项目简介    本项目是AI入门的应用项目，后续可以补充内容完善作为满足个人需要。通过构建自己的人脸数据集，此项目训练集为4580张图片，测试集为2308张图片，使用resnet50网络进行训练，最后进行效果展示。本项目也提供了量化内容，便于在硬件上部署。模型介绍         研究AI网络的人拥有网络命名权。比如我研究出来一个网络，效果很好，要发一篇论文来介绍这个网络，论文中需要给网络起个名字，并且希望这个名字可以流传很广。那么，简单、好记同时又能概括网络思想的名字肯定是首选。Resnet50就是这样的名字，这个网络的核心思想，就藏在名字里。Res+net+50，Res是Residual

Ubuntu22.04系统安装软件、显卡驱动、cuda、cudnn、pytorch安装Nvidia显卡驱动安装CUDA安装cuDNN安装VSCode安装Anaconda并更换源在虚拟环境中安装GPU版本的PyTorchReference这篇博文主要介绍的是Ubuntu22.04系统中软件、显卡驱动、cuda、cudnn、pytorch等软件和环境的安装和配置，在上一篇博文Ubuntu22.04双系统安装、配置及常用设置中介绍了Ubuntu22.04双系统的安装、配置、终端常用操作的快捷键以及一些常用设置（如同步时间、更改启动默认项、添加右击新建文件选项、创建桌面快捷方式等），有需要的可自行点击

显卡、CUDADriver、NVCC、CUDAToolkit、CUDNN含义详见：https://zhuanlan.zhihu.com/p/91334380CUDA官方文档地址：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html（翻译：【翻译】CUDA12.0Toolkit主要组件版本说明）1.显卡步骤1：打开命令提示符（CMD）步骤2：进入CUDA安装目录（例如C:\ProgramFiles\NVIDIAGPUComputingToolkit\CUDA\v9.0\extras\demo_suite）步骤3：执行

ubuntu221050ti显卡安装cuda12.3、cudnn8.9.6及NVIDIATAOTOOLKIT没有代理的同学，先把你的源改为国内源，清华阿里都可以！没有代理的同学，先把你的源改为国内源，清华阿里都可以！没有代理的同学，先把你的源改为国内源，清华阿里都可以！步骤1：安装NVIDIA显卡驱动首先，确保你的系统中已经安装了合适版本的NVIDIA驱动程序。可以使用以下命令安装：sudoubuntu-driversautoinstall步骤2：安装CUDA访问NVIDIA官方网站：https://developer.nvidia.com/cuda-downloads?target_os=L

上一篇博客讲述了如何根据自己的实际需要在pytorch中创建tensor：pytorch入门篇1——创建tensor，这一篇主要来探讨关于tensor的基本数据变换，是pytorch处理数据的基本方法。文章目录1tensor数据查看与提取2tensor数据变换2.1重置tensor形状:pytorch.view()2.2增加/减少tensor维度:torch.unsqueeze()/torch.squeeze()2.3tensor扩充:torch.expand()/torch.repeat()2.4tensor维度交换/重新排序:torch.transpose()/torch.permute(

今天跑一个项目时遇到了如下问题：RuntimeError:CUDAerror:CUBLAS_STATUS_EXECUTION_FAILEDwhencallingcublasSgemm(handle,opa,opb,m,n,k,&alpha,a,lda,b,ldb,&beta,c,ldc)简单查了一下，有说：1不同模块对device设置不同的；2cuda和pytorch版本不匹配；3shape维度不匹配简单分析了一下，我的pytorch用的还是1.4.0版本，cuda由于用的30系列，之前看帖子说30系列最好使用11.0以上版本的cuda，否则会报错。我也就没有尝试，直接安装了cuda11.6。

点击进入专栏：《人工智能专栏》Python与Python|机器学习|深度学习|目标检测|YOLOv5及其改进|YOLOv8及其改进|关键知识点|各种工具教程文章目录1.model.modules()2.model.named_modules()3.model.children()4.model.named_children()5.model.parameters()6.model.named_parameters()7.model.state_dict()推荐阅读࿱

3D点云(Lidar)检测入门篇-PointPillarsPyTorch实现完整代码:https://github.com/zhulf0804/PointPillars。自动驾驶中基于Lidar的object检测，简单的说，就是从3D点云数据中定位到object的框和类别。具体地，输入是点云X∈RN×c\mathbfX\in\mathbbR^{N\timesc}X∈RN×c(一般c=4c=4c=4)，输出是nnn个检测框bboxes,以第iii个检测框bbox为例,它包括位姿信息(xi,yi,zi,wi,li,hi,θi)(x_i,y_i,z_i,w_i,l_i,h_i,\theta_i)(x

1.前言注册机制是一种在编程中常见的设计模式，它允许程序在运行时动态地将函数、类或其他对象注册到某个中心管理器中，以便随后可以使用这些注册的对象。在Python中，注册机制通常用于实现插件系统、扩展性架构以及回调函数的管理。通俗的说，当我们的项目中需要成批量的函数和类，且这些函数和类功能上相似或并行时，为了方便管理，我们可以把这些指定的函数和类整合到一个字典。我们可以用函数名或类名作为字典的key，也可用使用自定义的名字作为key，对应的函数或类作为value。构建这样一个字典的过程就是注册（Registry），Python引入注册器机制保证了这个字典可以自动维护，增加或删除新的函数或类时，不

文章目录大数据深度学习ResNet深度残差网络详解：网络结构解读与PyTorch实现教程一、深度残差网络（DeepResidualNetworks）简介深度学习与网络深度的挑战残差学习的提出为什么ResNet有效？二、深度学习与梯度消失问题梯度消失问题定义为什么会出现梯度消失？激活函数初始化方法网络深度如何解决梯度消失问题三、残差块（ResidualBlocks）基础残差块的核心思想结构组成残差块的变体四、ResNet架构架构组成4.1初始卷积层功能和作用结构详解为何不使用多个小卷积核?小结4.2残差块组（ResidualBlockGroups）功能和作用结构详解残差块组与特征图大小小结4.3