- 博客(191)
- 收藏
- 关注
RSS订阅
原创 【2024年度总结】2024，一杯清茶，一缕余香，起起落落，十二月的猫总与你们在路上
很开心入围了，虽然只有87名，但也是一年来努力创作的被认可。年度评选我居然是看到报名通知才知道的，也没有想到自己能够入围。回想自己进入优快云的初衷，那时的自己刚刚接触计算机，对这个领域并不了解，是优快云带领我入门，并伴随我成长。如今的我，依旧在路上🚊🚊十二月的猫是我给自己取得名字。十二月预表苦难与困难，猫预表独立且骄傲。计算机这一条路，或者说人生这一条路，它不好走，所以我想让自己时刻明白其中的艰辛，鼓舞自己时刻做好准备。起起落落，有高光，有低谷，有失败，也有收获。
2025-01-21 22:28:11
2615
108
原创 【一篇搞定配置】CLion安装配置与使用（含编译乱码、Build失败等问题的解决）（附破解方法）
之前使用的一直是Visual Studio code来编辑运行C++代码，但是一直感觉Visual Studio code使用的非常难受，整体风格过于纷繁复杂。最重要的是配置需要编辑配置文件而不是傻瓜式可视化配置。也许有的程序员会喜欢Visual Studio code的配置方式，因为手动编辑配置文件来配置能够大大提高配置的自由程度。但是这对新手程序员非常不友好，并且和猫猫追求整洁、便捷的原则相冲突。于是，在一个夜黑风高的夜晚，猫猫决定卸载Visual Studio code来转投CLion！！！！！
2024-11-18 13:32:56
6616
112
原创 【深度学习基础】多任务学习（Multi-Task Learning）
多任务学习（Multi-task learning）是和单任务学习（single-task learning）相对的一种机器学习方法。在机器学习领域，标准的算法理论是一次学习一个任务，也就是系统的输出为实数的情况。复杂的学习问题先被分解成理论上独立的子问题，然后分别对每个子问题进行学习，最后通过对子问题学习结果的组合建立复杂问题的数学模型。多任务学习是一种联合学习，多个任务并行学习，结果相互影响。一次只学习一个任务（task），大部分的机器学习任务都属于单任务学习。
2024-09-26 13:36:58
13350
44
原创 【一篇搞定配置】MySQL安装与配置
MySQL 是瑞典的MySQL AB公司开发的一个可用于各种流行操作系统平台的关系数据库系统，它具有客户机/服务器体系结构的分布式数据库管理系统。MySQL 完全适用于网络，用其建造的数据库可在因特网上的任何地方访问，因此，可以和网络上任何地方的任何人共享数据库。MySQL具有功能强、使用简单、管理方便、运行速度快、可靠性高、安全保密性强等优点。MySQL用C和C++编写，它可以工作在许多平台（Unix，Linux，Windows）上，提供了针对不同编程语言(C,C++,JAVA等)的API函数；
2024-07-11 23:28:02
11476
32
原创 【经典算法】最短路径算法——Dijkstra
最短路径算法是图论中一类重要算法，其功能就如名字一样——求解点与点之间最短距离。首先，先让我们对最短路径算法有一个概观，看看都有哪些种类的最短路径算法，每一个种类中代表的算法又是什么。从一个起点出发求解其到其他所有其他点的最短距离从所有点出发求解其到其他所有其他点的最短距离动态规划做出的结果在一次次循环中会发生改变；贪婪算法每次做出的结果（局部最优）就是全局最优，不会再发生改变迪杰斯特拉算法是由荷兰计算机科学家在1956年发现的算法，此算法使用类似广度优先搜索的方法解决了带权图的单源最短路径问题。
2024-06-06 20:23:22
7589
41
原创 【零基础入门】一篇弄懂tsv、csv、xls等文件类型区别及处理（python版）
考虑到进行机器学习、深度学习训练、预测时我们不免接触到许许多多的数据，而这些数据又以不同的格式存在（主要有csv、xls、tsv三种格式），所以本文就想来讲讲这三种格式数据的转化、阅读、处理
2024-04-03 13:20:37
12304
30
原创 【一篇搞定配置】小白安装labelimg常见问题及其原因（带知识点理解）
本文面向对象为YOLO计算机视觉领域的小白，内容为labelimg在window11系统下的环境配置的相关问题。本文旨在不仅仅讲如何操作解决问题，更要明白问题出现的内在原因以及为什么这样的操作能够解决这个问题。让阅读的人可以知其然并且知其所以然
2023-10-23 19:08:16
8952
43
原创 【全队项目】智能学术海报生成系统PosterGenius--风格个性化调整
PosterGenius智能学术海报系统突破传统设计限制，首创"自然语言驱动"的风格个性化模块。用户只需输入论文摘要并描述需求（如"突出生物医学元素"或"增加科技感线条"），系统即可自动解析内容逻辑，智能匹配学科专属视觉风格。通过三大AI模型的深度协作——文本理解精准提取关键词、动态布局引擎优化图表权重、跨模态技术将文字描述转化为设计元素，实现从配色纹理到版式细节的全维度风格定制。实测表明，该系统能在保证学术严谨性的前提下，10秒生成兼具专业规范与个人创意的可编辑海报，真正实现"所想即所得"。
2025-03-31 20:18:11
632
6
原创 【玩转深度学习】手把手带你实战RNN与LSTM（附完整代码和数据）
在深度学习领域，循环神经网络（RNN）和长短期记忆网络（LSTM）作为处理序列数据的经典模型，已经在自然语言处理、语音识别、时间序列预测等多个领域取得了显著成果。随着人工智能技术的不断发展，理解并掌握这些模型的核心原理和应用变得尤为重要。本文将手把手带你深入探讨RNN和LSTM的工作原理，帮助你掌握如何使用这些网络模型解决实际问题。通过详细的代码示例和数据集，我们将带你一步一步完成模型的构建、训练和优化。无论你是深度学习的初学者，还是有一定经验的开发者，本篇文章都将为你提供实践操作的机会，帮助你更好地理解
2025-03-26 08:23:01
1226
71
原创 AI驱动的代码自动化：腾讯云大模型知识引擎 × DeepSeek提供全新视角
DeepSeek结合腾讯云大模型知识引擎，能够理解代码的结构与业务逻辑。在自动化代码生成时，它不仅仅是在执行简单的模板填充，而是能够理解开发者意图，通过自然语言和编程语言之间的转换生成符合要求的高效代码。例如，我们只需要描述需求，AI就能根据大模型的深度理解能力，生成符合规范、可复用的代码结构，这在传统的自动化工具中是很难实现的。
2025-03-24 19:10:56
1466
43
原创 【人工智能入门必看，避免走弯路】十二月的猫切身经历，从理论到实践的全指南
本文为AI初学者扫除认知盲区，十二月的猫以亲身踩坑经验梳理从理论到实战的捷径。详解机器学习基础、神经网络架构、主流框架对比三大核心模块，剖析图像分类与文本生成两大典型任务的代码实操陷阱。提供开源工具链配置清单、论文精读方法论及模型调试Checklist，直击数据预处理不规范、过拟合诊断缺失等高频痛点。文章总结20+个“后悔没早知道的”实践技巧，助你绕开盲目调参、忽视数学基础等常见误区，建立系统化学习路径，缩短3-6个月摸索期。
2025-03-24 12:29:23
125
40
原创 【全队项目】智能学术海报生成系统PosterGenius（项目介绍）
【大模型实战训练营】专栏的建立得益于山东大学软件学院2025年的创新实训课程。在创新实训中，我们小组所选择的研究课题是【基于Deepseek、Janus等大模型的智能学术海报生成系统】，因此应山东大学戴鸿君教授要求，创建本专栏将我们的研究成果和研究全过程公开展示。
2025-03-24 12:18:56
1254
54
原创 【模块化编程】制作、可视化不平衡数据（长尾数据）（以Cifar-10为例）
本文提出基于模块化编程的CIFAR-10不平衡数据生成方案，通过可配置的类分布采样器实现灵活的长尾数据构建。核心模块分离数据加载、类比例控制与样本索引生成，支持指数衰减/阶梯下降/Dirichlet分布等多种不平衡模式。开发者只需修改配置文件即可生成1:100至1:10不同失衡程度的数据变体，并提供可视化统计模块验证数据分布。该方案复现了经典论文的CIFAR-10-LT基准数据集生成流程，其标准化接口兼容重采样策略，为后续不平衡学习算法研究提供即插即用的数据工程基础。
2025-03-19 08:53:15
1384
64
原创 【零基础入门】一篇弄懂nn.Sequential以及ModuleList的使用（呕心沥血版）
本文详细介绍了 PyTorch 中 nn.Sequential 和 nn.ModuleList 的使用及其区别。通过深入分析这两个模块容器的特性，文章讲解了如何使用它们高效地构建神经网络模型。首先，介绍了 nn.Sequential，展示了如何通过按顺序添加子模块来快速构建简单的模型结构。接着，详细阐述了 nn.ModuleList 的使用，重点讲解了它如何提供更多的灵活性，允许动态地添加和管理子模块，特别是在需要更复杂的控制流时。本文通过实际示例，帮助读者深入理解这两种容器的应用场景，明确它们的优缺点
2025-03-19 08:49:26
937
57
原创 【玩转深度学习】手把手带你实战多元回归（附完整代码和数据）
本篇文章深入讲解了多元回归的PyTorch实战项目。多元回归是指在回归模型中考虑多个自变量（特征），用于预测一个因变量（目标）。在多元回归中，通过引入多个输入特征，我们能够建立更为复杂的预测模型，以捕捉数据中各个特征之间的关系。本文还讲解了神经网络模型图的理解，其中圆圈表示状态，线表示模型之间的关系。最后，通过一个可运行的代码示例，帮助读者巩固对多元回归相关知识的理解和应用。
2025-03-18 08:29:43
1347
63
原创 【深度学习基础】一篇弄懂训练集、验证集和测试集（呕心沥血版）
在深度学习中，训练集、验证集和测试集是构建和评估模型的核心组成部分。训练集用于模型的学习和参数优化，验证集帮助调整超参数和防止过拟合，而测试集则用于最终评估模型的泛化性能。正确划分和使用这三类数据集，对于开发高效、可靠的深度学习模型至关重要。本文将深入解析它们的作用、划分方法以及在实际应用中的注意事项，帮助你全面理解并掌握数据集的科学使用方法，从而提升模型的实际表现。
2025-03-17 10:16:55
1709
67
原创 【模块化编程】数据标签 转 独热编码
在深度学习分类任务中，数据标签常需转换为独热编码（One-hot Encoding）以适配损失函数计算。本文介绍的模块化函数label2onehot基于PyTorch实现，通过接收模型输出的logits维度模板和整型标签列表，动态生成等维度的二进制编码矩阵。该方案利用scatter_方法实现高效索引填充，支持批量处理并返回numpy格式，兼具计算效率与框架兼容性。模块化设计使其可快速嵌入数据预处理流程，广泛应用于图像分类、文本识别等场景，为模型训练提供标准化数据输入。
2025-03-14 07:55:28
1392
73
原创 【零基础入门】一篇掌握Python中的字典（创建、访问、修改、字典方法）【详细版】
本文介绍了如何在Python中创建、访问和修改字典，并深入探讨了字典的常用方法。通过示例，您将学习如何创建字典、访问键值对、修改和添加元素，使用get()、update()等方法进行操作。此外，文章还涵盖了删除元素、清空字典以及其他实用方法（如fromkeys()、popitem()等），帮助读者全面掌握字典的使用，提升在Python编程中的效率与灵活性。
2025-03-11 22:39:19
3396
65
原创 【一篇搞定配置】一篇带你从配置到使用（PyCharm远程）完成服务器运行项目（配置、使用一条龙）【全网最详细版】
本地开发环境与服务器部署的割裂，常让开发者陷入代码反复打包、手动上传、依赖冲突的繁琐循环。本文以PyCharm专业版为核心，手把手教你如何通过远程开发配置，直接连接Linux服务器实现“编码-调试-运行”无缝衔接。从SSH连接、解释器映射、自动化同步，到断点调试、虚拟环境配置，每一步均配图示详解，覆盖避坑指南（如权限拒绝、路径错误）、高阶技巧（热重载、增量同步）。无论你是部署深度学习模型、Web服务还是爬虫项目，这篇“全网最详细”教程将用10分钟打通全流程，让你在本地IDE中畅享服务器算力，告别反复拖拽.
2025-03-10 17:01:10
3408
66
原创 【零基础入门】一篇弄懂model.train()和model.eval()的区别
在深度学习中，PyTorch 的 model.train() 和 model.eval() 是控制模型行为的关键模式，直接影响训练和推理结果。model.train() 启用 Dropout 和 Batch Normalization 的训练特性，引入随机性和数据依赖性；而 model.eval() 则禁用这些特性，确保输出稳定。理解并正确使用这两种模式，是优化模型性能和保证结果一致性的基础。本文将通过实例详细解析它们的区别与应用，助你彻底掌握这一重要知识点。
2025-03-10 16:59:06
825
42
原创 【一篇搞定配置】Window版xshell 和 xftp（连接服务器必备软件） 安装与使用（呕心沥血版）
在远程服务器管理和文件传输中，Xshell（终端连接）与Xftp（文件传输）是开发者与运维人员的高效利器，但复杂的配置和隐蔽的“坑点”常令人望而却步。本文以Windows系统为核心，提供一份保姆级教程，从软件下载、免费授权激活、SSH连接配置，到文件双向传输、多会话管理及高频问题解决（如连接超时、权限错误），手把手带你打通全流程。无论你是新手初次部署服务器，还是老手优化协作效率，这篇融合实战技巧与避坑指南的指南，将用最直白的步骤、最落地的案例，助你10分钟搞定环境搭建，从此告别折腾，轻松驾驭远程操作！
2025-03-07 20:40:40
1776
40
原创 【深度学习基础】一篇弄懂PyPI和pip（呕心沥血版）
在 Python 生态中，PyPI（Python Package Index）和 pip 是开发者的核心工具。PyPI 是一个庞大的软件包仓库，汇集了从数据处理到机器学习的各种 Python 库；pip 则是包管理工具，帮助开发者轻松安装、更新和管理这些库。掌握 PyPI 和 pip 的使用，是提升开发效率的关键。初学者可以通过 pip 快速安装依赖包，而资深开发者则可以将自己的项目发布到 PyPI，与全球开发者共享。本文将深入解析 PyPI 和 pip 的功能，从基础操作到高级技巧，帮助你全面掌握这些工具
2025-03-06 12:11:00
1690
60
原创 【零基础入门】一篇弄懂Autograd（自动微分）【全网最详细】
在前一篇【PyTorch入门】系列：【PyTorch入门】一文解释 PyTorch的求导 (backward、autograd.grad)_pytorch求导数-优快云博客猫猫讲解了Tensor（张量）这个对象。Tensor在PyTorch中就像Array在numPy中，两者都是最核心最底层的部分。但是Tensor不同于Array之处就在于Tensor可以使用GPU加速计算【x.cuda()】，同时Tensor能够实现自动微分（也就是我们这篇马上要讲解的Autograd）🥰🥰。
2025-03-04 19:52:22
1204
61
原创 【玩转深度学习】手把手带你实战逻辑回归（附完整代码和数据）
本篇文章深入讲解了逻辑回归的PyTorch实战项目。逻辑回归是一种广泛用于分类问题的回归模型，它通过使用逻辑函数（Sigmoid函数）将线性回归模型的输出映射到0到1之间的概率值，从而进行二分类或多分类预测。在逻辑回归中，我们通过输入特征预测样本属于某一类别的概率，并根据该概率进行决策。本文还讲解了神经网络模型图的理解，其中圆圈表示状态，线表示模型之间的关系。最后，通过一个可运行的代码示例，帮助读者巩固对逻辑回归相关知识的理解和应用。
2025-03-03 08:38:26
1117
60
原创 【一篇搞定配置】如何切换Jupyter notebook的内核环境（注册/删除ipykernel）
本文详细介绍了如何在 Jupyter Notebook 中切换内核环境，包括如何为不同的虚拟环境注册和删除 ipykernel。首先，文章讲解了如何在虚拟环境中安装 ipykernel，并将其注册为 Jupyter 可用的内核。接着，介绍了如何删除不再需要的内核，以及在 Jupyter Notebook 中切换不同的内核。通过这些步骤，你可以轻松管理和切换多个 Python 环境，提高项目开发的灵活性和效率。
2025-02-27 15:59:51
1296
57
原创 【深度学习基础】一篇带你走入机器翻译的前世今生（规则、统计和神经网络）
机器翻译历经规则驱动（RBMT）、统计学习（SMT）与神经网络（NMT）三大阶段。早期RBMT依赖人工编写语言规则，难以应对复杂表达；90年代SMT基于双语语料统计词对齐概率，但分治策略导致误差累积。2014年后，NMT以端到端架构（如Seq2Seq+注意力机制）实现语义连续表示，Transformer模型进一步融合并行计算与自注意力，成为主流。尽管NMT流畅度逼近人类水平，仍受困于低资源语言数据匮乏与可解释性不足。未来需探索小样本学习、多模态融合等路径，推动机器翻译向更智能、泛化的方向演进。
2025-02-26 18:04:14
1293
36
原创 【玩转深度学习】手把手带你实战非线性回归（附完整代码和数据）
本篇文章深入讲解了非线性回归的PyTorch实战项目。非线性回归本质上就是在原本的线性模型中加入激活函数，激活函数在一层层叠加中就引入了很强的非线性成分。同时，本文讲解了神经网络模型图的理解，圆圈表示状态，线表示模型本身。最后通过一个可运行代码完成对上面所有知识点的练习和巩固。
2025-02-25 23:43:40
1472
49
原创 【通俗易懂说模型】循环神经网络模型 · LSTM（呕心沥血版）
你是否好奇，为什么AI能记住很久以前的信息，比如生成一段连贯的文本或预测未来的趋势？这一切都归功于一种强大的模型——LSTM（长短期记忆网络）！这篇文章将用最通俗易懂的语言，带你深入理解LSTM的工作原理，揭开它如何解决传统RNN（循环神经网络）的“健忘症”之谜。我们将从LSTM的核心——细胞状态和门控机制入手，一步步解释它是如何通过“遗忘门”、“输入门”和“输出门”来选择性记住重要信息、丢弃无用信息的。你还会发现，LSTM如何通过线性更新机制避免梯度消失问题，从而在时间序列任务中表现卓越。
2025-02-24 10:54:19
1393
52
原创 【玩转深度学习】手把手带你实战线性回归（附完整代码和数据）
通过前面一篇文章的学习，我们了解了线性回归的理论知识🥰🥰。这一篇文章，猫猫想手把手带大家完成一个线性回归的小项目，来巩固前面学习到的知识。如果想要学习更多pyTorch的知识，大家可以点个关注并订阅，持续学习、天天进步
2025-02-21 18:57:02
1023
34
原创 【通俗易懂说模型】循环神经网络模型 · RNN（呕心沥血版）
在人工智能领域，尤其是处理时间序列数据和序列信息时，传统的神经网络往往无法有效捕捉到数据之间的时序关系。而循环神经网络（RNN）则应运而生，成为了解决这类问题的强大工具。RNN的独特之处在于，它能够通过“记忆”之前的输入信息，利用这种记忆来影响后续的决策，这使得它在语音识别、自然语言处理、股票预测等领域得到了广泛应用。
2025-02-20 15:58:44
2190
51
原创 【深度学习基础】CNN的卷积核通道数、卷积输出的通道数、步长与填充之间的关系（附多通道卷积）
本文介绍了卷积神经网络（CNN）中卷积核通道数、卷积输出通道数、步长与填充之间的关系，重点讨论了多通道卷积的应用与原理。首先，卷积核的通道数决定了每个卷积核与输入图像每个通道的卷积计算方式；而卷积输出的通道数则由卷积核的数量决定，每个卷积核生成一个输出通道。步长控制卷积操作的滑动速度，从而影响输出的空间尺寸，步长越大，输出尺寸越小。填充用于在输入图像边界添加额外像素，帮助保持输出尺寸不变。文章还介绍了如何通过调整这些参数来优化卷积层的表现，并展示了多通道卷积在处理彩色图像和多维数据时的重要性。
2025-02-19 23:39:25
1839
41
原创 【通俗易懂说模型】一篇弄懂模型的存储和测试（附fastai库识别MNIST）
在深度学习的实际应用中，模型的训练和测试是核心环节，而模型的存储与加载则是确保高效重复使用和部署的关键步骤。本篇文章将深入探讨如何在PyTorch中进行模型的存储与测试。通过介绍模型保存的不同方式，您将学习如何将训练好的模型以合适的格式保存，以便在未来的推理或部署过程中复用。同时，文章还会展示如何加载已保存的模型进行测试，确保模型在不同环境下的可移植性与一致性。通过这一系列操作，您将能够更好地管理和应用深度学习模型，提高工作效率并实现项目的可持续发展。
2025-02-17 10:36:03
919
48
原创 【通俗易懂说模型】一篇弄懂几个经典CNN图像模型（AlexNet、VGGNet、ResNet）
本文介绍了几种经典的卷积神经网络（CNN）架构，包括AlexNet、VGGNet和ResNet，及其在图像分类中的工作原理。AlexNet通过深层网络和ReLU激活函数实现了突破，VGGNet采用简单的3x3卷积核和加深网络层数提升性能，而ResNet通过引入残差连接解决了深层网络的训练难题。文章重点分析了这些架构的创新设计及其在图像处理中的重要影响。
2025-02-12 09:29:23
1677
42
原创 【通俗易懂说模型】卷积神经网络（呕心沥血版）
本文详细介绍了卷积神经网络的工作原理，包括图像原理、卷积操作、数据填充的重要性、模型结构（输入层、卷积和激活、池化层、多层堆叠、全连接层），以及为何学习CNN。重点展示了如何通过卷积实现平移不变性，以及卷积过程中的关键参数如步长和填充。
2025-02-10 14:36:12
2465
55
原创 【通俗易懂说模型】反向传播（附多元分类与Softmax函数）
本文详细介绍了反向传播算法，从数学推理、代码呈现到完整梯度反向传播例子。从一个全新视角：全局观、局部观两个角度去理解反向传播。
2025-02-08 14:00:22
1974
45
原创 【通俗易懂说模型】非线性回归和逻辑回归（附神经网络图详细解释）
【通俗易懂说模型】线性回归（附深度学习、机器学习发展史）-优快云博客通过前面的文章， 猫猫希望友友们对机器学习、深度学习等基础概念，以及发展历史有一个宏观的理解。同时对线性回归有一个深入的认识。然后接下来，就让我们收拾收拾行囊，准备出发！下一站——非线性回归和逻辑回归如果想要学习更多深度学习知识，大家可以点个关注并订阅，持续学习、天天进步。
2025-02-07 08:46:46
1910
50
原创 【通俗易懂说模型】线性回归（附深度学习、机器学习发展史）
进入这篇文章之前，想必大家已经阅读过前面的【PyTorch入门】系列：从本篇文章开始，我们将进入深度学习基础的学习。首先我们需要对机器学习、深度学习等基本概念有一个了解；然后，我们需要对人工智能整个历史发展有一个了解。机器学习、深度学习等基础概念。人工智能发展历史。如果想要学习更多深度学习知识，大家可以点个关注并订阅，持续学习、天天进步bw_0w_0%5Cdelta。
2025-02-04 10:08:25
1927
48
原创 【配置后的基本使用】手把手教你使用Jupyter Notebook（最新最全版）（附没有绿色模式的情况）
在学习这篇文章之前，如果没有安装过Jupyter Notebook的友友可以参考下面文章：在上篇文章中，猫猫手把手带大家安装了Jupyter、Anaconda等。接下来，我将带大家入门使用Jupyter Notebook这个好用的工具，相信它将成为你学习生涯中的一大助力🥰。创建新笔记本时，会创建一个扩展名为 ipynb 的新文件。该文件本质上是一个文本文件，使用 JSON 格式来描述笔记本的内容。它包括每个单元格及其内容，以及已转换为文本字符串和一些元数据的任何图像附件。
2025-01-29 08:55:03
2820
30
原创 【一篇搞定配置】一篇搞定Jupyter Notebook的安装（Window版）
本篇我们来介绍如何使用 Jupyter Notebook，包括安装步骤、第一个 Notebook 创建、使用Notebook基础方法等。如果您对数据科学感兴趣，Jupyter Notebook 是一个非常有用的工具，用于交互式开发和演示项目。本教程将引导您完成在台式机、笔记本电脑或虚拟机上使用 Jupyter Notebooks 进行数据科学项目的过程。本文到这里就结束啦~~各种软件安装与配置_十二月的猫的博客-优快云博客。
2025-01-28 00:04:57
3081
38
原创 【一篇搞定配置】小白如何配置Pytorch环境（GPU版本）（Windows版）
2017年1月，Facebook人工智能研究团队在GitHub上开源了PyTorch，随后迅速占领GitHub热度榜榜首。如今，PyTorch已经更新至1.0版本，成为众多科研机构研究深度学习的首选框架。PyTorch具有简洁优雅的接口和先进的动态图设计，可以快速且灵活地构造复杂的神经网络模型。同时，PyTorch具有与其他流行框架（如TensorFlow和Keras等）比肩的运行速度。用ONNX接口，可以将PyTorch模型导人Caffe2，兼容各种终端环境。
2025-01-27 08:00:00
1553
38
猫狗识别项目（包含源代码和数据集）
2025-02-11
项目6迁移学习数据集（猫狗数据集）
2025-02-11
【javaWeb技术】专栏专用脚手架
2024-08-09
山东大学软件学院大一下高级程序设计（源码+数据）
2024-07-08
山东大学操作系统 实验1-实验7（都是可以运行且没有错误的实验代码）
2024-07-08
山东大学众智实验（实验报告+实验代码+思政报告）
2024-07-08
山东大学软件学院计算机组成原理课程设计整体图+指令集+ROMRAM文件
2024-07-08
山东大学数据结构课程设计-学生成绩分析平台
2024-07-08
山东大学软件学院马克思主义原理期末往年题
2024-07-08
山东大学软件学院软件工程专业面向对象技术PPT+练习题（包括往年题）
2024-07-08
山东大学软件学院软件工程专业数据库期末复习题
2024-07-08
山东大学软件学院软件工程专业操作系统期末复习题
2024-07-08
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人