登录社区云，与社区用户共同成长
邀请您加入社区
多维数组：张量可以看作是一个n维数组，其中n可以是任意正整数。它可以是标量（零维数组）、向量（一维数组）、矩阵（二维数组）或具有更高维度的数组。数据类型统一：张量中的元素具有相同的数据类型，这有助于在GPU上进行高效的并行计算。支持GPU加速：PyTorch中的张量可以存储在CPU或GPU上，通过将张量转移到GPU上，可以利用GPU的强大计算能力来加速深度学习模型的训练和推理过程。
此外，迁移学习和模型微调都是将已有的知识和经验应用到新的任务或数据集中进行训练，而模型蒸馏则是将大模型中的知识和经验传递到小模型中。而模型蒸馏则是在已有的知识和经验的基础上，将大模型中的一些信息压缩到小模型中，来提高小模型的性能。迁移学习是一种从一个领域迁移到另一个领域的技术，通过将一个任务中学习到的知识和经验迁移到另一个相关领域中，来加速和改进新领域的学习和解决问题的能力。模型蒸馏是一种将一个大
7、接下来，我们需要将它添加到我们的汽车中，并将其添加到我们的演员列表中。（1）将图像的原始raw数据转换成一维的numpy数组，长度恰好是IM_HEIGHT * IM_WIDTH * 4，这里的4表示的是RGBA（A为透明度alpha）4个通道。（2）改变数组的形状，将其变成一个三维数组，共有4个二维数组，每个二维数组的行是IM_HEIGHT，列是IM_WIDTH。5、最后，我们不要忘记将这辆车
出处:http://www.fengchang.cc/post/100今天彻底完成猫狗大战的任务，来几张图展示一下, 源代码在此，本文图的是在模型训练到52000个batch时保存的checkpoint模型下的效果，每个batch70张图片，代码是根据tensorflow advanced cnn的源代码改的cifar10 example： ...
机器学习（李宏毅）——RL（强化学习）
AI、机器学习、深度学习：一文厘清三者核心区别与联系
因为要做机械臂抓取相关的课题，了解到GRASPNet这个来自上交大佬课题组的开源项目，打算配置环境复现一下，中间在安装NVIDIA显卡驱动和cuda过程中遇到不少问题，所以写个帖子记录以下。大家配置环境前，也需要了解自己要跑的项目所需的pytorch版本。
知识摘要一、单神经层下的两种回归（1）线性回归线性回归输出是一个连续值，因此适用于回归问题。而线性回归需要具备以下几个要素：1、生成数据集2、读取数据3、初始化模型参数4、模型定义5、模型训练，其中包括训练数据、定义损失函数（平方差损失函数）、优化算法6、模型预测附pytorch的简洁实现（2）softmax回归softmax回归的输出为离散值，因此适用于分类问题。同样，s...
手工设计特征（胡须长度、眼睛形状等）：从数据中学习规律，而不是被显式编程。：由“神经元”连接而成的计算模型。：深度学习 ≈ 人工智能代名词。：神经网络第一次热潮。
脑部疾病的异质性是精准诊断/预后的一个挑战。作者描述并验证了一种名为Smile-GAN（SeMI-supervised cLustEring-Generative Adversarial Network），的半监督深度聚类方法，它研究了与正常大脑结构对比的神经解剖学异质性，从而通过神经影像特征识别疾病亚型。当应用于来自T1加权MRI的区域体积时（两项研究；2832名参与者；8146次扫描），包括认
在深度学习与岩土工程融合的背景下，科研的边界持续扩展，创新成果不断涌现。从基本物理模型的构建到岩土工程问题的复杂模拟，从数据驱动的分析到工程问题的智能解决，深度学习正以前所未有的动力推动岩土工程领域的革新。
核心价值降维压缩：将 4096 维图像压缩至 200 维以下，压缩比超过 20:1，大幅减少存储和计算成本特征去噪：通过保留主要方差特征，抑制噪声和无关细节可解释性强：特征脸直观展示人脸数据的主要变化模式，便于理解算法决策依据局限性线性假设限制：PCA 只能捕捉线性相关的特征，对非线性变化（如姿态、表情剧烈变化）处理能力有限全局特征局限：特征脸反映全局统计特征，缺乏对局部关键区域（如眼睛、嘴巴）的
本人也是小白，记录一下学习过程中的一些心得。
