登录社区云，与社区用户共同成长
邀请您加入社区
本文详细介绍了在Windows电脑上配置PyTorch GPU训练环境并运行YOLOv11训练的完整流程。主要内容包括：1）安装Anaconda和PyTorch（需匹配CUDA版本）；2）使用Labelme和X-AnyLabeling工具标注目标检测、实例分割和旋转目标检测数据；3）将标注数据转换为YOLO格式并划分数据集；4）在VSCode中配置YOLOv11训练环境，修改yaml文件后启动训练
根据“编码器-解码器”架构的设计， 我们可以使用两个循环神经网络来设计一个序列到序列学习的模型。在实现编码器和解码器时，我们可以使用多层(GRU)循环神经网络。
基于YOLOv8模型PCB电子线路板缺陷目标检测系统可用于日常生活中检测与定位PCB线路板瑕疵，利用深度学习算法可实现图片、视频、摄像头等方式的目标检测，另外本系统还支持图片、视频等格式的结果可视化与结果导出
断点、finetune、GPU
最近在做一维信号的识别，网上大多数案例是针对图像的二维信号识别。虽然一维二维本质上没什么区别，但在处理方式上还是略有不同，因此在此做一个简单记录，方便更好地熟悉模式识别的流程。本文旨在使用PyTorch框架结合一维卷积神经网络（1D CNN）对一维信号进行分类。内容包括数据形式，数据加载、数据集构建、模型训练和模型测试、混淆矩阵可视化、模型导出、模型参数可视化、onnx推理等步骤。上述所有代码中变
本文档详细介绍了使用 PyTorch 框架搭建一个简单的手写数字识别系统的全过程。从环境准备到模型训练与测试，每一步都包含详细的代码示例和操作指南。该系统利用卷积神经网络（CNN）处理 MNIST 数据集，旨在为初学者提供一个易于理解且可操作的项目案例。
VGG模型于2014年诞生于Visual Geometry Group 实验室，是ILSVRC 2014的亚军。应用广泛，可以作为如目标检测，实例分割等骨架。通常说的VGG是VGG-16（13层卷积+3层全链接）。接下来均已VGG-16D为例子。
PyTorch搭建循环神经网络（RNN）进行文本分类、预测及损失分析（对不同国家的语言单词和姓氏进行分类，附源码和数据集）
End-to-End Object Detection with Transformers[DETR]背景概述相关技术背景最近在做机器翻译的优化，接触的模型就是transformer， 为了提升性能，在cpu和GPU两个平台c++重新写了整个模型，所以对于机器翻译中transformer的原理细节还是有一定的理解，同时以前做文档图片检索对于图像领域的目标检测也研究颇深，看到最近各大公众号都在推送这
最近机器学习在低年级本科生中热度剧增，小编经常看见在自习室里啃书的小伙伴。但是缺少经验指导，也许原理清楚了，但是由于很多书中对细节上的函数等等介绍不多，很多小伙伴对于具体代码只是一知半解。这篇文章基于当下最热门的学习框架 Pytorch，详细讲解图像分类中最基础的图像分类 —— MNIST 数据集分类。
China-Balanced-License-Plate-Recognition-Dataset-330k：这是一个包含33万张各类中国车牌图片的平衡数据集，适用于车牌识别任务，非常适合用于训练和评估车牌识别模型。
写在前面：在做数据集的过程中需要使用到labelImg这个工具，找了许多的资料完成了安装和使用，写在这里供大家使用(2020.4.8亲测有用)1.首先先下载这个工具的源代码(此处贴一个github上面的源代码)labelImg地址:https://github.com/tzutalin/labelImg2.将获得的源代码的压缩包进行压缩(忽略前面的名字，随便找了个文件夹放位置)3.进...
用pytorch进行多GPU训练，只需要学会把单卡训练的代码稍微改一下即可。不用弄得太麻烦。通过一个demo来做是最快入手的。1. 要知道机器有几张卡：nvidia-smi2. 模型用DataParallel包装一下：device_ids = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] # 10卡机model = torch.nn.DataParallel(model, devi
PyTorch的GPU安装方法，有详细的图过程，从显卡驱动到安装成功。
import torchflag = torch.cuda.is_available()print(flag)ngpu= 1# Decide which device we want to run ondevice = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")pri...
只有认真理解了源码，才是真正学懂了一个算法，yolov3的pytorch版官方源码见github：https://github.com/ayooshkathuria/YOLO_v3_tutorial_from_scratch作者写了个官方原版的教程，在这个教程中，作者使用 PyTorch 实现基于 YOLO v3 的目标检测器，该教程一共有五个部分，虽然并没有含有训练部分。链接：https:/..
1.什么是ResNet？ResNet 网络是在 2015年 由微软实验室中的何凯明等机位大神提出，斩获当年ImageNet竞赛中分类任务第一名，目标检测第一名。获得COCO数据集中目标检测第一名，图像分割第一名。2.网络中的亮点1.超深的网络结构（超过1000层）。2.提出residual（残差结构）模块。3.使用Batch Normalization 加速训练（丢弃dropout）。3.为什么采
