文章目录版本选择Python安装Anaconda安装PyTorch安装PyCham测试前些天发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，忍不住分享一下给大家。点击跳转到网站。再推荐一个网站，专注于人工智能：黑红鸟网https://www.hongheiniao.com/本文主要参考PyTorch文档版本选择不同操作系统，不同语言，不同包管理器安装PyTorch方法不一样。Anaconda是官网推荐的和主流的包管理器，若支持CUDA则能更好的用GPU进行加速，不过不是必选项。首先查看是否支持GPU加速，即NVDIA显卡支持，这是硬件决定的，没有的憨憨不必去下NVDIA驱动软件了。最直观
文章目录版本选择Python安装Anaconda安装PyTorch安装PyCham测试前些天发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，忍不住分享一下给大家。点击跳转到网站。再推荐一个网站，专注于人工智能：黑红鸟网https://www.hongheiniao.com/本文主要参考PyTorch文档版本选择不同操作系统，不同语言，不同包管理器安装PyTorch方法不一样。Anaconda是官网推荐的和主流的包管理器，若支持CUDA则能更好的用GPU进行加速，不过不是必选项。首先查看是否支持GPU加速，即NVDIA显卡支持，这是硬件决定的，没有的憨憨不必去下NVDIA驱动软件了。最直观
目录1.cuda的安装2.cudapath的配置3.检查cuda的版本号（为安装pytorch做准备）...建议看看下面的几条ps，可以避免踩坑！ps：本文所用ubuntu系统版本为v-22.04（如果打算安装可以参考博主的另一篇文章），ubuntu-v-22.04最高支持cuda-v-11.7.0ps：此文为2023.2.4所写，此时pytorch支持的cuda版本最高为v-11.7。ps：因为自己没提前查看pytorch支持的cuda的最高版本，因此装了个v-12.0，在这写下这篇博客，希望让你们少踩坑。ps：试过各种卸载方法都删除不干净，无奈只能重新装系统。ps：安装cudaToolik
目录1.cuda的安装2.cudapath的配置3.检查cuda的版本号（为安装pytorch做准备）...建议看看下面的几条ps，可以避免踩坑！ps：本文所用ubuntu系统版本为v-22.04（如果打算安装可以参考博主的另一篇文章），ubuntu-v-22.04最高支持cuda-v-11.7.0ps：此文为2023.2.4所写，此时pytorch支持的cuda版本最高为v-11.7。ps：因为自己没提前查看pytorch支持的cuda的最高版本，因此装了个v-12.0，在这写下这篇博客，希望让你们少踩坑。ps：试过各种卸载方法都删除不干净，无奈只能重新装系统。ps：安装cudaToolik
目录安装cuda下载cuDNN包cuda配置验证pycharm内下载gpu版TensorFlow安装cuda下载链接：https://developer.nvidia.cn/cuda-downloads?直接安装，首先提取在temp目录：这个temp目录在退出安装以及安装完成后会自动删除，如果没有，我们也可以手动将其删除提取完成后，就进入安装步骤直接精简安装即可，省事快捷，占点储存空间在现在也不是个事。安装好cuda后，会提示重启。重启完成后，安装成功。cuda安装好之后，会新建两个环境变量CUDA_PATH以及CUDA_PATH_V11_8：注意，有教程说，cuda会生成NVCUDASAMP
目录安装cuda下载cuDNN包cuda配置验证pycharm内下载gpu版TensorFlow安装cuda下载链接：https://developer.nvidia.cn/cuda-downloads?直接安装，首先提取在temp目录：这个temp目录在退出安装以及安装完成后会自动删除，如果没有，我们也可以手动将其删除提取完成后，就进入安装步骤直接精简安装即可，省事快捷，占点储存空间在现在也不是个事。安装好cuda后，会提示重启。重启完成后，安装成功。cuda安装好之后，会新建两个环境变量CUDA_PATH以及CUDA_PATH_V11_8：注意，有教程说，cuda会生成NVCUDASAMP
视频链接：https://www.bilibili.com/video/BV1J3411C7zd?vd_source=a0d4f7000e77468aec70dc618794d26f代码：https://github.com/WZMIAOMIAO/deep-learning-for-image-processingFCN是2015年提出的首个端对端的针对像素级预测的全卷积网络。如今的pytorch实现的FCN都是基于ResNet-50的backbone，不是论文中的VGG16，且使用的是空洞卷积（也叫膨胀卷积）pytorch官方实现的FCN网络结构图博主github：https://githu
视频链接：https://www.bilibili.com/video/BV1J3411C7zd?vd_source=a0d4f7000e77468aec70dc618794d26f代码：https://github.com/WZMIAOMIAO/deep-learning-for-image-processingFCN是2015年提出的首个端对端的针对像素级预测的全卷积网络。如今的pytorch实现的FCN都是基于ResNet-50的backbone，不是论文中的VGG16，且使用的是空洞卷积（也叫膨胀卷积）pytorch官方实现的FCN网络结构图博主github：https://githu
1.state_dict简介state_dict是Python的字典对象，可用于保存模型参数、超参数以及优化器（torch.optim）的状态信息。需要注意的是，只有具有可学习参数的层（如卷积层、线性层等）才有state_dict。下面就拿官方教程中的一个小示例来说明state_dict的使用：importtorchimporttorch.nnasnnimporttorch.optimasoptim#定义模型classTheModelClass(nn.Module):def__init__(self):super(TheModelClass,self).__init__()self.conv1
1.state_dict简介state_dict是Python的字典对象，可用于保存模型参数、超参数以及优化器（torch.optim）的状态信息。需要注意的是，只有具有可学习参数的层（如卷积层、线性层等）才有state_dict。下面就拿官方教程中的一个小示例来说明state_dict的使用：importtorchimporttorch.nnasnnimporttorch.optimasoptim#定义模型classTheModelClass(nn.Module):def__init__(self):super(TheModelClass,self).__init__()self.conv1
