生成式对抗网络（GenerativeAdversarialNetwork,GAN）是近些年计算机视觉领域非常常见的一类方法，其强大的从已有数据集中生成新数据的能力令人惊叹，甚至连人眼都无法进行分辨。本文将会介绍基于最原始的DCGAN的动漫人物生成任务，通过定义生成器和判别器，并让这两个网络在参数优化过程中不断“打架”，最终得到较好的生成结果。01、生成动漫人物任务概述日本动漫中会出现很多的卡通人物，这些卡通人物都是漫画家花费大量的时间设计绘制出来的，那么，假设已经有了一个卡通人物的集合，那么深度学习技术可否帮助漫画家们根据已有的动漫人物形象，设计出新的动漫人物形象呢？本文使用的数据集包含已经裁
生成式对抗网络（GenerativeAdversarialNetwork,GAN）是近些年计算机视觉领域非常常见的一类方法，其强大的从已有数据集中生成新数据的能力令人惊叹，甚至连人眼都无法进行分辨。本文将会介绍基于最原始的DCGAN的动漫人物生成任务，通过定义生成器和判别器，并让这两个网络在参数优化过程中不断“打架”，最终得到较好的生成结果。01、生成动漫人物任务概述日本动漫中会出现很多的卡通人物，这些卡通人物都是漫画家花费大量的时间设计绘制出来的，那么，假设已经有了一个卡通人物的集合，那么深度学习技术可否帮助漫画家们根据已有的动漫人物形象，设计出新的动漫人物形象呢？本文使用的数据集包含已经裁
本人最近接触深度学习，想在服务器上配置深度学习的环境，看了很多资料后总结出来了对于新手比较友好的配置流程，创建了一个关于深度学习环境配置的专栏，包括从anaconda到cuda到pytorch的一系列操作，专栏中的另外两篇文章如下，如果有不对的地方欢迎大家批评指正！Anaconda保姆级安装配置教程（新手必看）如果你还不是很清楚CUDA，CUDATookit，cuDNN，Pytorch分别在深度学习环境中的定位与关系，推荐看一下我这篇文章用人话讲解深度学习中CUDA，cudatookit，cudnn和pytorch的关系另外，如果你还不是特别理解虚拟环境的作用，建议看一下这位大佬的视频安装不算
本人最近接触深度学习，想在服务器上配置深度学习的环境，看了很多资料后总结出来了对于新手比较友好的配置流程，创建了一个关于深度学习环境配置的专栏，包括从anaconda到cuda到pytorch的一系列操作，专栏中的另外两篇文章如下，如果有不对的地方欢迎大家批评指正！Anaconda保姆级安装配置教程（新手必看）如果你还不是很清楚CUDA，CUDATookit，cuDNN，Pytorch分别在深度学习环境中的定位与关系，推荐看一下我这篇文章用人话讲解深度学习中CUDA，cudatookit，cudnn和pytorch的关系另外，如果你还不是特别理解虚拟环境的作用，建议看一下这位大佬的视频安装不算
现在的模型越来越大，动辄几B甚至几百B。但是显卡显存大小根本无法支撑训练推理。例如，一块RTX2090的10G显存，光把模型加载上去，就会OOM，更别提后面的训练优化。作为传统pytorchDataparallel的一种替代，DeepSpeed的目标，就是为了能够让亿万参数量的模型，能够在自己个人的工作服务器上进行训练推理。本文旨在简要地介绍Deepspeed进行大规模模型训练的核心理念，以及最基本的使用方法。更多内容，笔者强烈建议阅读HuggingFaceTransformer官网对于DeepSpeed的教程：TransformerDeepSpeedIntegration1.核心思想(TLD
现在的模型越来越大，动辄几B甚至几百B。但是显卡显存大小根本无法支撑训练推理。例如，一块RTX2090的10G显存，光把模型加载上去，就会OOM，更别提后面的训练优化。作为传统pytorchDataparallel的一种替代，DeepSpeed的目标，就是为了能够让亿万参数量的模型，能够在自己个人的工作服务器上进行训练推理。本文旨在简要地介绍Deepspeed进行大规模模型训练的核心理念，以及最基本的使用方法。更多内容，笔者强烈建议阅读HuggingFaceTransformer官网对于DeepSpeed的教程：TransformerDeepSpeedIntegration1.核心思想(TLD
两个最受欢迎的深度学习库：Pytorch和tensorflow，这两个究竟有什么区别？他们之间有什么优缺点。接下里和大家一起看看这其中究竟。第1点：虽然Tensorflow和PyTorch都是开源的，但它们是由两个不同的向导创建的。Tensorflow基于Theano，由Google开发，而PyTorch基于Torch，由Facebook开发。第2点：两者之间最重要的区别是这些框架定义计算图的方式。虽然Tensorflow创建的是静态图，但PyTorch相信动态图。那么这是什么意思？在Tensorflow中，必须定义模型的整个计算图，然后运行您的ML模型。但是在PyTorch中，可以随时随地定
两个最受欢迎的深度学习库：Pytorch和tensorflow，这两个究竟有什么区别？他们之间有什么优缺点。接下里和大家一起看看这其中究竟。第1点：虽然Tensorflow和PyTorch都是开源的，但它们是由两个不同的向导创建的。Tensorflow基于Theano，由Google开发，而PyTorch基于Torch，由Facebook开发。第2点：两者之间最重要的区别是这些框架定义计算图的方式。虽然Tensorflow创建的是静态图，但PyTorch相信动态图。那么这是什么意思？在Tensorflow中，必须定义模型的整个计算图，然后运行您的ML模型。但是在PyTorch中，可以随时随地定
摘要：基于深度学习的高精度人脸口罩检测识别系统可用于日常生活中或野外来检测与定位人脸口罩目标，利用深度学习算法可实现图片、视频、摄像头等方式的人脸口罩目标检测识别，另外支持结果可视化与图片或视频检测结果的导出。本系统采用YOLOv5目标检测模型训练数据集，使用Pysdie6库来搭建页面展示系统，同时支持ONNX、PT等模型作为权重模型的输出。本系统支持的功能包括人脸口罩训练模型的导入、初始化；置信分与IOU阈值的调节、图像上传、检测、可视化结果展示、结果导出与结束检测；视频的上传、检测、可视化结果展示、结果导出与结束检测；摄像头的上传、检测、可视化结果展示与结束检测；已检测目标列表、位置信息；
基于pytorch实现VGG16模型前言最近在看经典的卷积网络架构，打算自己尝试复现一下，在此系列文章中，会参考很多文章，有些已经忘记了出处，所以就不贴链接了，希望大家理解。完整的代码在最后。本系列必须的基础python基础知识、CNN原理知识、pytorch基础知识本系列的目的一是帮助自己巩固知识点；二是自己实现一次，可以发现很多之前的不足；三是希望可以给大家一个参考。目录结构文章目录基于pytorch实现VGG16模型1.VGG16模型介绍：2.VGG16模型构建：3.总结：1.VGG16模型介绍：VGG是2014发布的，在图像分类上的ImageNet比赛上为当时的亚军，冠军
