前言 我们使用深度学习网络实现波士顿房价预测，深度学习的目的就是寻找一个合适的函数输出我们想要的结果。深度学习实际上是机器学习领域中一个研究方向，深度学习的目标是让机器能够像人一样具有分析学习的能力，能够识别文字、图像、声音等数据。我认为深度学习与机器学习最主要的区
Windows11使用WSL Ubuntu搭建paddle的GPU环境 最近升级到了Windows11，突然有个大胆的想法：在Windows11上安装WSL，将所有开发环境安装到WSL中。这样就能在windows各种QQ/微信/Steam玩的飞起，又能在Linux中敲代码。 当前时间：2022-08-13，本文章中所有步骤都是根据官网的安装方法，如果时间比
深度学习入门 1、数据处理优化 1.1 前提条件 即多方的paddlepaddle库的导入，加载飞桨平台和数据处理库。 1 #数据处理部分之前的代码，加入部分数据处理的库 2 import paddle 3 from paddle.nn import Linear 4 import paddle.nn.functional as F 5 import os 6 import gzi
目录 模型开发 环境配置 加载数据集 模型组网 模型训练 模型训练 模型评估、验证 模型保存 模型部署 环境配置 代码 从完成一个简单的『手写数字识别任务』开始，快速了解飞桨框架 API 的使用方法。 回到顶部 模型开发 『手写数字识别』是深度学习里的 H
深度学习入门 1、随机梯度下降 在之前的学习过程当中，对于损失函数的最为重要的参数的梯度的更新是基于数据集中的所有数据，每一个数据都会进行到计算过程当中去，在本案例中，因为波士顿房价预测这个案例所涉及的数据并没有很多，还能够适用于这样的基于所有数据的计算。然而在实际的
深度学习入门 1、随机梯度下降 在之前的学习过程当中，对于损失函数的最为重要的参数的梯度的更新是基于数据集中的所有数据，每一个数据都会进行到计算过程当中去，在本案例中，因为波士顿房价预测这个案例所涉及的数据并没有很多，还能够适用于这样的基于所有数据的计算。然而在实际的
WARNING:root:PaddlePaddle meets some problem with 8 GPUs. This may be caused by: 1. There is not enough GPUs visible on your system 2. Some GPUs are occupied by other process now 3. NVIDIA-NCCL2 is not installed correctly on your system. Please follow ins
苞米面 Paddle 助手 自己用的百度飞桨 Paddle，PaddleX 项目模板和小工具。My Paddle PaddleX project templates. 适用系统 一些脚本使用 shell 编写，所以目前适用 Linux 和 百度 AI Studio 如何安装 从 gitee 获取源码 git clone git@gitee.com:cnhemiya/bmm-paddle-helper.g
放暑假了，但是还没有期末考试。 这个学期也算是学了不少神奇的东西，那就先回顾整理一下吧。 先是跟着学长的步骤使用百度的paddlepaddle框架进行入门学习，以后应该会转移到pytorch框架。 首先就是深度学习之中的“hello world”使用MINST中的数据集进行手写数字识别。 分为几个步骤吧
import paddle from paddle.io import Dataset BATCH_SIZE = 64 BATCH_NUM = 20 IMAGE_SIZE = [17] CLASS_NUM = 5 import numpy as np class MyDataset(Dataset): """ 步骤一：继承paddle.io.Dataset类 """ def __init__(self,
conda remove -n RL3.8-gpu --all conda activate RL3.8-gpu conda install cudatoolkit=10.2 cudnn conda install paddlepaddle-gpu==2.2.2 cudatoolkit=10.2 --channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle/ pip install parl pip install gym pip
**step1:**进入BML主页，点击立即使用
2020年，基于自注意力机制的Vision Transformer将用于NLP领域的Transformer模型成功地应用到了CV领域的图像分类上，并在ImageNet数据集上得到88.55%的精度。 然而想要真正地将Transformer模型应用到整个CV领域，有两点问题需要解决。1、超高分辨率的图像所带来的计算量问题；2、CV领域任
paddle和MindSpore安装教程 paddle安装教程：https://www.paddlepaddle.org.cn/install/quick?docurl=/documentation/docs/zh/develop/install/pip/windows-pip.html MindSpore安装教程：https://www.mindspore.cn/install（这个有点恶心，只有linux版本，没有windows版本） MegEngine安
paddle与强化学习笔记 1.预习1.1MNIST手写识别 2.初识3.基于表格型求解RL4.基于神经网络求解RL5.基于策略梯度求解RL6.连续动作空间上求解RL 最近打算学习强化学习，看到了百度的公开课（https://aistudio.baidu.com/aistudio/education/group/info/1335），所以跟着学习记录一些
本案例基于paddle1.7实现，以aistudio的比赛数据为实操数据，基于paddlehub实现迁移学习。特别说明，该操作仅适用于比赛，对于科研无任何实际帮助，因为在paddlehub库的约束下，用户可以操作的东西是在太少了。不过幸运的是，paddlehub里面有及其丰富的预训练模型。通过使用其中的resnet50_vd
MC Dropout是指蒙特卡罗Dropout，其可以在不改就网络结构与增加训练的情况下在测试阶段提升模型的性能，本质就是在测试时将dropout一直处于激活阶段。对网络进行多次前向传播，由于dropout每一次激活的神经元都不同，使得每次的结果都会不一样。将多次输出的结果取平均值，可以在一定程度
###最近在研究深度学习，发现神经网络涉及的领域几乎涵盖了所有能用的到计算机的场景。而百度的部署更是多点发力，导致所有的领域几乎都在开发百度的应用化场景，相比于google和微软，百度的研究性相对弱了一些，但是工业应用做的还是不错的，特别是对英语不太好，又上不了Github的DP爱好
B站教程地址 https://www.bilibili.com/video/BV18b4y1J7a6/ 介绍 Mobilenet是由Google公司创造的网络系列，目前已经发布至V3版本，每一次版本更新都是在前一次网络上的优化修改。Mobilenet主打的是轻量级网络，也就说网络参数量较少，执行速度较快，也更容易部署到终端设备上。在移动
一、天气以及时间分类 比赛地址： https://www.datafountain.cn/competitions/555 1.赛题背景 在自动驾驶场景中，天气和时间（黎明、早上、下午、黄昏、夜晚）会对传感器的精度造成影响，比如雨天和夜晚会对视觉传感器的精度造成很大的影响。此赛题旨在对拍摄的照片天气和时间进行分
损失函数之Focal-EIoU Loss: 本文是复现的是CVPR2020的一篇关于边界框损失函数文章：Focal and Efficient IOU Loss for Accurate Bounding Box Regression。 在Focal-EIoU Loss这篇论文中，作者提出CIoU中的相对比例存在若干问题，因此提出了更为直接的使用边长作为惩罚项。 此
Gated Channel Transformation for Visual Recognition (GCT) 本文是复现的百度&Syndney投于CVPR2020的一篇关于Attention文章。它提出了一种通用且轻量型变化单元，该单元结合了归一化方法和注意力机制，易于分析通道之间的相互关系(竞争or协作)同时便于与网络本身参数联合训练
1. docker镜像是什么 镜像是一种轻量级，可执行的独立软件包，用来打包软件运行环境和基于运行环境开发的软件。 它包含运行某个软件的所有内容，包括代码，运行时，库，环境变量和配置文件。 2. 镜像和容器之间的关系 容器在启动或者创建时，必须指定一个镜像的名称或者 id ，其实，这时镜像所
简 介： 对于训练集合进行扩增，需要根据图片本身在应用中可能遇到的变化进行。对于图片中的数码管数字识别，一个最重要的问题是字符的平移，特别是对于字符1来说，遇到的可能性最大。比如在一些三位半，四位半的数字表中，最前面的数字可能只有1,0两个数字，所以分割过程中，1的位置有可能位
import paddle import numpy as np x = np.array([[1,2,3], [4,5,6]]).astype('float32') x = paddle.to_tensor(x) ####################### p =paddle.nn.functional.dropout(x) y_train=p(x)# 这种方式报错！ ############################### y_train = paddle.nn.
