SegNet手稿最早是在2015年12月投出，和FCN属于同时期作品。稍晚于FCN，既然属于后来者，又是与FCN同属于语义分割网络，SegNet论文中做出了许多与FCN网络的对比论述。《SegNet:ADeepConvolutionalEncoder-DecoderArchitectureforImageSegmentation》 目录SegNet设计动机网络结构Poolindices结果模型复现数据集构建Dataset类创建数据集和dataloader模型构建模型训练总结SegNet设计动机作者认为，FCN网络的分割结果鼓舞人心，但是，池化和下采样过程降低了特征图的分辨率，损失了一定信息，会

网络搭建目录：Lenet学习笔记pytorch官方demo代码复现_放风筝的猪的博客-CSDN博客AlexNet网络结构详解与代码复现_放风筝的猪的博客-CSDN博客VGG网络结构详解与代码复现，感受野计算_放风筝的猪的博客-CSDN博客GoogLeNet网络结构详解与代码复现_放风筝的猪的博客-CSDN博客ResNet网络结构详解，网络搭建，迁移学习_放风筝的猪的博客-CSDN博客NetworkinNetwork（NIN）网络结构详解，网络搭建_放风筝的猪的博客-CSDN博客一、简述今年读研开始转入深度学习方向，而CNN是深度学习中的核心算法之一，也是2012年以来将人工智能推向风口浪尖的推

相关博文stable-diffusion-webui的基础功能手动安装，了解代码结构、依赖、模型出处安装成功结果主要参考cuda11.7下载-https://developer.nvidia.com/cuda-toolkit-archivecudnn8.6for11.x:https://developer.nvidia.com/rdp/cudnn-archivedreambooth\lora训练环境：最原始的命令端https://github.com/kohya-ss/sd-scriptsGUI端口https://github.com/bmaltais/kohya_ss环境安装参考：win11

一、租用新实例 二、点击JupyterLab 三、进入终端 1、首先输入如下命令vim~/.bashrc 2、然后按英文模式的  i  进入编辑，按键盘下键到最后输入sourceroot/miniconda3/etc/profile.d/conda.sh 3、然后先按键盘Esc键，使用命令 :w!  强制存盘 4、然后再按键盘Esc键，使用命令 :q  退出 5、输入以下命令刷新bash 6、进入conda环境condaactivatebase如果报以下错误： 输入如下命令：condainit{TERMINAL_TYPE} 然后再  bash  ，然后重新进入basecondaactivate

以图搜图，涉及两大功能：1、提取图像特征向量。2、相似向量检索。第一个功能我通过编写pytorch模型并在java端借助djl调用实现，第二个功能通过elasticsearch7.6.2的dense_vector、cosineSimilarity实现。一、准备模型创建demo.py，输入代码，借助resnet提取图像特征importtorchimporttorch.nnasnnimporttorchvision.modelsasmodelsclassImageFeatureExtractor(nn.Module):def__init__(self):super(ImageFeatureExtr

以图搜图，涉及两大功能：1、提取图像特征向量。2、相似向量检索。第一个功能我通过编写pytorch模型并在java端借助djl调用实现，第二个功能通过elasticsearch7.6.2的dense_vector、cosineSimilarity实现。一、准备模型创建demo.py，输入代码，借助resnet提取图像特征importtorchimporttorch.nnasnnimporttorchvision.modelsasmodelsclassImageFeatureExtractor(nn.Module):def__init__(self):super(ImageFeatureExtr

本文参加新星计划人工智能(Pytorch)赛道：https://bbs.csdn.net/topics/613989052这是目录PyTorch的简介PyTorch构建深度学习模型的步骤搭建pytorch使用环境PyTorch的简介PyTorch是一个开源的机器学习框架，由Facebook的人工智能研究院（FAIR）开发。它提供了一种简单、灵活的方式来构建和训练深度学习模型。PyTorch的核心是一个称为张量（Tensor）的数据结构。张量类似于多维数组，可以在CPU或GPU上进行高效的数值计算。PyTorch提供了许多函数来创建、操作和计算张量。此外，PyTorch还提供了一系列高级API来

本文参加新星计划人工智能(Pytorch)赛道：https://bbs.csdn.net/topics/613989052这是目录PyTorch的简介PyTorch构建深度学习模型的步骤搭建pytorch使用环境PyTorch的简介PyTorch是一个开源的机器学习框架，由Facebook的人工智能研究院（FAIR）开发。它提供了一种简单、灵活的方式来构建和训练深度学习模型。PyTorch的核心是一个称为张量（Tensor）的数据结构。张量类似于多维数组，可以在CPU或GPU上进行高效的数值计算。PyTorch提供了许多函数来创建、操作和计算张量。此外，PyTorch还提供了一系列高级API来

一、首先安装CUDA  pytorch2.0系列目前只支持CUDA11.7与CUDA11.8，首先通过该网址https://developer.nvidia.com/cuda-toolkit-archive，下载对应的CUDA11.7或者CUDA11.8，然后双击安装，安装时选择自定义选项如果自己的电脑上没有下载VSstudio,在自定义选项里面取消勾选VS选项如果下载的组件版本低于或者等于当前版本，也可以取消勾选。 然后是选择安装位置，这里可以自己自定义安装路径，自己创建一个CUDA11.8的文件夹，然后在文件加下创建CUDA01与CUDA02，然后将CUDA安装到对应的路径。 二、第二步是

3050显卡驱动安装+配置pytorch的cuda环境前言一、下载3050驱动二、下载CUDA二、cuDNN下载三、cuDNN配置四、pytorch环境配置①、创建虚拟环境前言因为有一块3050的显卡，更新驱动的时候把之前配好的cuda10.0覆盖了，因此需要重新配置一下环境。记录一下过程，方便后面自己尽快恢复环境。一、下载3050驱动N卡的驱动下载过程都是一样的，先进入官网驱动程序下载选择对应的配置，有的是笔记本的，注意区分一下。配置好了就下载，下载好驱动程序后打开运行，简易安装即可。安装完出现NVIDIA控制面板则代表成功了。二、下载CUDA我之前安装的10.1版本用不了，只能重新安装11