零碎@流年絮语 的博客

10个智能的 AI 制作工具，懒人福音！

wandb关闭问题

通过LSTM 时间序列对股票进行单特征预测

CUDA踩坑查看CUDA版本想查看CUDA的版本时，突然出现以下的情况：这并不是因为系统没有安装CUDA，而是环境中没有罢了。注意： 千万不要执行apt install nvidia-cuda-toolkit，否则就会重新安装一个版本。解决方法进入bin目录首先找到cuda的bin目录，例如：/usr/local/cuda/bin查看是否有nvcc添加环境变量$ export PATH=/usr/local/cuda/bin:$PATH$ export LD_LIBRARY_P

文章目录深度学习经典检测算法two-stage(两阶段)：Faster-rcnn Mask-Rcnn系列one-stage(单阶段)：YOLO系列指标分析map指标：精度：召回率：IOU深度学习经典检测算法two-stage(两阶段)：Faster-rcnn Mask-Rcnn系列速度通常较慢(5FPS)，但是效果通常还是不错的!非常实用的通用框架MaskRcnn。one-stage(单阶段)：YOLO系列最核心的优势：速度非常快，适合做实时检测任务!缺点也是有的，效果通常情况下不会太

错误再现：出错原因：os.environ['CUDA_VISIBLE_DEVICES'] = '0'device = torch.device('cuda：0' if torch.cuda.is_available() and use_cuda else 'cpu')应修改为：os.environ['CUDA_VISIBLE_DEVICES'] = '0'device = torch.device('cuda' if torch.cuda.is_available() and use_cud

文章目录解决torch.cuda.is_available()返回False出现返回False的原因问题1：版本不匹配问题2：错下成了cpu版本的（小编正是这种问题）解决方案方案一方案二解决torch.cuda.is_available()返回False出现返回False的原因问题1：版本不匹配电脑实际安装的CUDA版本 大于 已安装的pytorch所对应的CUDA的版本注意：小于等于是可以的，但是不能大于问题2：错下成了cpu版本的（小编正是这种问题）可能使用了清华源镜像，但是清华源镜像中

文章目录查看CUDA和cuDNN版本CUDA版本cuDNN版本查看CUDA和cuDNN版本CUDA版本在cmd中输入nvcc --version即可查看，如下图所示。cuDNN版本1.找到CUDA的安装目录，注意：下面目录的v11.2是根据自己的版本来修改C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\include2.打开cudnn_version.h，找到如下的代码段#define CUDNN_MAJOR 8#defi

文章目录yolo配置文件以及训练时各参数的含义yolo配置文件以及训练时各参数的含义[net]# Testing ### 测试模式# Training ### 训练模式# batch=64# subdivisions=16 ---------------------------------------------------------------------------------------------

残差网络残差网络，残差网络让高高的模型姐姐也拥有快乐 （模型复杂，层数多）从此让两百层的卷积网络不是问题只要GPU够，就可以深度模型的教室里导数弟弟传递不积极向后传播的时光里梯度同学逐渐被忘记模型小姐姐发出叹息臃肿的身体不够灵敏误差很难被他吸收下去需要一个契机减少层数吧，姐姐不愿意 增加学习率，小心会爆炸消失的梯度，他到底去哪残差网络，残差网络把导数的爱传递下去让收敛不再被梯度消失折磨把所有的特征都学得更出色输入输出维度要一致简单的跳层加上就可以如果某层突然消失掉...

生成对抗网络GANGAN的思想一种二人零和博弈思想（two-player game），博弈双方的利益之和是一个常数引申到GAN里面就是可以看成，GAN中有两个这样的博弈者，一个是生成模型（G），另一个是判别模型（D）。相同点这两个模型都可以看成是一个黑匣子，接受输入然后有一个输出，类似一个函数，一个输入输出映射。不同点生成模型功能：比作是一个样本生成器，输入一个噪声/样本，然后把它包装成一个逼真的样本，也就是输出。判别模型：比作一个二分类器（如同0-1分类器），来判断输入的样本是真是假。（就