xiaotiig的博客

PYTHON安装whl文件https://jingyan.baidu.com/article/d45ad14857168e69552b801f.html

Torchvision 提供了各种经典的计算机视觉数据集的加载器，如CIFAR-10、ImageNet，以及用于数据预处理和数据增强的工具，可以帮助用户更轻松地进行图像分类、目标检测、图像分割等任务。总之，安装 Torchvision 和 Torchaudio 取决于你的具体项目需求，它们为图像处理和音频处理任务提供了方便和效率。Torchaudio 对于声音信号的处理和音频数据的加载非常有用，如果你的项目涉及到语音识别、音频分类、声音生成等任务，它将是一个强大的工具。

cuDNN是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算。向下兼容指是显卡驱动向下兼容CUDA，在电脑上看到显卡驱动最高支持的CUDA是10.1 版本，那你安装9.2版本的CUDA也行，不超过10.1就行。有的教程说要安装，有的教程不用安装，实际上不用单独安装，直接在conda安装gpu版本的pytorch的时候，就可以直接把CUDA安装上了。2 安装CUDA（没有才安装，有的话就不用安装了，安装的时候有两种方式，选择和pytorch一起安装的方式，不要自己独自安装）

linux训练模型1 下载好anaconda2 安装anaconda3 验证和修改配置文件4 安装tensorflow和使用5 训练tensorflow6 代码应用参考文献1 安装anaconda2 安装tensorflow非常简单1 下载好anaconda2 安装anaconda3 验证和修改配置文件4 安装tensorflow和使用(1) 创建虚拟环境，需要先激活 source activateCommandNotFoundError: Your shell has not been pr

只需要配置两点就可以1 模型添加到device里2 输入

问题有时候直接使用gpu的tensorflow时，会报错，这时候可能是gpu内存爆了，不要着急去使用cpu，先用第一种方式试一试，不行了再用cpu，cpu实在太慢了1 使用gpu,physical_device = tf.config.experimental.list_physical_devices(“GPU”)tf.config.experimental.set_memory_growth(physical_device[0], True)使用cpu的时候需要把这个删除了2 使用cpu#

小知识1 tf.argmax2 tf.nn.softmax31 tf.argmax2 tf.nn.softmaxhttps://blog.youkuaiyun.com/xiaotiig/article/details/1112578223

常用技术

后处理

模型应用

模型保存

模型测试

模型优化

模型训练两种方式

反向传播

模型构建1 初识2 Keras 当中的layer(层)接口3 Models4 一个小案例1 初识实例化层然后调用方法，两步init里实例化各种方法call调用各种方法继承 tf.keras.Model 后，我们同时可以使用父类的若干方法和属性，例如在实例化类 model = Model() 后，可以通过 model.variables 这一属性直接获得模型中的所有变量，免去我们一个个显式指定变量的麻烦。对于上面的 y_pred = w * X + b ，我们可以通过模型类的方式编写如下：这里

开发手册https://www.w3cschool.cn/tensorflow_python/tensorflow_python-j4ni2u54.html

这里写目录标题1 Tensorflow张量1.1 张量类型1.2 张量的阶1.3 张量操作1.3.1 创建固定值张量1.3.2 创建随机值张量1.3.3 张量类型的变换1.3.4 张量的其它操作2 Tensorflow变量（tf.Variable(initial_value=3.)3 求导3.1 普通NumPy 下的线性回归求导实现3.2 TensorFlow 下的线性回归求导1 Tensorflow张量1.1 张量类型1.2 张量的阶1.3 张量操作1.3.1 创建固定值张量1.3.

数据和数据预处理1 获取数据集（两种方法）1.1 使用自带数据集1.2 自己定义数据集1.2.1 读取h5文件1.2.2 读取文件夹文件1.2.3 语义分割时获取文件夹中图像和预处理2 数据预处理1 获取数据集（两种方法）1.1 使用自带数据集使用datasets模块1.2 自己定义数据集1.2.1 读取h5文件# 进行h5数据的读取import numpy as npimport h5pydef load_dataset(): train_dataset = h5py.F

https://blog.youkuaiyun.com/weixin_39957647/article/details/111538757https://blog.youkuaiyun.com/phdongou/article/details/113816571?utm_medium=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.control&dist_request_id=1328641.42639.1615731

这里写目录标题1问题三级目录2解决方法2.1激活函数用错了2.2数据没有预处理2.3损失函数用错了2.4学习率太大了2.5批次量太小了1问题16/739 […] - ETA: 5:53 - loss: 0.4488 - acc: 0.0000e+00三级目录2解决方法2.1激活函数用错了多分类要用softmax，不用sigmoid2.2数据没有预处理比如分类的时候，需要把结果数据转换为0，1，2形式比如下面在语义分割的时候，需要先检查数据，把像素值先做归一化检查数据：大小，通道，值的

anaconda安装gpu版本的tensorflow教程1、安装anaconda2、创建虚拟环境3、安装tensorflow及相关包4、测试是否运行正常1、安装anaconda直接百度，教程很简单2、创建虚拟环境打开anaconda的anaconda prompt,输入以下conda命令:conda create -n tensorflow2.0gpu python=3.6跳出询问是否下载后，输入y下载3、安装tensorflow及相关包（1）查看自己的显卡是否支持gpu加速，一般算