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
（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
TSP问题问题描述在一个具有n个城市的完全图中，旅行者希望进行一次巡回旅行，或经历一次哈密顿回路，可以恰好访问每一个城市一次，并且最终回到出发城市。而这次巡回旅行的总费用为访问各个城市费用的总和，故旅行者同时希望整个行程的费用是最低的，求这个路线的排列策略？TSP问题可以抽象为在一个带权重的完全无向图中，找到一个权值总和最小的哈密顿回路显然，TSP问题的组合解有N!种组合，随着城市数量N的规模增加，组合数将呈指数级别递增，故使用穷举法将会面临组合爆炸问题，因此TSP属于NP完全问题解决方案常用的方法包括：分枝定界法、线性规划法、动态规划法等。但是，随着问题规模的增大，精确算法将变得无能为力，因
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
文章目录@[toc]简介1.痛点分析1.1AI浪潮下的编程领域变革1.2Devchat-全新编程方式2.产品功能2.1Devchat插件的无缝融入IDE2.2支持知名大模型GPT-4、Claude、讯飞等2.3提高开发效率，告别繁琐工作3.使用场景3.1语法检查和错误提示3.2智能调试和性能优化4.产品价值4.1提高开发效率4.2减少重复劳动4.3提升编程体验5.Devchat使用5.1Devchat注册5.2安装配置Devchat5.3使用Devchat5.3.1智能代码生成5.3.2语法检查和错误提示6.项目实践6.1SQL编写2.代码编写3.问题解答小结附件简介Devchat是由国内领先
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-
JSON现在常用来做前后端数据交互，两个蝴蝶飞只是简单的对JSON做一下讲解和简单使用。关于JSON,我还了解的远远不够。由于本人经验有限，嘴皮子不溜，所以学术性，概念性，底层性的知识点暂时不做介绍。文章中有错误之处，欢迎拍砖和指点。特别感谢"菜鸟教程“（所举例子和思路大部分改编于此）和"JSON官网”（图片来源），所有的资料大部分是两者提供，为了方便书写，故不一一指名出处，请谅解，非常抱歉。一.一JSON的简单概述JSON,全称是JavaScriptObjectNatotion(JavaScript对象表示法)，是存储和交换文本信息的语法。与XML类似。但JSON比XML更小、更快，更易解析
jQuery---ajaxajax简介Ajax其实质是利用浏览器提供的一个特殊的对象（XMLHttpRequest）异步地向服务器发送请求，服务器返回部分数据，浏览器让你去利用这些数据对象页面做部分的更新，整个过程，页面无刷新，不打断用户的操作。同步和异步的区别同步：如果与服务器端的交互方式是同步，当客户端与服务器交互时，客户端就不能进行其他操作，只能等待服务器端的响应，会刷新页面。异步：当客户端正在进行正常操作时，还可以同时与服务器进行交互，服务器响应客户端信息，将信息更新到网页局部，整个过程页面不刷新。'''ajax不是一种新语言。它是几种技术的综合使用。ajax是一种技术。ajax是一种
最近在复现yolov8的程序，特记录一下过程环境：ubuntu18.04+rosmelodic小知识：GPU并行计算能力高于CPU—B站UP主说的Ubuntu可以安装多个版本的CUDA。如果某个程序的Pyorch需要不同版本的CUDA，不必删除之前的CUDA，可以实现多版本的CUDA切换一、查看当前PyTorch使用的CUDA版本：python-c"importtorch;print(torch.version.cuda)"注意：sudoln-sflibcudnn.so.8.0.5libcudnn.so.81.需要进入conda环境2.进入conda环境命令：condaactivate****
