由于已经安装了cpu版本了，如果再在该环境下安装gpu版本会造成环境污染.因此，再安装gpu版本时，需要再新建一个虚拟环境才能安装成功。然后去官网下载所适配的版本。安装完cuda和cudnn后，开始安装pytorch的gpu版本。1.安装cude首先查看windows电脑之前是否成功安装了CUDA第一步：同时按键盘上的“windows键+R”，输入“cmd”并回车，进入windows的命令行界面。第二步：命令行里输入“nvcc-V”并回车第三步：如果已经成功安装CUDA的话，会显示CUDA的版本号的。 已成功安装cuda跳过cuda安装部分在计算机-管理-设备管理器-显示适配器中，查看是否有独
文章目录1生成对抗网络基本概念2生成对抗网络建模2.1建立MnistDataset类2.2建立鉴别器2.3测试鉴别器2.4Mnist生成器制作3模型的训练4模型表现的判断前面的博客讲了如何基于PyTorch使用神经网络识别手写数字使用PyTorch构建神经网络下面在此基础上构建一个生成对抗网络，生成对抗网络可以模拟出新的手写数字数据集。1生成对抗网络基本概念生成对抗网络（GAN）是一种用于生成新的照片，文本或音频的模型。它由两部分组成：生成器和判别器。生成器的作用是生成新的样本，而判别器的作用是识别这些样本是真实的还是假的。两个模型相互博弈，通过不断调整自己的参数来提高自己的能力。生成器希望判
文章目录1生成对抗网络基本概念2生成对抗网络建模2.1建立MnistDataset类2.2建立鉴别器2.3测试鉴别器2.4Mnist生成器制作3模型的训练4模型表现的判断前面的博客讲了如何基于PyTorch使用神经网络识别手写数字使用PyTorch构建神经网络下面在此基础上构建一个生成对抗网络，生成对抗网络可以模拟出新的手写数字数据集。1生成对抗网络基本概念生成对抗网络（GAN）是一种用于生成新的照片，文本或音频的模型。它由两部分组成：生成器和判别器。生成器的作用是生成新的样本，而判别器的作用是识别这些样本是真实的还是假的。两个模型相互博弈，通过不断调整自己的参数来提高自己的能力。生成器希望判
博主已有：Pycharm+Anaconda通过这篇博客你将获得：Cuda10.2+cuDNN11.x+Pytorch1.8.0(GPU)importtorchprint(torch.cuda.is_available())print(torch.__version__)print(torch.version.cuda)True1.8.010.2目录1.确定自己电脑有无显卡2.确定显卡支持的cuda最高版本3.下载安装cuda4.安装cuDNN 5.安装Pytorch(重要！易踩坑！）6.pycharm切换不了环境问题7.总结 今天是三月1日，开学的第一周，这个学期准备进军深度学习，主打的框
博主已有：Pycharm+Anaconda通过这篇博客你将获得：Cuda10.2+cuDNN11.x+Pytorch1.8.0(GPU)importtorchprint(torch.cuda.is_available())print(torch.__version__)print(torch.version.cuda)True1.8.010.2目录1.确定自己电脑有无显卡2.确定显卡支持的cuda最高版本3.下载安装cuda4.安装cuDNN 5.安装Pytorch(重要！易踩坑！）6.pycharm切换不了环境问题7.总结 今天是三月1日，开学的第一周，这个学期准备进军深度学习，主打的框
注意力机制1SENet2ECANet3CBAM3.1通道注意力3.2空间注意力3.3CBAM4展示网络层具体信息5SKNet6scSE7Non-LocalNet8GCNet9注意力机制后期学习到再持续更新！！2023年，3月2号，新增SKNet代码2023.3.10新增scSE代码2023.3.11新增Non-LocalNet非局部神经网络2023.3.13新增GCNet1SENetSE注意力机制（Squeeze-and-ExcitationNetworks）:是一种通道类型的注意力机制，就是在通道维度上增加注意力机制，主要内容是是squeeze和excitation.就是使用另外一个新的神经
注意力机制1SENet2ECANet3CBAM3.1通道注意力3.2空间注意力3.3CBAM4展示网络层具体信息5SKNet6scSE7Non-LocalNet8GCNet9注意力机制后期学习到再持续更新！！2023年，3月2号，新增SKNet代码2023.3.10新增scSE代码2023.3.11新增Non-LocalNet非局部神经网络2023.3.13新增GCNet1SENetSE注意力机制（Squeeze-and-ExcitationNetworks）:是一种通道类型的注意力机制，就是在通道维度上增加注意力机制，主要内容是是squeeze和excitation.就是使用另外一个新的神经
pycharm配置pytorch1.先安装AnacondaAnaconda3-5.2.0-Windows-x86_64.exe2.下载cuda检查电脑是否有合适的GPU在桌面上右击如果能找到NVIDA控制面板，则说明该电脑有GPU。控制面板如下，并通过查看系统信息获取支持的Cuda版本点击帮助->点击系统信息弹出下面的对话框，在驱动程序版本那一栏就能看到该计算机使用的驱动版本。下载Cuda官网：https://developer.nvidia.com/cuda-10.1-download-archive-update2然后，根据实际情况选择合适的版本3.下载CuDNN官网https://dev
pycharm配置pytorch1.先安装AnacondaAnaconda3-5.2.0-Windows-x86_64.exe2.下载cuda检查电脑是否有合适的GPU在桌面上右击如果能找到NVIDA控制面板，则说明该电脑有GPU。控制面板如下，并通过查看系统信息获取支持的Cuda版本点击帮助->点击系统信息弹出下面的对话框，在驱动程序版本那一栏就能看到该计算机使用的驱动版本。下载Cuda官网：https://developer.nvidia.com/cuda-10.1-download-archive-update2然后，根据实际情况选择合适的版本3.下载CuDNN官网https://dev
文章目录1.导入搭建所需的包2.写一个模型类，继承nn.Module2.1若为分类任务，class_num为类别个数3.搭建网络3.1使用nn.Sequential,把所有操作封装在一起3.2将所有层都放在__init()__函数里面，相当于预定义要使用的模块3.3在forward里面使用定义的模块4.全部模型代码------Over------1.导入搭建所需的包importtorchimporttorch.nnasnn2.写一个模型类，继承nn.Module2.1若为分类任务，class_num为类别个数classModel(nn.Module):def__init__(self,clas
