小白学深度

最新推荐文章于 2025-01-27 15:02:06 发布
最新推荐文章于 2025-01-27 15:02:06 发布
阅读量763 收藏
点赞数 2
分类专栏： 深度学习 文章标签： 深度学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/ymmyym/article/details/142140489
版权

东学一篇西学一篇发现有的是用虚拟环境装的，有的是用自己下载的python环境装的（我就是）

在pycharm中找不到cmd中导入的包，从软件内部导入的cuda显示版本2.4.1+cpu，且torch.cuda.is_available()得到的结果是false，迷茫了十几分钟，遂误打误撞发现

将之前新建的解释器换为本地下载安装的python即可，之前测试导入的所有numpy,torch等包也全在pycharm中显示出来了。

并且在输入如下三条指令后，成功得到正确的结果

上述内容仅供本人记录学习，无任何指导意义。

小白学深度学习：知识蒸馏研究综述
gangyikeji的博客
08-30 1307
知识蒸馏是一种教师-学生(Teacher-Student)训练结构，通常是已训练好的教师模型提供知识，学生模型通过蒸馏训练来获取教师的知识。它可以以 轻微的性能损失为代价将复杂教师模型的知识迁移到简单的学生模型中。知识蒸馏与迁移学习思想较为相似，然而它们有以下四点的不同：知识蒸馏中的知识通常是在同一个目标数据集上进行迁移，而迁移学习中的知识往往是在不同目标的数据集上进行转移。知识蒸馏的两个网络可以是同构或者异构的，而迁移学习通常是在单个网络上利用其它领域的数据知识。
小白学习深度学习的一点心得
qq_43022132的博客
04-19 1723
背景 我是小菜鸡球球，一所西南985学校EE专业的学生。 最近因为实验室接了一个国防项目，涉及机器学习/深度学习，头大的我开始尝试。 看了各种书，什么西瓜书花书，然后是各种视频，但是这个东西真的是很难入门的东西，并且需要较高的数学基础，这是我前期的想法。 后来架不住就放弃了，先去刷paper，然后在paper里又再次重逢SVM和CNN。。。好吧，看来是不盘你不行了！！！ 然后一番思考准备学深度学习...
conda pytorch 安装使用
qq_44179528的博客
11-11 803
win11 专业版pycharmpytorch： 显卡是RTX 4060 所以对应选择版本：torch2.4.1+cu118torchvision： 根据 pytorch选择对应版本（torchvision 0.19.1+cu118 注意这里直接安装会安装不带cu118的，也就是CPU的），一般使用conda默认安装即可，额根据参考检擦版本是否对应参考：https://github.com/pytorch/vision 做好版本对应！
【已完成】windows配置pytorch2.4.1深度学习环境
聪明不喝牛奶的博客
11-19 1728
目前正在学习pytorch环境下学习yolo11中的语义分割部分，第一步就是要开始配置所需要的环境，在这边分享一下过程。首先说明一下我的电脑配置：显卡是A5000，Windows10，需要装的是pytorch2.4.1 、cuda11.8和配套的cudnn、Python3.10.14其他按照yolo11中的需求安装。完成了所有的安装，那么就可以慢慢的炼丹了！收工~~以下是所需要的安装包文件自取：链接：https://pan.baidu.com/s/1ql0D_768yhceZI_b2LvMXw。
Windows 10 CUDA 11.7升级11.8指南
ChinaLiaoTian的博客
01-27 2376
PyTorch CUDA
最简单的一文安装Pytorch+CUDA
crownyouyou的博客
09-20 5874
1、不改清华源的前提下，官网下载太慢，如果换清华源又不能兼顾CUDA，最简单的办法直接多线程下载。小白可以用迅雷下载。2、cuda版本和显卡支持版本需要自己看一下。
【Python · Pytorch】配置cuda环境 & cuDNN库
茶色喵的博客
09-06 7030
本文介绍如何配置cuda环境、cuDNN库，并安装GPU版本的Pytorch。
torch-2.4.1+cu121-cp310-cp310-win-amd64.zip.003
10-01
torch-2.4.1+cu121-cp310-cp310-win-amd64.zip.003
Windows环境下安装最新版本的DGL
weixin_53801211的博客
10-24 2834
自2024.06之后，DGL团队就不再更新Windows和Mac版本的包，然而使用旧版本的包会出现与torch的兼容性问题，因此若是习惯于Pytorch框架的用户，可以尝试使用PyG (torch-geometric)，同样能进行图神经网络的搭建若是一定要用dgl，优先考虑在Linux上安装。当然通过2.3节的流程，也能实现最新版本dgl在Windows环境的安装，经实测，CPU和CUDA版本均能成功运行并且兼容torch 2.4.x。
小白学习深度学习坑一mask rcnn安装及测试
weixin_45622994的博客
07-09 709
小白学习深度学习坑一mask rcnn安装及测试 基本设施 小白一只，因之前学习需要，需要安装mask rcnn,安装过程令人吐血，测试时也问题多多，头大！ windows10 ,gtx 1050ti,cuda 10.0,cudnn7.6.5,anaconda3，python3.6. 安装过程 打开你的anaconda prompt， 第一步输入conda create -n maskrcnn python=3.6第二步输入y 第三步activate maskrcnn 接下来就是安装了，依次输入pip in
零基础小白深度学习入门篇
qq_42370150的博客
05-19 8903
觉得小编不错请关注加点赞谢谢 一、人工智能和新科技革命 2017年，围棋界发生了一件比较重大的事，Master（AlphaGo）以60连胜横扫天下，击败各路世界冠军，人工智能以气势如虹的姿态出现在我们人类面前。围棋曾经一度被称为“人类智慧的堡垒”，如今，这座堡垒也随之成为过去。 从2016年三月份AlphaGo击败李世石开始，AI全面进入我们大众的视野，对于它的讨论变得更为火热起来，整个业界普遍认为，它很可能带来下一次科技革命，并且，在未来可预见的十多年里，深刻的改变我们的生活。 其实，A...
torch-2.4.1+cu121-cp310-cp310-win-amd64.zip.002
10-01
torch-2.4.1+cu121-cp310-cp310-win-amd64.zip.002
torch和torchvision 版本对应
gls_nuaa的博客
10-08 2401
torch和torchvision 版本对应
《动手学深度学习 Pytorch版》 2.4 微积分
AncilunKiang的博客
06-08 181
导数是啥无需多讲，可以代码实现求fx3x2−4x在x1处的导数的趋近值.5f1.5f使用matplotlib对导数的这种解释进行可视化。ps：#@save是d2l包的标记，用来把函数、类或者语句保存在d2l包中，以后无需定义即可调用。
Pytorch2.4.0+cu124-GPU速装
A1777873的博客
08-27 8399
文章对比较新的版本Pytorch2.4.0+cu124-GPU进行速装
计算生物学习——Code_创建异构图_①安装dgl
weixin_43213559的博客
07-30 958
根据咱第一篇博客的方法下载好pytorch(这里用的还是python 3.8)我发现是我忽略了pytorch的版本，这里并没有2.4.0的版本.....(记住这个2.4.0+cu118，别跟着学，看到后面就懂了)发现可能不能直接用pip install dgl安装。把Error中提示说没装的都装上。点击下面的网址，选择对应的版本进行安装。就用上一篇博客中的BidingDB。，会提示说有包没安装，安装上就行~打开网址，查找可以下载的dgl。确定OS和CUDA的方法上面有。提示中没装的包都装上~
FileNotFoundError: Cannot find DGL C++ graphbolt library at ...
热门推荐
weixin_44017989的博客
04-12 1万+
解决dgl与pytorch版本问题
Win10 下载torch以及CUDA配置
weixin_45885074的博客
03-22 4971
下载torch以及CUDA配置下载torch和torchvision安装torch和torchvision安装CUDA检查是否成功 下载torch和torchvision 进入该网站，下载对应的torch和torchvision版本。 https://download.pytorch.org/whl/torch_stable.html 以该图为例，cu102代表CUDA10.2版本，cp代表python版本，win当然代表window系统了，而64则是64位操作系统的意思。 一些trick：如果太多的w
小白学习yolo
最新发布
03-24
### YOLO教程及入门资料 YOLO（You Only Look Once）是一种广泛应用于目标检测的深度学习框架，以其高效的推理速度和良好的精度而闻名。以下是关于YOLO的基础知识、学习资源以及实践方法。 #### 什么是YOLO？ YOLO是一类基于单阶段的目标检测算法，其核心思想是通过一次前向传播完成对象定位和类别预测的任务[^1]。相比传统的两阶段检测器（如Faster R-CNN），YOLO显著减少了计算开销并提高了运行效率，非常适合实时应用场景。 #### Ultralytics与YOLOv5 Ultralytics是一家专注于计算机视觉技术的公司，他们开发了YOLOv5这一版本，它是目前最受欢迎的目标检测模型之一。YOLOv5不仅继承了经典YOLO系列的优点，还引入了许多现代优化手段来提升性能和降低硬件需求。 #### 学习资源推荐 对于初学者来说，可以从以下几个方面入手： 1. **官方文档** 官方提供了详尽的指南帮助开发者理解和部署YOLOv5模型。例如，在Python环境中加载预训练权重文件`yolov8n.pt`并通过简单几行代码即可实现自定义数据集上的训练过程[^2]: ```python from ultralytics import YOLO # 加载预训练模型 model = YOLO("yolov8n.pt") # 开始训练 results = model.train(data="custom_dataset.yaml", epochs=100, imgsz=640) ``` 2. **在线课程与博客文章** 社区中有大量高质量的学习材料可供参考。比如某些博主撰写的《YOLO入门合集》涵盖了从环境搭建到具体案例分析等多个环节的内容^。另外还有专门讲解如何利用LabelImg或其他工具生成适合输入给YOLO使用的标注格式的文章[^3]^。 3. **开源项目** GitHub上存在许多围绕YOLO展开的实际工程项目，这些项目往往附带完整的源码以及详细的说明文档，非常适合用来深入研究或者作为个人项目的起点。 4. **论坛交流平台** 如果遇到困难无法解决，则可以通过访问像Stack Overflow这样的问答网站寻求解答；同时也可以加入一些特定于CV领域的微信群组/Slack频道分享经验心得。 #### 实践建议 当决定动手尝试构建属于自己的YOLO模型之前，请务必做好充分准备： - 明确所需解决问题的具体场景是什么样的； - 收集足够的样本图片并且按照标准方式进行标记处理； - 调整超参数设置直至获得满意的效果为止。 ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值