windmyself的专栏

pytorch相关预训练模型下载地址

腾讯游戏人脸识别验证是否会保存用户信息

原因是paddle的环境使用了2.0 版本，换成2.1版本就可以了。

AI达人创造营：数据获取与处理（以CV任务为主）课程目的数据的获取途径数据处理与标注数据预处理方法模型训练评估课程链接：https://www.bilibili.com/video/BV1qq4y1X7uZ?p=2一、数据集的获取  通常，我们的数据来源于各个比赛平台。首先是AIStudio中的数据集，大部分经典数据集例如百度AI Studio ,Kaggle、天池、讯飞等平台（通过关键词搜索获取需要的数据集），或者是Github。还有一些小的平台，需要大家自己去看。通常来说，数据集

这节课主要讲了各种创意项目的来源：创意如何诞生的：创意的诞生分趣味项目、工业项目、平时的灵感项目：首先是趣项目的灵感来源：如上图所示，创意是生活中遇到的一些小问题，通过paddle来解决这些小问题，这些算是趣味创意项目。工业项目：工业创意项目的灵感来源是通过观察工业中存在哪些问题，这些问题是否可以通过paddle来解决，如何满足这些条件，就可以进行工业创意项目的开发啦~平时的灵感项目:将不同方向的技术相结合，比如看图写诗，就是将cv和nlp方向进行结合做出的创意项目。今天的课程笔记

centos7安装pytorch0.4.0创建一个新的conda环境创建python版本为X.X、名字为your_env_name的虚拟环境。your_env_name文件可以在Anaconda安装目录envs文件下找到。conda create -n your_env_name python=X.X（2.7、3.6等)查看所有conda环境conda env list查看新建的conda环境中所安装过的库pip list去pytorch官网查找对应的pytorch版本，

环境：python3、torch1.2.0(torch1.5.0也可以)、torchvision0.4.0代码：（注：DOWNLOAD_MNIST = False第一次应该设为True，原因在代码注释里）# 参考链接：https://blog.youkuaiyun.com/JIAYONG_CHEN/article/details/106836962import torchfrom torch.autograd import Variableimport torch.utils.data as Data.

环境：python3、torch1.2.0(torch1.5.0也可以)、torchvision0.4.0代码：（注：download=False第一次应该设为True，原因在代码注释里）# 参考链接：https://www.cnblogs.com/yangmang/p/7530748.htmlimport torch import torch.nn as nnfrom torch.autograd import Variableimport torch.utils.data as dat.

报错信息如下：Intel MKL function load error: cpu specific dynamic library is not loaded.解决方法：conda install nomkl

直接运行就可以，项目链接：（待更新）import codecs import os import random import shutil from PIL import Image # 训练和验证数据集的比例，多少比例用于训练train_ratio = 4.0 / 5 all_file_dir = 'imgdata/IDcard' class_list = [c for c in os.listdir(all_file_dir) if os.path.isdir(o

### 报错信息[ERROR 2021-06-09 10:55:31,751 logger.py:78] data read faild: imgdata/driver/normal/贵AU8858_2020-11-19-20-00-41_2_641444_000.jpg 0, exception info: 'data_dir'### 是因为： file_list: "imgdata/train.txt" data_dir: "imgdata/driver/" ...

使用VisualDL可视化基于PaddleSeg的眼底血管分割VisualDL 是一个面向深度学习任务设计的可视化工具。VisualDL 利用了丰富的图表来展示数据，用户可以更直观、清晰地查看数据的特征与变化趋势，有助于分析数据、及时发现错误，进而改进神经网络模型的设计。目前，VisualDL 支持 scalar, image, audio, graph, histogram, pr curve, high dimensional 七个组件，项目正处于高速迭代中，敬请期待新组件的加入。本次项目使

特征融合代码理解特种融合代码理解新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入特种融合代码理解集成学习的方法在这类比赛中经常使用，要想获得好成绩集成学习必须做得好。在这里简单谈谈思路，我们使用了两个模型，我们模型也会采

训练轮数与Epoch转换关系：根据训练集数量与总batch_size大小计算epoch数，然后将epoch数换算得到训练总轮数max_iters。milestones（学习率变化界限）也是同理。配置文件中batch_size=2，训练集数量为593，训练6个Epoch，在单卡GPU上训练，max_iters=593x6=3558。同理计算milestones为:[2372,3261]下图中第一个是红线是指初始学习率第二个红线是指学习率调整倍数gamma，设置为0.1第三个红线是指学习率变化界..