介绍如何创建优化Pytorch/onnx C++部署框架，如果用英伟达的显卡加速（CUDA/TensorRT）模型的推理，如何在产品中应用。在此课程中会定义统一的借口，可以加载各种onnx模型，最主要的是如何在部署的时候避坑。
2022-03-08 21:18:22
1KB
1
行人重识别课程主要包括三大核心模块：1.2020经典算法(论文)详细解读；2.项目源码分析；3.实战应用；通俗讲解CVPR等会议最新行人重识别方向算法及其实现，基于PyTorch框架展开实战，逐行讲解全部项目源码及其应用实例。整体风格通俗易懂，用最接地气的方式带领同学们掌握最新行人重识别算法并进行项目实战。
2022-03-07 00:28:20
369B
1
兄弟们好呀，这里是肆十二，这转眼间寒假就要过完了，相信大家的毕设也要准备动手了吧，作为一名大作业区的UP主，也该蹭波热度了，之前关于图像分类和目标检测我们都出了相应的教程，所以这期内容我们搞波新的，我们用Unet来做医学图像分割。我们将会以皮肤病的数据作为示范，训练一个皮肤病分割的模型出来，用户输入图像，模型可以自动分割去皮肤病的区域和正常的区域。
2022-02-24 10:45:17
885.84MB
深度学习pytorch龙良曲配套课程课件和代码
视频见https://www.bilibili.com/video/BV1TU4y1H7Mz
2022-02-03 12:05:15
80.16MB
1
得益于互联网技术的快速发展，情感分析/分类技术近来也受到了大量的关注。情感分析已经成长为自然语言处理（NLP）中最活跃的研究领域之一，而情感分类是众多情感分析任务中必不可少的一环。本文使用文本分类中经典的TextCNN模型，对给定的中文电影评论进行情感分类。通过设计合理的网络结构，并使用pytorch进行实现，取得较为不错的效果。
关键词：情感分类 TextCNN pytorch
2022-01-07 16:38:39
83.39MB
文章目录一. 传统RNN二. GRUstep 1 : 载入数据集step 2 : 初始化参数step 3: GRUstep 4: 训练模型简洁实现GRU三. LSTMstep 1: 初始化参数step 2: LSTM 主函数step 3: 训练模型step 4: 简洁实现
一. 传统RNN
RNN存在的问题：梯度较容易出现衰减或爆炸（BPTT）
二. GRU
⻔控循环神经⽹络：捕捉时间序列中时间步距离较⼤的依赖关系
重置⻔有助于捕捉时间序列⾥短期的依赖关系；
更新⻔有助于捕捉时间序列⾥⻓期的依赖关系
step 1 : 载入数据集
import os
os.listdir('/home
2021-12-28 00:20:00
251KB
1
yolov5-6.0-diou以及diou-nms，纯代码，复制粘贴可用，此代码运行不同数据集的结果与传统6.0版本yolov5对比，结果可用于发硕士毕业论文或者小论文，不信可以去知网搜有没有相关文章
2021-12-26 21:03:15
2KB
本代码基于pytorch实现，复现ICCV 2019论文 Robust Loss Functions under Label Noise for Deep Neural Networks，论文地址https://arxiv.org/abs/1712.09482v1
2021-12-21 19:09:24
20KB
1
对租房信息进行数据分析的一个案例，里面包含了ipynb文件和所需信息的压缩包，还有少部分对数据特征（如独热编码）的PyTorch实现
2021-12-08 09:10:49
105.75MB
1
Task03：
过拟合和欠拟合
一类是模型无法得到较低的训练误差，我们将这一现象称作欠拟合（underfitting）；
另一类是模型的训练误差远小于它在测试数据集上的误差，我们称该现象为过拟合（overfitting）。 在实践中，我们要尽可能同时应对欠拟合和过拟合。虽然有很多因素可能导致这两种拟合问题，在这里我们重点讨论两个因素：模型复杂度和训练数据集大小。
模型复杂度
为了解释模型复杂度，我们以多项式函数拟合为例。给定一个由标量数据特征x和对应的标量标签y组成的训练数据集，多项式函数拟合的目标是找一个K阶多项式函数
来近似 y。在上式中，wk是模型的权重参数，b是偏差参数。与线性回归
2021-12-07 21:49:19
179KB
1