目录一、前提条件二、整体思路三、jupyternotebook中配置pytorch四、pycharm中配置pytorch五、参考博文链接一、前提条件anaconda已经成功安装，并且可以成功打开jupyternotebook（可以参加我的另一篇博文：windows下anaconda的下载安装）pycharm已经成功安装，并且可以成功打开（社区版本和专业版的都可以，ps：社区办免费，但是不可以远程连接服务器，专业版要付费或者学生身份可以免费申请，可以连接远程服务器）二、整体思路jupyternotebook：下载anaconda——创建虚拟环境——在虚拟环境中创建jupyternotebook内

最近再查一些基础知识的时候看见了几篇文章写得很棒（在这篇文章的结束我会给出参考链接），然后我把他们整合了一下，跟大家分享，希望能有帮助：1.计算机视觉领域四大基本任务中的应用：a.图片分类b.目标定位c.语义分割d.实例分割2.机器视觉中基本常识：①语义鸿沟(semanticgap)人类可以轻松地从图像中识别出目标，而计算机看到的图像只是一组0到255之间的整数。②计算机视觉任务的其他困难拍摄视角变化、目标占据图像的比例变化、光照变化、背景融合、目标形变、遮挡等。③计算机视觉的顶级会议和期刊顶级会议有CVPR、ICCV、和ECCV，此外ICLR也有不少计算机视觉论文。顶级期刊有IJCV和TPA

?‍?作者简介：大数据专业硕士在读，CSDN人工智能领域博客专家，阿里云专家博主，专注大数据与人工智能知识分享。?专栏推荐：目前在写一个CV方向专栏，后期会更新不限于目标检测、OCR、图像分类、图像分割等方向，目前活动仅19.9，虽然付费但会长期更新且价格便宜，感兴趣的小伙伴可以关注下，有擅长CV的大佬可以联系我合作一起写。➡️专栏地址?学习者福利：强烈推荐一个优秀AI学习网站，包括机器学习、深度学习等理论与实战教程，非常适合AI学习者。➡️网站链接。?公众号：GoAI的学习小屋，免费分享书籍、简历、导图等资料，更有学习交流群分享AI和大数据资料，方式见文末或主页左侧扫码或私信皆可。手写汉语拼

【Pytorch安装】windows下，安装了torch但是importtorch失败问题原因解决问题输入python进入python环境，输入importtorch但是显示找不到这个包输入piplist查看之前是否安装成功但是可以看到包都在原因电脑中先前安装了多个python，且他们的解释器命名都为python.exe，都放在了系统变量中所以系统默认的python版本可能与Anaconda中所需的版本不匹配解决通过上述py-0p命令，找到默认的解释器路径，打开后更改解释器的名称我这里改成了python3.10比较合适然后，输入py-0p发现默认的版本使用了正确的版本，此时importtorc

UMICHCVNeuralNetwork既然谈到神经网络，我们肯定要讨论在神经网络中是如何进行梯度的计算以及参数的优化的传统的方法就是我们手动计算梯度，但是随着神经网络层数的增加，这种方法显然过于复杂因此我们引入了计算图的概念，从一个简单的例子出发：我们可以把一个(x+y)z的计算式拆分成上图所示，向前传播就是计算出我们的输出结果，一步步而反向传播是为了计算梯度，比如说我们想要f对x，y，z的偏导求f对y的偏导我们可以根据链式法则来计算：用专业的语言，我们要求下游梯度，现在我们在当前一个节点，可以很容易求出当前梯度，上游再将之前计算出的上游梯度传递给我们，我们就可以计算出下游梯度：举一个更复杂

UMICHCVNeuralNetwork对于传统的线性分类器，分类效果并不好，所以这节引入了一个两层的神经网络，来帮助我们进行图像分类可以看出它的结构十分简单，x作为输入层，经过max（0，W1*x）到达h隐藏层，再经过W2到达s输出层如果我们对隐藏层的结果进行可视化，我们可以看到如下的图像：相对于之前线性分类器每类提供的单一的模板，显然神经网络能够为我们提供更多的选择，这也是为什么它能帮助进行分类的一个重要原因如果我们想要扩展网络层数，也可以这样做：这样就得到了一个更复杂的神经网络注意到上述表达式均包含一个max表达式，它的作用是什么？实际上这个函数通常被称为ReLu函数，作为激活函数，目的

PyTorch教程——小土堆笔记PyTorch代码笔记1_tensorboard2_transform3_useful_transform4_data5_dataloader6_module7_conv8_conv2d9_maxpool10_nolinear11_linear12_sequential13_loss14_lossnetwork15_optimzer16_model17_modelsave18_modelload完整项目—model.py完整项目—train.py完整项目—train_gpu1.py完整项目—train_gpu2.py完整项目—test.pyPyTorch代码笔记

本文编写日期是：2023年4月.Python开发环境是Anaconda3.10版本，具体Anaconda的安装这里就不赘述了，基础来的。建议先完整看完本文再试，特别是最后安装过程经验分享，可以抑制安装过程中一些奇怪的念头，减少走弯路。目录1.NVidia驱动安装 2.安装CUDAToolkit3.安装Tensorflow2.10.14.添加CUDNN加速包5.验证是否成功安装和调用GPU进行运算6.测试启用CUDNN加速器7.Tensorflow小结8.安装PyTorch9.检测PyTorch安装情况10.PyTorch试运行11.安装过程经验分享和坑 1.NVidia驱动安装 首先确定你的电

文章目录FashionMNIST数据集需求库导入、数据迭代器生成设备选择样例图片展示日志写入评估—计数器模型构建训练函数整体代码训练过程日志FashionMNIST数据集FashionMNIST（时尚MNIST）是一个用于图像分类的数据集，旨在替代传统的手写数字MNIST数据集。它由ZalandoResearch创建，适用于深度学习和计算机视觉的实验。FashionMNIST包含10个类别，分别对应不同的时尚物品。这些类别包括T恤/上衣、裤子、套头衫、裙子、外套、凉鞋、衬衫、运动鞋、包和踝靴。每个类别有6,000张训练图像和1,000张测试图像，总计70,000张图像。每张图像的尺寸为28x2

UMICHCVLinearClassifiers在上一篇博文中，我们讨论了利用损失函数来判断一个权重矩阵的好坏，在这节中我们将讨论如何去找到最优的权重矩阵想象我们要下到一个峡谷的底部，我们自然会选择下降最快的斜坡，换成我们这个问题就是要求权重矩阵相对于损失函数的梯度函数，最简单的方法就是使用定义法：我们也可以使用解析梯度，这里需要用到矩阵对向量，矩阵对标量求导的一些知识，在后面我们也会采用反向传播的方法，因为自己手算微积分毕竟比较容易出错，尤其是涉及到很多层神经网络的时候。在作业assignment2的第一个线性分类器的实现中，我们会使用两张种损失函数，分别是svm与softmax函数，需要我