一、Anaconda安装1.Anaconda介绍Anaconda在英文中是“蟒蛇”，麻辣鸡（NickiMinaj妮琪·米娜）有首歌就叫《Anaconda》，表示像蟒蛇一样性感妖娆的身体。Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。因为包含了大量的科学包，Anaconda的下载文件比较大（约531MB），如果只需要某些包，或者需要节省带宽或存储空间，也可以使用Miniconda这个较小的发行版（仅包含conda和Python）。-----百度百科2.安装官网下载地址link选择产品的个人版选择windows版本下载下载完成后
0.前言计算机视觉是指通过计算机系统对图像和视频进行处理和分析，利用计算机算法和方法，使计算机能够模拟和理解人类的视觉系统。通过计算机视觉技术，计算机可以从图像和视频中提取有用的信息，实现对环境的感知和理解，从而帮助人们解决各种问题和提高效率。本节中，将介绍计算机中的图像表示，并介绍如何利用神经网络进行图像分析，为计算机视觉的高级任务和应用奠定基础。1.图像表示数字图像文件(通常扩展名为“JPEG”或“PNG”)由像素数组组成，像素是图像的最小构成元素。在灰度图像中，每个像素都是0到255之间的标量值，0表示黑色，255表示白色，介于0到255之间的值都是灰色值(像素值越小，像素越暗)。形式上
目录一、查看电脑有NVIDIA显卡没二、更新电脑驱动三、安装CUDAToolKit和CUDNN1、查看显卡驱动版本2、查看合适的CUDA版本3、下载CUDAToolKit4、安装CUDA5、查看是否安装成功6、安装CUDNN7、CUDNN配置四、安装anaconda五、安装pycharm六、搭建pytorch深度学习环境1、进入AnacondaPrompt（鼠标左击win标志，去找）2、下载torchvision和torch离线版本（因为在线装有时候会被中断）3、离线安装七、搭建pycharm环境测试一些必要的介绍（自己的理解，有错请大神指教）：下面开始啦！！！一、查看电脑有NVIDIA显卡没
问题从错误日志中可以看到，问题出在CMake无法找到CUDA工具包的根目录。错误消息是：CMakeErrorat/usr/local/share/cmake-3.24/Modules/FindCUDA.cmake:859(message):SpecifyCUDA_TOOLKIT_ROOT_DIR这意味着CMake需要知道CUDA工具包的安装位置，以便正确配置和构建denseflow。解决方式1为了解决这个问题，你需要设置CUDA_TOOLKIT_ROOT_DIR环境变量，指向CUDA的安装目录。通常，CUDA安装在/usr/local/cuda目录，但这可能因系统而异。你可以通过以下命令设置C
（多输入+动态维度）整理的自定义神经网络pt转onnx过程的python代码，记录了pt文件转onnx全过程，简单的修改即可应用。pt文件转onnx步骤1、编写预处理代码2、用onnxruntime导出onnx3、对导出的模型进行检查4、推理onnx模型，查看输出是否一致5、对onnx模型的输出进行处理，显示cv图像6、编辑主函数进行测试1、编写预处理代码预处理代码与torch模型的预处理代码一样defpreprocess(img): img=(cv2.cvtColor(img,cv2.COLOR_BGR2RGB)).transpose(2,0,1) img=np.expand_dims(im
前言：在安装前，如果自己的电脑名称里带中文，请先把自己的电脑重命名，切记不要带中文，否则可能会出错。说明：本人用这套是为了做深度学习，如果我们一样，可以看下去，不一样也有参考价值。本文不包括pycharm的安装教程！Anaconda主要是方便后续导包，装完Anaconda你可以拥有python、JupyterNotebook，不需要额外下载，且很多深度学习的教学都是用JupyterNotebook展示的。Pycharm也是非常流行的python编译器，我习惯用这个。正文：本文分为三部分：Anaconda下载、配置虚拟环境变量和pycharm新建项目。一、Anaconda下载1.首先到Anaco
最近看了一篇文章，里面介绍了自适应的激活函数，它可以使得网路收敛速度更快。文章：《Adaptiveactivationfunctionsaccelerateconvergenceindeep andphysics-informedneuralnetworks》激活函数是深度学习中至关重要的部分，我们在做深度学习的时候通常会利用激活函数增加网络的非线性能力，使其能够拟合更复杂的情况，比较熟悉的有ReLU，Tanh，Sigmoid等等，但是这些激活函数在某些情况下并不是最合适的，甚至会出现梯度消失或者梯度爆炸的情况，于是作者提出了自适应的激活函数，来加速网路收敛并且提高稳定性。简而言之，就是在激活
目录1 一、实验过程1.1 实验目的1.2 实验简介1.3 数据集的介绍1.4 一、LeNet5网络模型1.5 二、AlexNet网络模型1.6 三、ResNet50（残差网络）网络模型 二、实验代码导入实验所需要的库 参数配置数据预处理重新DataSet加载数据转为DataLoader函数可视化一批训练数据 构建模型搭建训练函数搭建测试函数实例化模型开始训练 开始测试参考文献 1 一、实验过程1.1 实验目的通过这个课程项目大，期望达到以下目的：1.了解如何对深度学习的图像数据集进行预处理操作。2.熟络深度学习训练模型的步骤流程、pytorch的使用。3.学习ResNet-
如果我运行这个程序，我会收到“在第48行的matrixMulti.cu中遇到非法内存访问”错误。我搜索并尝试了很多。所以我希望有人能帮助我。Line48:HANDLE_ERROR(cudaMemcpy(array,devarray,NNsizeof(int),cudaMemcpyDeviceToHost));该程序只是为了进入CUDA。我尝试实现矩阵乘法。#include#include#includeusingnamespacestd;#defineHANDLE_ERROR(err)(HandleError(err,__FILE__,__LINE__))voidprintVec(in
一、CPU架构（指令的执行）CPU中央处理器，负责执行用户和操作系统下发的指令。CPU只能接受01二进制语言，0和1用来控制高低电位。比如，一个加法运算，在x86处理器上的的二进制代码为：010010000000000111000011这样一行代码被称为机器码，它执行了加法操作。除了这样的加法，CPU的电路还要实现很多其他指令，如存取内存数据，进行逻辑判断等。不同厂商的电路设计不同，在电路上所能进行的二进制码不同。某类CPU能支持一种指令集（instructionsetarchitecture）。指令集相当于一种设计图纸，规定了一种CPU架构实现哪些指令。参照指令集，硬件开发人员只需要关心如何
