- 博客(9)
- 收藏
- 关注
RSS订阅原创 【加载检查点步骤】
把上面 4 段代码按顺序粘进 Jupyter 或 PyCharm，一步一步跑，你就彻底明白“检查点里有什么 → 怎么拿出来 → 怎么塞进自己的网络”了。但初学者经常遇到“key 对不上”的报错，下面给你一把“万能钥匙”———— 早期懒人保存法（不推荐，但也能处理）。只要形状一致就往里塞，名字不一致的跳过。咱们用 PyTorch 最常见的。等 key——官方保存方式。心里就有数了：原来它把骨干叫。这一步你就能看到类似。
2025-09-10 15:19:54
238
原创 【深度学习AI指令】
并生成只含有0和1的测试用例来验证此更改的正确性，并说明测试用例的设计思路，同时避免使用test关键字以防止PyCharm自动进入测试模式。“请仅引用近五年内发表于核心数据库（此处自行定义）的文献，优先选择被引量超过 100 次的论文。说清楚数据流动逻辑和过程和数据的具体形态，一句句自上而下解释怎么传参的？说明其功能、输入、输出和实现细节，并从“张量矩阵操作思维”的角度来给我讲解清楚明白。请以一个老师的身份，给我这个初学者梳理代码的逻辑，为代码提供详细的解释和代码注释。并解释修改的原因以及修改的逻辑。
2025-08-31 18:42:36
156
原创 【pyannote】代码之间的调用关系
继承SegmentationTaskMixin和Task 负责数据管理和任务定义。提供train_dataloader和validation_dataloader。提供数据处理的通用方法 实现setup和prepare_data等方法。继承LightningModule 提供优化器配置 管理训练状态。继承Model基类 实现具体的网络架构 定义前向传播逻辑。定义任务接口 管理数据加载 提供训练和验证步骤。它们共同构建了一个完整的语音活动检测系统。Trainer负责训练流程。Task提供统一接口。
2025-02-21 19:28:25
451
原创 【pyannote.audio】训练模式和评估模式
过程：模型会看到很多数据，比如图片、文字或者声音等，然后通过不断地调整自己内部的参数（就像你调整骑车的姿势和力度），来更好地理解这些数据。BatchNorm 层： 在训练模式下，BatchNorm 会计算当前批次（batch）的均值和方差，并用这些统计量对数据进行归一化。过程：模型会看到一些之前没有见过的数据（就像你在评估时骑的路线和环境可能和练习时不一样），然后根据之前学到的知识来处理这些数据。在训练模式下，Dropout 会随机丢弃一部分神经元的输出，以防止过拟合。main函数中初始进入训练模式。
2025-02-21 16:36:57
622
原创 【Pyannote.database】注册文件protocol.py的使用
ProtocolFile：用于管理文件数据及其预处理逻辑，支持延迟计算和线程安全。Protocol：用于管理数据集及其预处理逻辑，支持子集划分和文件迭代。核心功能：数据预处理、子集划分、文件迭代和线程安全的数据访问。
2025-01-05 15:19:41
1495
原创 【深度学习——Pycharm环境配置】
安装torchvision的步骤见前面大佬的文章和B站视频，此文章只介绍怎么激活环境以及剩下的包如何批量导入，算是对Buliiiing大佬的补充说明。
2024-11-15 18:13:43
3401
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人