pytorch

荼蘼1 小时前
人工智能·pytorch·python
使用 Flask 实现本机 PyTorch 模型部署:从服务端搭建到客户端调用目录前言一、部署前准备1.1 环境要求1.2 必备文件二、服务端搭建:让模型 “听候指令”2.1 服务端完整代码(server.py)
罗橙7号8 小时前
人工智能·pytorch·python
【pyTorch】关于PyTorch的高级索引机制理解看起来简短,其实包含了 PyTorch 的高级索引(advanced indexing) 机制, 常用于分类任务中,从模型输出中取出正确类别对应的预测概率(或分数)。
递归不收敛9 小时前
pytorch·学习·机器学习
吴恩达机器学习课程(PyTorch适配)学习笔记:1.5 决策树与集成学习决策树是一种直观且易于解释的机器学习模型,而集成学习通过组合多个决策树能够显著提升模型性能。本文详细讲解决策树的原理、学习过程、纯度指标,以及随机森林、XGBoost等集成学习方法,并提供PyTorch实现示例。
kalvin_y_liu10 小时前
人工智能·pytorch·langchain
PyTorch、ONNX Runtime、Hugging Face、NVIDIA Triton 和 LangChain 五个概念的关系详解以下是 PyTorch、ONNX Runtime、Hugging Face、NVIDIA Triton 和 LangChain 五个概念的关系详解,它们共同构成从模型开发→优化→部署→应用的全栈工具链,而 OpenVINO 作为底层加速引擎贯穿始终:
递归不收敛16 小时前
pytorch·学习·机器学习
吴恩达机器学习课程(PyTorch 适配)学习笔记大纲#### 1.1 基础模型与数学原理 线性回归模型 成本函数(定义 + 直觉) 成本函数可视化(示例) 逻辑回归(动机 + 决策边界) 逻辑回归成本函数(基础版 + 简化版) #### 1.2 优化算法实践 梯度下降(原理 + 直觉 + 代码框架) 学习率(选择方法 + 影响分析) 线性回归的梯度下降(运行流程) 多重线性回归的梯度下降 高级优化算法(框架适配) #### 1.3 特征工程与模型优化 多特征处理基础 特征缩放(原理 + PyTorch 适配) 特征工程(构建 + 筛选思路) 多项式回归(非
递归不收敛19 小时前
pytorch·学习·机器学习
吴恩达机器学习课程(PyTorch适配)学习笔记:2.4 激活函数与多类别处理在深度学习中,激活函数为网络引入非线性能力,是实现复杂模式建模的核心;而多类别处理则是解决实际分类任务(如图像识别、文本分类)的关键技术。本章将系统讲解激活函数的类型、选择依据,以及多类别分类的实现方案(含Softmax原理与PyTorch适配),并扩展至多输出分类场景。
CH3_CH2_CHO1 天前
人工智能·pytorch·深度学习·神经网络
DAY03:【DL 第一弹】神经网络人工神经网络(ANN)是模仿生物大脑神经元结构的计算模型。生物大脑由数十亿神经元组成,每个神经元通过树突接收信号,在细胞体内处理后,通过轴突输出信号到其他神经元。人工神经网络用数学模型模拟这一过程:每个人工神经元接收多个输入信号(类似树突),对信号进行加权求和(模拟细胞体整合信息),再通过激活函数(模拟神经元的兴奋/抑制状态)输出结果。
递归不收敛1 天前
pytorch·学习·机器学习
吴恩达机器学习课程(PyTorch 适配)学习笔记:3.4 强化学习强化学习(Reinforcement Learning, RL)是一种智能体(Agent)通过与环境(Environment)交互试错,学习最优行为策略的机器学习范式。其核心区别于监督/无监督学习:
递归不收敛1 天前
pytorch·学习·机器学习
吴恩达机器学习课程(PyTorch适配)学习笔记:1.4 模型评估与问题解决模型训练完成后,需要通过科学的评估方法判断性能优劣,同时解决训练中可能出现的过拟合、收敛困难等问题。本节从梯度下降收敛性检查、模型评估体系、过拟合解决方案到倾斜数据集处理,覆盖全流程问题解决思路,并结合PyTorch实现实操代码。
蒋星熠2 天前
人工智能·pytorch·爬虫·python·深度学习·机器学习·计算机视觉
反爬虫机制深度解析:从基础防御到高级对抗的完整技术实战🌟 Hello,我是蒋星熠Jaxonic! 🌈 在浩瀚无垠的技术宇宙中,我是一名执着的星际旅人,用代码绘制探索的轨迹。 🚀 每一个算法都是我点燃的推进器,每一行代码都是我航行的星图。 🔭 每一次性能优化都是我的天文望远镜,每一次架构设计都是我的引力弹弓。 🎻 在数字世界的协奏曲中,我既是作曲家也是首席乐手。让我们携手,在二进制星河中谱写属于极客的壮丽诗篇!
it技术2 天前
pytorch·后端
Pytorch项目实战 :基于RNN的实现情感分析获课地址:666it.top/4842/引言 在自然语言处理领域,情感分析是最基础也是最广泛的应用之一。无论是分析用户对产品的评论、社交媒体上的舆论倾向,还是监控客户反馈,情感分析都扮演着至关重要的角色。对于求职者而言,掌握一个完整的情感分析项目,是向面试官展示你NLP实战能力的“敲门砖”。本篇将带你从零开始,使用PyTorch构建一个基于IMDb数据集的电影评论情感二分类模型,拆解从数据预处理到模型训练的每一个关键步骤。
mooooon L2 天前
人工智能·pytorch·python·深度学习·神经网络
DAY 43 复习日-2025.10.7作业: kaggle找到一个图像数据集,用cnn网络进行训练并且用grad-cam做可视化 进阶:并拆分成多个文件
ting_zh3 天前
人工智能·pytorch·tensorflow
PyTorch、TensorFlow、JAX 简介在深度学习领域,PyTorch、TensorFlow 和 JAX 是目前最主流的三大开源框架。它们都能用于构建、训练和部署神经网络,但在设计理念、易用性和性能方面各有特点。
wa的一声哭了3 天前
人工智能·pytorch·python·深度学习·神经网络·语言模型·transformer
Stanford CS336 assignment1 | Transformer Language Model Architecture我们每次都去激活环境太繁琐这里建议直接把激活环境的命令写进.bashrc文件 找到家目录下的.bashrc文件 然后找到项目根目录下面有一个.venv文件 .venv目录下有一个bin,然后bin中有一个activate脚本,这个脚本就是用来激活uv环境的,我们只需要在每次打开终端也就是shell启动的时候执行一遍这个脚本就好了。
JJJJ_iii3 天前
人工智能·pytorch·笔记·python·深度学习·机器学习
【深度学习04】PyTorch:损失函数、优化器、模型微调、保存与加载在训练神经网络时,我们需要一个指标来衡量模型预测的好坏。这个指标就是损失函数(Loss Function)。简单来说,损失函数计算的是模型实际输出(output) 与 真实目标(target之间的差距。这个差距,我们称之为“损失(Loss)”。
Francek Chen3 天前
人工智能·pytorch·深度学习·计算机视觉·卷积神经网络
【深度学习计算机视觉】10:转置卷积【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
算法与编程之美3 天前
人工智能·pytorch·python·深度学习·机器学习
探索flatten的其他参数用法及对报错异常进行修正1 问题对flatten的其他参数的用法进行进一步了解探索torch.flatten()与torch.nn.flatten()的区别
Ykkk_3 天前
人工智能·pytorch·python
小土堆pytorchDataset的使用torch.utils.data.Dataset:数据集的抽象类,需要自定义并实现 __len__(数据集大小)和 __getitem__(按索引获取样本)。
FriendshipT3 天前
人工智能·pytorch·python·深度学习·目标检测·语义分割·实例分割
图像分割:PyTorch从零开始实现SegFormer语义分割[1] Enze Xie, Wenhai Wang, Zhiding Yu, Anima Anandkumar, Jose M. Alvarez, Ping Luo. SegFormer: Simple and Efficient Design for Semantic Segmentation with Transformers. 2021 [2] https://github.com/NVlabs/SegFormer.git [3] https://github.com/bubbliiiing/seg
JJJJ_iii4 天前
pytorch·笔记·python·深度学习·学习·jupyter
【深度学习01】快速上手 PyTorch:环境 + IDE+Dataset一个package就像一个工具箱今天我们来介绍pytorch这个package 例如这个工具箱有1、2、3,4 四个分隔区