失函数与梯度下降]]></title><link>https://blog.youkuaiyun.com/Elephant_King/article/details/138965220</link><guid>https://blog.youkuaiyun.com/Elephant_King/article/details/138965220</guid><author>Elephant_King</author><pubDate>Thu, 16 May 2024 17:34:54 +0800</pubDate><description><![CDATA[主要介绍三种。]]></description><category></category></item><item><title><![CDATA[【Pytorch】10.CIFAR10模型搭建]]></title><link>https://blog.youkuaiyun.com/Elephant_King/article/details/138914297</link><guid>https://blog.youkuaiyun.com/Elephant_King/article/details/138914297</guid><author>Elephant_King</author><pubDate>Wed, 15 May 2024 17:16:24 +0800</pubDate><description><![CDATA[是中官方给出的一个数据集,可以通过来下载到指定文件夹。]]></description><category></category></item><item><title><![CDATA[【Pytorch】9.torch.nn.MaxPool2d]]></title><link>https://blog.youkuaiyun.com/Elephant_King/article/details/138908570</link><guid>https://blog.youkuaiyun.com/Elephant_King/article/details/138908570</guid><author>Elephant_King</author><pubDate>Wed, 15 May 2024 14:53:36 +0800</pubDate><description><![CDATA[是对二维矩阵进行池化层下采样的方法。]]></description><category></category></item><item><title><![CDATA[【Pytorch】8.torch.nn.conv2d]]></title><link>https://blog.youkuaiyun.com/Elephant_King/article/details/138865171</link><guid>https://blog.youkuaiyun.com/Elephant_King/article/details/138865171</guid><author>Elephant_King</author><pubDate>Tue, 14 May 2024 19:26:12 +0800</pubDate><description><![CDATA[这个函数和我们之前提到的的作用相似，都是完成操作，这里就不在过多赘述。]]></description><category></category></item><item><title><![CDATA[【Pytorch】7.使用Module模块搭建简易神经网络]]></title><link>https://blog.youkuaiyun.com/Elephant_King/article/details/138608171</link><guid>https://blog.youkuaiyun.com/Elephant_King/article/details/138608171</guid><author>Elephant_King</author><pubDate>Tue, 14 May 2024 18:13:41 +0800</pubDate><description><![CDATA[torch.nn中的module是PyTorch中用于构建神经网络模型的基本单元。它包含了各种神经网络层、激活函数、损失函数等，可以通过组合不同的module来构建复杂的神经网络模型。每个module都包含了参数和方法，可以进行前向传播和反向传播等操作。使用module可以方便地构建、训练和部署神经网络模型。]]></description><category></category></item><item><title><![CDATA[【Pytorch】6.torch.nn.functional.conv2d的使用]]></title><link>https://blog.youkuaiyun.com/Elephant_King/article/details/138544131</link><guid>https://blog.youkuaiyun.com/Elephant_King/article/details/138544131</guid><author>Elephant_King</author><pubDate>Tue, 07 May 2024 20:36:32 +0800</pubDate><description><![CDATA[阅读之前应该先了解基础的CNN网络的逻辑。]]></description><category></category></item><item><title><![CDATA[【Pytorch】5.DataLoder的使用]]></title><link>https://blog.youkuaiyun.com/Elephant_King/article/details/138533987</link><guid>https://blog.youkuaiyun.com/Elephant_King/article/details/138533987</guid><author>Elephant_King</author><pubDate>Tue, 07 May 2024 15:55:46 +0800</pubDate><description><![CDATA[个人理解是，如果Dataset的所有数据相当于一副扑克牌，DataLoader就相当于从扑克牌中抽取几张，我们可以规定一次抽取的张数，或者以什么规则进行抽取。]]></description><category></category></item></channel></rss>