结合了两个视频和多篇博客，一边实操，一边整理而成。先给出两个参考视频地址：Windows下安装CUDA和Pytorch跑深度学习-动手学深度学习v2@跟李沐学AIPython学习中Anaconda和Pycharm的正确打开方式@肆十二-一、Cuda篇(自选)用于使用本地显卡跑代码注意：集成显卡或者amd显卡基本上不可以安装cuda步骤，跟着沐神视频走就行直接到NVIDIA官网下载安装CUDAToolkit11.8Downloads二、Miniconda篇前置知识Miniconda和Anaconda的区别Miniconda：本质上是一个用来安装空的conda环境的安装器，它仅包含Conda和Co
作者：禅与计算机程序设计艺术引言1.1.背景介绍PyTorch作为目前最受欢迎的深度学习框架之一,其自适应优化算法Adam、Adagrad和Adadelta在训练神经网络时具有很好的性能表现。自适应优化算法主要通过学习动态参数来优化模型的训练过程,从而提高模型的训练效率和稳定性。而Adam、Adagrad和Adadelta是PyTorch中比较流行的自适应优化算法之一。1.2.文章目的本文旨在介绍PyTorch中自适应优化的原理、实现步骤以及应用场景,并深入探讨Adam、Adagrad和Adadelta算法的原理和优缺点。同时,文章将介绍如何优化和改进这些算法,以提高模型的训练效率和稳定性。1
遇到报错：[Wreducer.cpp:362]Warning:Gradstridesdonotmatchbucketviewstrides.Thismayindicategradwasnotcreatedaccordingtothegradientlayoutcontract,orthattheparam’sstrideschangedsinceDDPwasconstructed.Thisisnotanerror,butmayimpairperformance.机翻：警告。梯度与桶状视图的梯度不一致。这可能表明grad没有按照梯度布局合同创建，或者参数的步长在DDP构建后发生了变化。这不是一个
参考：古月学院和ROS机器人开发实践目标：实现ROS系统读取摄像头的图像，ROS读取的图像数据转化为opencv中的图像，opencv对接受的图像进行处理，最后返回给ROS系统可视化输出。安装opencv库与相关的接口包由于我用的ROS-Melodic版本，其中roscore只能在python2中执行，而视觉部分要在python3中执行，故将包安装在两个python中。(重要操作，因为其他有关于视觉的库，比如pytorch，是需要python3的，如果默认环境是python环境是python2，没把相应的包安装进python3，会报缺失依赖的错。)(1条消息)ROS修改：ubuntu系统更改默
本文通过详细且实践性的方式介绍了PyTorch的使用，包括环境安装、基础知识、张量操作、自动求导机制、神经网络创建、数据处理、模型训练、测试以及模型的保存和加载。1.Pytorch简介在这一部分，我们将会对Pytorch做一个简单的介绍，包括它的历史、优点以及使用场景等。1.1Pytorch的历史PyTorch是一个由Facebook的人工智能研究团队开发的开源深度学习框架。在2016年发布后，PyTorch很快就因其易用性、灵活性和强大的功能而在科研社区中广受欢迎。下面我们将详细介绍PyTorch的发展历程。在2016年，Facebook的AI研究团队（FAIR）公开了PyTorch，其旨在
§ erode()voidcv::erode(InputArraysrc,OutputArraydst,InputArraykernel,Pointanchor = Point(-1,-1),int iterations = 1,int borderType = BORDER_CONSTANT,const Scalar & borderValue = morphologyDefaultBorderValue() )Python:dst=cv.erode(src,kernel[,dst[,anchor[,iterations[,borderType[,borderValue]]]]])通过使用特
UserWarning: floordiv isdeprecated,anditsbehaviorwillchangeinafutureversionofpytorch.Itcurrentlyroundstoward0原因：torch.floor_divide() 已弃用，将在未来的PyTorch版本中删除。它的名字用词不当，因为它实际上将商四舍五入为零而不是取其底数。要保持当前行为，请使用 torch.div() 和 rounding_mode='trunc' 。要实际执行楼层划分，请使用 torch.div() 和 rounding_mode='floor' 。解决办法：torch.flo
参考：https://www.bilibili.com/video/BV1Fx4y1j7yy/?spm_id_from=333.337.search-card.all.clickhttps://www.gongsunqi.xyz/posts/3c995b2a/#wsl%E5%AE%89%E8%A3%85anaconda%E5%B9%B6%E9%85%8D%E7%BD%AE%E7%8E%AF%E5%A2%83在深度学习中经常会用到linux环境，但是相对于windows，对于作者这样的小白，使用linux肯定不是首选，但是最近用到了某些包，只能在linux环境下使用，在安装双系统时，发现了WSL
在使用gpu进行训练或推理会比纯用cpu快好几倍，所以一般我们如果设备有gpu都尽量会用上gpu。首先能使用gpu的有：数据（输入的图片、标注的label），损失函数，网络模型。方法一这三处都调用.cuda()进行返回。网络模型：损失函数：数据（输入的图片、标注的label）：训练集、验证集、测试集（这里拿训练集贴图举例）。方式二首先定义网络训练的设备，然后三处都调用.to(device)进行返回#定义训练的设备device=torch.device("cuda"iftorch.cuda.is_available()else"cpu")网络模型：损失函数：数据（输入的图片、标注的label）：
直接按官网命令下载torch文件太慢，有时候还可能下一半直接中断导致下载失败。。我们到https://download.pytorch.org/whl/torch_stable.html这个网站里： cu+序号后面表示cuda版本，即GPU版本（cpu+序号表示cpu)，如cu117表示cuda11.7；cp+序号表示python版本，如cp310表示python3.10；我们按自己的cuda版本和python版本找到对应的torch和torchversion文件即可，下载贼快。找到对应文件下载好放入需要配置torch的文件夹下：然后是pipinstall+文件名（注意要带whl)，如：pip
