pytorch

不打滑的西瓜皮3 小时前
图像处理·人工智能·pytorch·python·深度学习·机器学习
机器学习数理基础:从概率到梯度下降的全面解析机器学习是数据与算法的艺术,而数学是其背后的语言。无论是理解模型原理、优化算法,还是解决实际问题,扎实的数理基础都是必不可少的。本文将从概率论、线性代数、微积分三大核心领域出发,结合机器学习中的经典算法,带你从零构建数理知识体系。
taoqick9 小时前
人工智能·pytorch·深度学习
对PosWiseFFN的改进: MoE、PKM、UltraMem如果Attention的维度是d_model,通常PosWiseFFN模型结构就是2个矩阵中间加个Gelu,d_ff是d_model的4倍:第1个矩阵的weight是[d_model, 4*d_model],第2个矩阵的的weight是[4*d_model, d_model]。
小喵要摸鱼13 小时前
pytorch·python
【Pytorch 库】自定义数据集相关的类详细信息,参阅 torch.utils.data 文档页面 写得很棒的文章:PyTorch加载自己的数据集
懒大王今天不写代码16 小时前
人工智能·pytorch·python
为什么Pytorch中实例化模型会直接调用forward方法?在 PyTorch 中,为何定义一个继承自 nn.Module 的自定义类并实现 forward 方法后,直接调用模型实例时,便会自动调用其 forward 方法?例如使用 output = model(x) 这种形式。
Francek Chen19 小时前
人工智能·pytorch·深度学习·神经网络·cnn
【现代深度学习技术】卷积神经网络 | 从全连接层到卷积【作者主页】Francek Chen 【专栏介绍】 ⌈ ⌈ ⌈PyTorch深度学习 ⌋ ⌋ ⌋ 深度学习 (DL, Deep Learning) 特指基于深层神经网络模型和方法的机器学习。它是在统计机器学习、人工神经网络等算法模型基础上,结合当代大数据和大算力的发展而发展出来的。深度学习最重要的技术特征是具有自动提取特征的能力。神经网络算法、算力和数据是开展深度学习的三要素。深度学习在计算机视觉、自然语言处理、多模态数据分析、科学探索等领域都取得了很多成果。本专栏介绍基于PyTorch的深度学习算法实现
青丶空゛1 天前
pytorch·分类·cnn
pytorch cnn 实现猫狗分类我们将创建一个自定义数据集类来加载猫狗图片。定义数据预处理方法,并加载数据集。我们定义了一个自定义数据集类 CatDogDataset 来加载猫狗图片。
zhulu5061 天前
人工智能·pytorch·学习
PyTorch 源码学习:阅读经验 & 代码结构分享自己在学习 PyTorch 源码时阅读过的资料。本文重点关注阅读 PyTorch 源码的经验和 PyTorch 的代码结构。因为 PyTorch 不同版本的源码实现有所不同,所以笔者在整理资料时尽可能按版本号升序,版本号见标题前[]。最新版本的源码实现还请查看 PyTorch 仓库。更多内容请参考:
安安爸Chris2 天前
人工智能·pytorch·python
【pytorch】weight_norm和spectral_normapply_parametrization_norm 和spectral_norm是 PyTorch 中用于对模型参数进行规范化的方法,但它们在实现和使用上有显著的区别。以下是它们的主要区别和对比:
来自于狂人2 天前
人工智能·pytorch·python·语言模型
基于Ubuntu+vLLM+NVIDIA T4高效部署DeepSeek大模型实战指南vllm部署和ollama部署的比较以及优势推荐使用Locust进行负载测试:启动命令:通过本方案的实施,我们在4*T4集群上实现了:
燃灯工作室2 天前
pytorch·深度学习·transformer
Transformer多头注意力并行计算原理与工业级实现:从数学推导到PyTorch工程优化Q = XW^Q ∈ R^{n×d_k} K = XW^K ∈ R^{n×d_k} V = XW^V ∈ R^{n×d_v}
GarryLau2 天前
pytorch·python·huggingface
huggingface/pytorch-image-modelshuggingface/pytorch-image-models单卡:多卡,下面参数的4表示4块卡一起训练:
大秦王多鱼2 天前
人工智能·pytorch·python
DnCNN 介绍及基于Pytorch复现论文地址:Beyond a Gaussian Denoiser: Residual Learning of Deep CNN for Image Denoising
钰见梵星3 天前
人工智能·pytorch·深度学习
训练与优化损失函数能够衡量神经网络输出与目标值之间的误差,同时为反向传播提供依据,计算梯度来优化网络中的参数。torch.nn.L1Loss 计算所有预测值与真实值之间的绝对差。参数为 reduction :
iracole3 天前
人工智能·pytorch·rnn·深度学习·神经网络·机器学习
深度学习训练camp-第R3周:RNN-心脏病预测🍺要求:🍻拔高:🏡 我的环境:● 语言环境:Python3.12.4 ● 编译器:Jupyter Lab ● 深度学习框架:pyTorch ● 数据地址:🔗百度网盘
Klein13 天前
人工智能·pytorch
DIN:引入注意力机制的深度学习推荐系统完整代码实现和jupyter运行:github.com/Myolive-Lin…在电商与广告推荐场景中,用户兴趣的多样性和动态变化是核心挑战。传统推荐模型(如Embedding & MLP)通过池化操作将用户历史行为压缩为固定长度的向量,导致用户兴趣表示过于静态化。为解决这一问题,阿里巴巴团队提出了深度兴趣网络(Deep Interest Network, DIN) ,通过自适应注意力机制动态建模用户兴趣,显著提升了点击率预测(CTR)的精度。本文将深入解析DIN的数学模型、结构设计及训练优化技术。
Yuezero_4 天前
pytorch·python·conda·bug·pip
【BUG】conda虚拟环境下,pip install安装直接到全局python目录中conda虚拟环境下,有的虚拟环境的python不能使用(which python时直接使用全局路径下的python),且pip install也会安装到全局路径中,无法安装到conda虚拟环境中。
紫雾凌寒4 天前
人工智能·pytorch·python·深度学习·ai·tensorflow·keras
深度学习框架探秘|Keras 应用案例解析以及 Keras vs TensorFlow vs PyTorch上一篇文章《深度学习框架探秘|Keras:深度学习的魔法钥匙》 我们初步学习了 Keras,包括它是什么、具备哪些优势(简洁易用的 API、强大的兼容性、广泛的应用领域),以及基本使用方法。本文,我将会带大家了解 Keras 在图像处理与自然语言处理领域的应用案例。以及 Keras 和 TensorFlow 及 PyTorch 的对比。话不多说,下面我们先从 Keras 的应用案例开始。
tRNA做科研4 天前
pytorch·深度学习·jupyter
2025最新深度学习pytorch完整配置:conda/jupyter/vscode从今天开始,开始一个新的专栏,更新深度学习相关的内容,从入门到精通,首先的首先是关于环境的配置指南:工欲善其事必先利其器!
紫雾凌寒4 天前
人工智能·pytorch·深度学习·机器学习·ai
深度学习框架探秘|PyTorch:AI 开发的灵动画笔前一篇文章我们学习了深度学习框架——TensorFlow(深度学习框架探秘|TensorFlow:AI 世界的万能钥匙)。在人工智能领域,还有一个深度学习框架——PyTorch,以其独特的魅力吸引着众多开发者和研究者。它就像一支灵动的画笔,让我们在 AI 的画布上自由挥洒创意,绘制出令人惊叹的作品。今天,就让我们一起走进 PyTorch 的世界,探索它的无限可能。