计算机视觉与深度学习
1. 定义及联系 计算机视觉（Computer Vision）是指利用计算机和相应的数字信号处理技术，对从现实世界中获取的图像和视频数据进行理解和分析的研究领域。而深度学习（Deep Learning）是机器学习的一个分支，通过多层神经网络模型学习数据的表示，实现对复杂模式和结构的学习。深度学习技术已经成为了计算机视觉领域的主要驱动力之一，通过深度学习方法可以自动学习到数据的特征表示，从而大大提高了计算...
动手学深度学习——数据操作笔记
量本质上是一个n维数组，它在numpy中为ndarray, 在pytorch中称为tensor ， 两者的区别在于： numpy仅支持CPU计算tensor能支持GPU运算，并且支持自动微分，更适合深度学习 2. 张量的访问 一个二维矩阵a，可以使用切片的方式灵活访问： 访问指定元素：a [1,2]访问一整行元素：a [1,:]访问一整列元素：a[:,1]访问1到3行之间、第1列以后的矩形区域：a[1:...
深度学习基础——残差神经网络（ResNet）
深度学习基础——残差神经网络（ResNet） 1. 定义 残差神经网络（ResNet）是一种深度神经网络结构，由微软研究院的Kaiming He等人于2015年提出。它通过引入残差块（Residual Block）来解决深度神经网络的退化问题，使得网络可以更深地进行训练。ResNet在ImageNet图像识别挑战赛上取得了第一名的成绩，并在许多领域取得了显著的成功应用。 2. 如何计算 ResNet的核...
【深度学习基础（3）】初识神经网络之深度学习hello world
ras库来学习手写数字分类。 在这个例子中，我们要解决的问题是，将手写数字的灰度图像（28像素×28像素）划分到10个类别中（从0到9）。我们将使用MNIST数据集。你可以将“解决”MNIST问题看作深度学习的“Hello World”，用来验证你的算法正在按预期运行。下图给出了MNIST数据集的一些样本。 说明 你不需要现在就尝试在计算机上运行这个例子。之后的文章会具体分析。 一. 训练Kera...
【YoloDeployCsharp】基于.NET Framework的YOLO深度学习模型部署测试平台
YoloDeployCsharp|基于.NET Framework的YOLO深度学习模型部署测试平台 1. 项目介绍2. 支持模型3. 时间测试4. 总结 1. 项目介绍 基于.NET Framework 4.8 开发的深度学习模型部署测试平台，提供了YOLO框架的主流系列模型，包括YOLOv8~v9，以及其系列下的Det、Seg、Pose、Obb、Cls等应用场景，同时支持图像与视频检测。模型部署...
深度学习模型Deep Learning Model
什么是深度学习？？ 深度学习模型的核心特点包括： 深度学习的发展史 总结： 当我们说深度学习模型时，我们在谈论一种特殊的计算机程序，它们可以像人类大脑一样学习和理解数据。这些程序被称为“深度学习”模型，因为它们由很多层次（或称为深度）组成，每一层都会逐步学习更加抽象和复杂的概念。让我用一个比喻来解释：想象你正在学习做一个汉堡包，你需要逐步学习每一个步骤，比如烤面包、煎牛肉饼、加上蔬菜和酱料等等。深度...
【深度学习基础（2）】深度学习之前：机器学习简史
文章目录 一. 深度学习的起源1. 概率建模--机器学习分类器2. 早期神经网络--反向传播算法的转折3. 核方法 -- 忽略神经网络4. 决策树、随机森林和梯度提升机5. 神经网络替代svm与决策树 二. 深度学习与机器学习有何不同 可以这样说，当前工业界所使用的大部分机器学习算法不是深度学习算法。深度学习不一定总是解决问题的正确工具：有时没有足够的数据，深度学习不适用；有时用其他算法可以更好地解决问...
【PyTorch与深度学习】3、PyTorch张量的运算API（下）
课程地址 最近做实验发现自己还是基础框架上掌握得不好，于是开始重学一遍PyTorch框架，这个是课程笔记，这个课还是讲的简略，我半小时的课听了一个半小时。 1. PyTorch的数据类型 浮点数计算方式详见IEEE 754二进制浮点数算术标准百度百科，实际炼丹的时候注意一下就行，不用细究，主要是精度不同。 2. 张量操作 （1）take：返回一个新张量，其元素为给定索引处的输入。输入张量被视为1-D张量...
在图像处理领域，机器学习方法和深度学习方法的优势
在图像处理领域，机器学习方法和深度学习方法都被广泛应用，但两者有一些不同点和各自的优势。 机器学习 机器学习方法是利用数据和统计学方法来构建模型和算法，从而对图像进行分类、分割、特征提取等任务。常见的机器学习方法包括支持向量机（SVM）、随机森林（Random Forest）、决策树等。它们通常需要手动选择和提取图像的特征，然后通过训练模型来学习特征与标签之间的关系。机器学习方法的优点是对于小规模数据集...
GPU深度学习环境搭建：Win10+CUDA 11.7+Pytorch1.13.1+Anaconda3+python3.10.9
1. 查看显卡驱动及对应cuda版本关系 1.1 显卡驱动和cuda版本信息查看方法 在命令行中输入【nvidia-smi】可以当前显卡驱动版本和cuda版本。 根据显示，显卡驱动版本为：Driver Version: 516.59，CUDA 的版本为：CUDA Version 11.7。 此处我们可以根据下面的表1 显卡驱动和cuda版本对应关系得知，Driver Version: 527.47 ...