文章目录1.函数语法格式2.参数解释3.尺寸关系4.使用案例5.nn.functional.conv2d1.函数语法格式CONV2D官方链接torch.nn.Conv2d( in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros', device=None, dtype=None)2.参数解释in_channels：输入的通道数，RGB图像的输入通道数为3out_channels：输出的通道数kernel_size：卷积核的
文章目录1.函数语法格式2.参数解释3.尺寸关系4.使用案例5.nn.functional.conv2d1.函数语法格式CONV2D官方链接torch.nn.Conv2d( in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros', device=None, dtype=None)2.参数解释in_channels：输入的通道数，RGB图像的输入通道数为3out_channels：输出的通道数kernel_size：卷积核的
PyTorch学习笔记：nn.LeakyReLU——LeakyReLU激活函数功能：逐元素对数据应用如下函数公式进行激活LeakyReLU(x)=max(0,x)+α∗min(0,x)\text{LeakyReLU}(x)=\max(0,x)+\alpha*\min(0,x)LeakyReLU(x)=max(0,x)+α∗min(0,x)或者LeakyReLU(x)={x,ifx≥0α×x,otherwise\begin{aligned}\text{LeakyReLU}(x)=\left\{\begin{matrix}x,\quad&if\quadx≥0\\\alpha\timesx,\q
PyTorch学习笔记：nn.LeakyReLU——LeakyReLU激活函数功能：逐元素对数据应用如下函数公式进行激活LeakyReLU(x)=max(0,x)+α∗min(0,x)\text{LeakyReLU}(x)=\max(0,x)+\alpha*\min(0,x)LeakyReLU(x)=max(0,x)+α∗min(0,x)或者LeakyReLU(x)={x,ifx≥0α×x,otherwise\begin{aligned}\text{LeakyReLU}(x)=\left\{\begin{matrix}x,\quad&if\quadx≥0\\\alpha\timesx,\q
玩转OpenPose【玩转OpenPose】编译篇一、开发环境二、下载与安装2.1CUDA（用于高性能计算）与CUDNN（用于深度神经网络计算的支持）2.2下载Cmake2.3下载0penPose源码2.4下载caffe-openpose源码2.5下载pybind11源码三、编译OpenPose(以上步骤完成-开始编译)3.1编译GPU3.2编译CPU3.3demo测试（GPU版和CPU版都相同）四、建立OpenPoseDemo项目4.1先创建项目，建立bin目录和models目录，bin目录放依赖的相关文件，models放模型文件。4.2将build_GPU(build_CPU)/x64/R
玩转OpenPose【玩转OpenPose】编译篇一、开发环境二、下载与安装2.1CUDA（用于高性能计算）与CUDNN（用于深度神经网络计算的支持）2.2下载Cmake2.3下载0penPose源码2.4下载caffe-openpose源码2.5下载pybind11源码三、编译OpenPose(以上步骤完成-开始编译)3.1编译GPU3.2编译CPU3.3demo测试（GPU版和CPU版都相同）四、建立OpenPoseDemo项目4.1先创建项目，建立bin目录和models目录，bin目录放依赖的相关文件，models放模型文件。4.2将build_GPU(build_CPU)/x64/R
文章目录反卷积的作用卷积中padding的几个概念NoPaddingHalf(Same)PaddingFullPadding反卷积反卷积中的Padding参数反卷积的stride参数反卷积的output_padding参数反卷积总结参考资料反卷积的作用传统的卷积通常是将大图片卷积成一张小图片，而反卷积就是反过来，将一张小图片变成大图片。但这有什么用呢？其实有用，例如，在生成网络(GAN)中，我们是给网络一个向量，然后生成一张图片所以我们需要想办法把这个向量一直扩，最终扩到图片的的大小。卷积中padding的几个概念在了解反卷积前，先来学习传统卷积的几个padding概念，因为后面反卷积也有相同
文章目录反卷积的作用卷积中padding的几个概念NoPaddingHalf(Same)PaddingFullPadding反卷积反卷积中的Padding参数反卷积的stride参数反卷积的output_padding参数反卷积总结参考资料反卷积的作用传统的卷积通常是将大图片卷积成一张小图片，而反卷积就是反过来，将一张小图片变成大图片。但这有什么用呢？其实有用，例如，在生成网络(GAN)中，我们是给网络一个向量，然后生成一张图片所以我们需要想办法把这个向量一直扩，最终扩到图片的的大小。卷积中padding的几个概念在了解反卷积前，先来学习传统卷积的几个padding概念，因为后面反卷积也有相同
一、软硬件配置介绍操作系统：Windows10和Ubuntu20.04均适用GPU：NvidiaGeforceRTX3060Python：3.8Tensorflow：2.5.0二、环境配置步骤1、安装显卡驱动（1）Windows10 在Nvidia驱动下载官网下载522.25版本的驱动并安装。（2）Ubuntu20.04 打开系统设置，找到软件更新里的附加驱动，选择470版本的驱动即可。注意，安装完成后需要重启一次。 安装完成后使用nvidia-smi命令进行验证。2、安装并配置Conda（1）安装conda 此处选择miniconda。访问miniconda官网下载对
一、软硬件配置介绍操作系统：Windows10和Ubuntu20.04均适用GPU：NvidiaGeforceRTX3060Python：3.8Tensorflow：2.5.0二、环境配置步骤1、安装显卡驱动（1）Windows10 在Nvidia驱动下载官网下载522.25版本的驱动并安装。（2）Ubuntu20.04 打开系统设置，找到软件更新里的附加驱动，选择470版本的驱动即可。注意，安装完成后需要重启一次。 安装完成后使用nvidia-smi命令进行验证。2、安装并配置Conda（1）安装conda 此处选择miniconda。访问miniconda官网下载对
