墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
1.1w累计阅读
1.1w+平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
使用torchvision.model加载预训练好的模型时，发现默认下载路径在系统盘下面的用户目录下（这个你执行的时候就会发现），即C:\用户名\.cache\torch\.checkpoints下，便于统一管理，我决定修改model的存放路径，在网上找了很久都没有很好的解决方法，只能自己尝试，现将解决方案给出，供大家参考~
以加载vgg16为例，首先定义网络结构
class CNN(nn.Module):
def __init__(self, usegpu=True)pytorch入门学习：加载模型（torchvision.models）
前言 PyTorch框架中有一个非常重要且好用的包：torchvision，该包主要由3个子包组成，分别是：torchvision.datasets、torchvision.models、torchvision.transforms。这3个子包的具体介绍可以参考官网：http://pytorch.org/docs/master/torchvision/index.html。具体代码可以参考gith...
迁移学习实战指南：用PyTorch快速微调预训练模型
迁移学习是一种机器学习方法，其核心原理是通过复用在大规模数据集上预训练好的模型知识，来快速适应新的、数据量较小的目标任务。这一技术显著降低了深度学习的应用门槛，其技术价值在于能够将通用特征表示迁移到特定领域，从而在小数据集上实现高性能，避免了从零训练模型所需的海量数据和计算资源。在工程实践中，迁移学习广泛应用于计算机视觉、自然语言处理等领域，例如图像分类、目标检测、情感分析等场景。PyTorch作为主流的深度学习框架，其`torchvision`库提供了丰富的预训练模型，结合数据增强、分层微调等技巧，可以高
基于PyTorch与Faster R-CNN的自定义目标检测模型训练实战
目标检测是计算机视觉的核心任务之一，旨在识别图像中特定物体的位置与类别。其主流技术原理通常基于深度卷积神经网络，通过区域建议与分类回归两阶段或单阶段流程实现。该技术具有极高的工程价值，广泛应用于工业质检、安防监控、自动驾驶等场景，能够自动化完成定位与识别工作。本文聚焦于使用PyTorch框架和torchvision库，对经典的Faster R-CNN模型进行迁移学习，通过微调预训练模型，使其能够精准识别自定义类别，例如工业场景中的螺丝与螺母。文中详细阐述了从数据标注、构建Dataset、配置模型到训练调参的
PyTorch模型C++部署实战：从TorchScript到高性能推理
在深度学习工程化实践中，模型部署是将训练成果转化为实际应用的关键环节。其核心原理在于将训练好的神经网络模型转换为可脱离原始训练框架运行的格式，以实现跨平台、高性能的推理。这一过程的技术价值在于能够显著提升推理速度、降低资源消耗，并增强系统集成度。常见的应用场景包括嵌入式设备、移动端应用、高性能服务器以及需要与现有C++系统无缝集成的工业软件。通过PyTorch提供的LibTorch工具链，开发者可以将Python训练的模型转换为TorchScript中间表示，进而在C++环境中实现高效推理。本文聚焦于**L
计算机视觉实验全流程指南：从PyTorch模型构建到调优实战
计算机视觉作为人工智能的核心分支，其核心原理在于让机器通过算法理解并处理图像信息。深度学习技术，特别是卷积神经网络，通过模拟生物视觉机制，实现了从图像中自动提取特征并进行分类、检测等任务。这项技术的价值在于将理论模型转化为解决实际问题的工程系统，广泛应用于人脸识别、自动驾驶、智能医疗等领域。本文聚焦于计算机视觉实验的工程实践，详细解析了使用PyTorch框架进行模型构建、训练与调优的全流程。内容涵盖数据预处理、模型选择、损失函数与优化器配置等关键环节，并深入探讨了迁移学习、数据增强等提升模型性能的实用技巧。
PyTorch入门实战：从环境搭建到第一个神经网络模型
深度学习框架是现代人工智能应用的核心工具，它通过封装底层计算和优化算法，让开发者能够高效构建和训练复杂的神经网络模型。其核心原理在于提供自动微分、张量计算和模块化网络构建能力，从而将数学理论转化为可执行的工程实践。PyTorch作为当前主流框架之一，凭借其直观的动态计算图和Pythonic设计，显著降低了学习和调试门槛，在学术研究和工业落地中均有广泛应用。本文以PyTorch为例，结合**环境搭建**和**模型训练**等关键环节，详细解析如何从零开始构建一个完整的深度学习项目，涵盖张量操作、自动微分、数据加
PyTorch深度学习实操地形图：从MNIST到工业部署的6大障碍突破
深度学习并非抽象理论堆砌，而是以神经网络为载体、梯度下降为引擎、数据预处理为基石的工程实践过程。理解PyTorch中张量维度规则、自动求导机制与模型状态管理，是跨越‘概念懂’到‘代码通’断层的关键。本文聚焦真实训练场景中的典型故障——如输入维度错误、梯度消失、CUDA显存溢出、过拟合恶化及模型加载失败——结合MNIST端到端项目，将梯度下降、过拟合、数据预处理等核心概念嵌入可调试、可验证、可复现的操作流中，为初学者提供一条避开认知陷阱、直抵工业落地的最小可行路径。
深度学习入门：从环境搭建到GoogLeNet实战的系统化学习路径
深度学习作为人工智能的核心技术，其本质是通过多层神经网络自动学习数据中的层次化特征表示。其工作原理基于前向传播计算预测值，再通过损失函数衡量误差，并利用反向传播算法将误差梯度回传，由优化器自动调整网络权重，从而实现从数据中学习复杂模式的能力。这一技术价值在于能够处理图像、语音、文本等具有丰富结构的数据，在计算机视觉、自然语言处理等领域有广泛应用。对于初学者而言，系统化的学习路径至关重要，尤其需要从环境配置和工具链选择开始，例如使用PyTorch框架进行模型开发，并理解如何加载和微调预训练模型如GoogLeN
如何制作微信小程序的在线购物商城应用
首先，你需要规划好商城的整体框架，确定好你的目标用户群体，思考他们的需求是什么。接下来，使用微信开发者工具创建一个新的小程序项目，输入你的AppID，选择好保存路径，点击“创建”，一个新的商城雏形就诞生了。你可以把这里当作自己的家，无论是工作之余的小憩，还是寻找灵感的驿站，我都希望你能在这里找到属于你的那份快乐和满足。数据是现代商业的灵魂，通过数据分析，你可以更准确地把握用户的行为模式，从而做出更明智的决策。
从软体机器人到鞋垫分析：Abaqus超弹性材料(Ogden模型)仿真配置全流程
本文详细介绍了Abaqus中Ogden模型在超弹性材料仿真中的应用全流程，涵盖从实验数据导入、参数拟合到模型构建与求解优化的关键步骤。特别针对鞋垫分析等生物力学场景，提供了单元选择、接触设置和并行计算等实用技巧，帮助工程师实现高精度仿真分析。
富芮坤FR801xH蓝牙协议栈启动流程和notify实现温度数据主动上传
文章目录一、蓝牙协议栈启动流程1.1 初始化代码1.2 初始化流程1.3 回调函数里的初始化二、notify实现2.1 notify介绍2.2 notify实现2.3.1 定义数据2.3.2 获取连接号conidx2.3.3 gatt_notification函数的使用三、notify温度上传测试3.1 蓝牙调试工具3.2 蓝牙调试器设置3.3 测试结果四、参考链接 基于sdk开发的好处是方便项目的快速落地，现在用的是SDK里面的源文件，目前只是学习FR801xH芯片的特性，裁剪这个SDK需要点时间，
【即插即用模块】注意力篇 | ECCV 2024 | DPB：高低频动态分离+双提示融合，PSNR直冲40+！
本文提出了一种基于频率提示的图像恢复方法FPro，通过动态滤波器分离输入特征的高低频分量，并采用双提示块（DPB）进行频域专属提示生成与调制。DPB包含低频提示调制器（LPM）和高频提示调制器（HPM），分别处理不同频段信号，通过生成提示组件并融合解码器特征来优化恢复效果。实验表明，该方法在U型结构中表现优异，尤其适用于分割、底层视觉和多模态任务。模块通过动态无监督频率分离、频域专属提示生成和适配性融合机制，有效解决了传统方法对频域信息关注不足的问题，显著提升了图像恢复质量。
UltraScale系列底层结构（3）——URAM概述
在UltraScale+™ 器件中，除了我们在常规熟悉的BRAM资源以外，还额外提供了URAM（UltraRAM）资源。 UltraRAM 是一种单时钟同步操作的高密度存储器，每个 UltraRAM 块可存储 288 Kb 数据，配置为 4K x 72 位的存储单元，其容量是 Block RAM 的八倍。虽然 UltraRAM 内部使用单端口存储单元，但通过在一个时钟周期内顺序执行端口 A 和端口 B 的操作，实现了双端口功能。
【保姆级教程】YOLOv8_OBB旋转目标检测：训练自己的数据集
【保姆级教程】YOLOv8_OBB旋转目标检测：训练自己的数据集
OpenCloudOS9操作系统搭建Confluence8.2.1+Jira企业级WIKI
Atlassian Confluence是一个专业的企业知识管理与协同软件，可用于构建企业wiki
Probability and Statistics - 4th edition
Probability and Statistics - 4th edition
华为的C语言编程规范.pdf
华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。
STM32F407中文手册
STM32f407中文手册 本参考手册面向应用开发人员，提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列，各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性，请参见数据手册。有关 ARM Cortex™-M4F 内核的信息，请参见《Cortex™-M4F 技术参考手册》。
IEM模型，地表粗糙度模拟
利用微波反演土壤水分时候，利用IEM模型可以实现对随机地表的模拟
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
2万+
扫一扫
