Tchunren

​   在利用Pytorch进行深度学习的时候，经常是在固定的数据集上进行epoch次训练，常用代码如下所示： 但是我们的try_dataloader1在进入epoch循环之前就已经定义了，那么对于数

​   首先创建一个简单的网络，用来举例说明后来的例子。 net.parameters(),可以得到net这个具体的模型中的参数： net.named_parameters()会返回两部分内容，分别是

​   np.concatenate 是numpy中对array进行拼接的函数，使用方法如下所示： axis参数为指定按照哪个维度进行拼接，上述的例子中x1为[5,4] x2为[3,4]，设置axis

​   nn.NNLoss(x,y_target) = -x[y_target] x=[1,2,3] y_target=[2] 则loss = x[2]=3 function = nn.LogSoft

​   Ubuntu下面就不要直接在环境中安装cuda这些难以安装的内容了，直接安装anaconda然后再创建虚拟环境就好了。安装anaconda很简单，只要在属性里面将可执行勾选，然后sudo ./

​   最近买了机械革命s1 pro作为自己深度学习的小测试本，打算先在笔记本上测试代码是否可以跑通，然后在服务器上跑程序。分为几个部分，分别是Ubuntu系统的安装，以及驱动的安装。 一.Ubunt

​   这个内容是将随便做了一个网络结构，然后简单的训练几次，生成模型，并且存储起来，主要是为了学习获得pytorch中的BatchNorm2d层的各个特征图的平均值和方差。代码如下： 对于输入到Ba

​   血泪教训，openpose安装了一周，才安装成功，接下来说一下如何成功地安装编译openpose。 由于我是在服务器上这个应用，系统的CUDA和Cudnn都已经事先安装好了，所以我接下来的教程

​   话回正题，记录一下基于传统方法的小规模行人重识别系统的开发案例。整个案例在Linux系统中搭建，利用QT开发框架，图像模块使用opencv，数据库采用MySQL。 案例处理通过海康威视监控摄像