Vertira的博客

TypeError: Descriptors cannot be created directly.If this call came from a _pb2.py file, your gener

卷积神经网络训练中的迭代次数 轮数 bathsize的解释

瑞芯微RK3588等AI硬件NPU部署

paddle 瑞芯微电子RV1126 AI NPU部署

2022 FastDeploy快速部署入门（paddlepaddle）

深度学习：图像目标检测与图像分类的区别（简单理解）

paddle 模型与层

paddle 学习总结与使用指南 笔记(一)

paddle实现边缘检测和均值模糊

Paddle可视化神经网络热力图(CAM)

paddle.nn.Conv2D示例

PaddleX跨平台图形化部署开发工具实战 笔记（QT）

PaddleX跨平台图形化部署开发工具实战 笔记

paddle之squeeze()函数详解

cifar10数据集读取和显示

paddle 图像转tensor后，再转置回来，重新显示

Python读取图片并将其转化为numpy.ndarray()数据方法

paddle，图像转tensor 两种方法的不同

paddle CNN+Mnist识别 模型搭建，保存，加载，推理完整过程

paddle 绘制曲线图

paddle 训练模型的保持和载入

paddle 中的backward（）函数

paddle 静态图自定义Python算子

paddle动态图自定义算子（python版）

paddle 复现 MobileNets_V2模型（只关注模型）

paddle 复现 MobileNets模型（只关注模型）

paddle 复现ResNet模型（只关注模型）

Padele VGG-16网络结构实现

深度学习中的分类和回归（1）

深度学习网络发展

paddlepaddle 实现AlexNet模型，复现原创论文

paddlepaddle json数据集加载与MINIST数字识别训练，模型保存与加载

paddlepaddle 复现论文LeNet-5网络结构（仅仅关注模型）

paddlepaddle 查看GPU设备号，并启动单或者多GPU训练

​该OP是二维卷积层（convolution2d layer），根据输入、卷积核、步长（stride）、填充（padding）、空洞大小（dilations）一组参数计算输出特征层大小。输入和输出是NCHW或NHWC格式，其中N是批尺寸，C是通道数，H是特征高度，W是特征宽度。卷积核是MCHW格式，M是输出图像通道数，C是输入图像通道数，H是卷积核高度，W是卷积核宽度。如果组数(groups)大于1，C等于输入图像通道数除以组数的结果。详情请参考UFLDL's :卷积。如果bias_attr不为Fal..

摘要:本示例将会演示如何使用飞桨2.1完成时序异常检测任务。这是一个较为简单的示例，将会构建一个AutoEncoder网络完成任务。

paddle一个由三个卷积层组成的网络完成cifar10数据集的图像分类任务

使用LeNet在MNIST实现图像分类方法二，paddle，paddlepaddle

MNIST数据集实现图像分类，paddle,paddlepaddle

[研发人员必备]paddle 如何制作自己的数据集，并显示