apodxxx
码龄7年
求更新 关注
提问 私信
  • 博客:71,458
    社区:5
    71,463
    总访问量
  • 17
    原创
  • 17
    粉丝
  • 175
    关注
IP属地以运营商信息为准,境内显示到省(区、市),境外显示到国家(地区)
IP 属地:山东省
加入CSDN时间: 2020-02-29

个人简介:深度学习已弃坑,不再更新和解答相关问题,非常抱歉

博客简介:

apodx的博客

查看详细资料
个人成就
  • 获得47次点赞
  • 内容获得36次评论
  • 获得419次收藏
  • 代码片获得2,650次分享
  • 博客总排名1,092,825名
创作历程
  • 14篇
    2022年
  • 3篇
    2021年
成就勋章
TA的专栏
  • torch
    7篇
  • docker
    3篇
  • yolo
    1篇
  • Python
    1篇
  • paddle
    3篇
  • Transformer
    2篇

TA关注的专栏 11

TA关注的收藏夹 0

TA关注的社区 5

TA参与的活动 0

创作活动更多

1024 程序员节 · 高效创作之道活动征文

1024 程序员节来啦!今年我们邀请你用创作记录高效之道——**写一篇博文,分享你的创作经验、效率技巧或技术干货**,就有机会获得专属好礼。 **特别玩法**: - 🏆 一二三等奖不限方向,自由创作与墨衍相关创作均可参评——自由创作方向获奖者拿**卫衣/马克杯/流量券** - ✨ 如果你在创作中体验了**墨衍**(AI 创作、多平台同步、GEO 检测)并写下真实体验,你的投稿将进入**「墨衍专属创作奖」独立评审赛道**——按墨衍结合深度等专属标准**优中选优**,再拿 7 天体验卡! - 🎁 一二三等奖中的墨衍方向获奖者,同步获得墨衍 7 天体验卡! 创作方向 ### 🚀 墨衍相关创作(推荐 · 专属奖独立评审赛道) - **墨衍使用体验**:AI 创作 / 多平台同步 / GEO 检测的真实体验复盘 - **墨衍场景教程**:选题 → AI 写文 → 多平台同步 → GEO 优化一站式实操 - **墨衍 × 多平台分发**:一次创作多平台发布的效率对比与数据复盘 - **墨衍 × 1024 案例**:用墨衍辅助完成一篇 1024 主题文章的完整过程 > 投稿即进入「墨衍专属创作奖」独立评审赛道(10 名 · 7 天体验卡),不与一二三等奖合并评选,优中选优! ### ✍️ 自由创作(不限题材) 技术干货、职业成长、行业观察、程序人生……符合社区规范即可。

1324人参与 去参加
  • 最近
  • 收藏
  • 专栏
  • 文章
  • 代码仓
  • 资源
  • 问答
更多
  • 最近

  • 收藏

  • 专栏

  • 文章

  • 代码仓

  • 资源

  • 问答

  • 社区

  • 帖子

  • 视频

  • 课程

  • 关注/订阅/互动

搜索 取消

轻量化网络——ghostnet代码讲解

背景神经网络在移动设备上的应用还亟待解决,主要原因是现有模型又大又慢。因而,一些研究提出了模型的压缩方法,比如剪枝、量化、知识蒸馏等;还有一些则着重于高效的网络结构设计,比如MobileNet,ShuffleNet等。本文就设计了一种全新的神经网络基本单元Ghost模块,从而搭建出轻量级神经网络架构GhostNet。在一个训练好的深度神经网络中,通常会包含丰富甚至冗余的特征图,以保证对输入数据有全面的理解。如下图所示,在ResNet-50中,将经过第一个残差块处理后的特征图拿出来,三个相似的特征图对示
原创
博文更新于 2022.05.15 ·
2398 阅读 ·
1 点赞 ·
0 评论 ·
15 收藏

matplotlib读取ndarry格式图片并进行不失真的resize

1.import cv2import numpy as npimport matplotlib.pyplot as pltfrom PIL import Imagefrom matplotlib.image import imreaddef letterbox_image(image, size): ih, iw, _ = np.shape(image) w, h = size scale = min(w/iw, h/ih) nw
原创
博文更新于 2022.05.14 ·
1026 阅读 ·
0 点赞 ·
0 评论 ·
0 收藏

指数加权平均(MEA)

1. 定义滑动平均(exponential moving average),或者叫做指数加权平均(exponentially weighted moving average),可以用来估计变量的局部均值,使得变量的更新与一段时间内的历史取值有关。2. 通俗解释变量 在 𝑡 时刻记,为变量𝑣在𝑡时刻的取值,即在不使用滑动平均模型时 ,在使用滑动平均模型后,的更新公式如下:上式中,𝛽∈[0,1)β∈[0,1)。若β=0 相当于没有使用滑动平均。3. 代码实现class E...
原创
博文更新于 2022.05.08 ·
1454 阅读 ·
0 点赞 ·
0 评论 ·
1 收藏

docker学习笔记一 ——镜像(image)相关命令

列出镜像docker imagesREPOSITORY:表示镜像的仓库源TAG:镜像的标签IMAGE ID:镜像IDCREATED:镜像创建时间SIZE:镜像大小查找镜像docker search ${image_name}NAME:镜像仓库源的名称DESCRIPTION:镜像的描述starts:用户评价,反应一个镜像的受欢迎程度OFFICIAL:是否docker官方发布auto commit:自动构建,表示该镜像由 Docker Hub 自动构建流程创建的.
原创
博文更新于 2022.05.05 ·
484 阅读 ·
0 点赞 ·
0 评论 ·
0 收藏

docker笔记三——Dockerfile相关命令

我们先看一个Dockerfile的Demo参考的代码FROM python:3.7COPY . /app WORKDIR /appRUN ["pip3", "install", "-r", "requirements.txt"]EXPOSE 3000CMD ["python3", "server.py"]Dockerfile使用基本的基于DSL语法的指令来构建一个Docker镜像,之后使用dockerbuilder命令基于该Dockerfile中的指令构建一个新的镜像1)DSL 语法
原创
博文更新于 2022.05.05 ·
334 阅读 ·
0 点赞 ·
0 评论 ·
0 收藏

docker笔记二——容器(Container)相关命令

二、容器操作创建容器docker run [option] --name=${name} image command [args...]option 选项:-i: 交互式容器-t:tty,终端-d:后台运行,并且打印出容器id示例:docker run -i -t -d --name=centOS1 centos /bin/bash或者docker run -itd --name=centOS1 centos /bin/bash注: 创建的容器名称不能重复进入容器方
原创
博文更新于 2022.05.05 ·
582 阅读 ·
0 点赞 ·
0 评论 ·
1 收藏

将yolov5项目打包成exe可执行文件

将yolov5打包成exe可执行文件
原创
博文更新于 2022.04.22 ·
12276 阅读 ·
8 点赞 ·
22 评论 ·
129 收藏

Python 中 next filter map lambda的一点使用小技巧

a = [1,2,3,4,5]la = lambda x:x+2# map是python内置函数,会根据提供的函数对指定的序列做映射 b = map(la,a)list(b)[3, 4, 5, 6, 7]# iter() 函数用来生成迭代器c = iter(a)next(c)1next(c)2next(c)3next(c)4next(c)5# 迭代完会报异常next(c)-------------------------------
原创
博文更新于 2022.04.19 ·
858 阅读 ·
0 点赞 ·
0 评论 ·
0 收藏

从零安装tensorflow GPU版本

1. 首先是需要安装anaconda (python版本最好在2.8以上)2. tensorflow GPU版 2.6 ,cuda 11.3版本及cudnn 8.2.1(你的电脑不一定合适这个版本)pip install tensorflow_gpu=2.6-i https://pypi.tuna.tsinghua.edu.cn/simpleconda install cuda=11.3conda install cudnn=8.2.13. 如果不知道自己的cuda版本可以使用nvdia.
原创
博文更新于 2022.04.17 ·
1040 阅读 ·
1 点赞 ·
0 评论 ·
1 收藏

python中的Iterable和Iterator对象及调用

for的本质是什么?调用Iterable对象__iter__方法得到Iterator,然后不断调用__next__方法什么是Iterable对象?可以一次一个返回数据的Object,需要实现__iter__方法返回Iterator对象什么是Iterator对象?实现__iter__方法和__next__方法,(__iter__返回self即可)Object.getitem(self,key)?实现self[key]索引取值class MyIterable(): def __ini.
原创
博文更新于 2022.04.03 ·
1088 阅读 ·
0 点赞 ·
0 评论 ·
0 收藏

Vision Transformer代码讲解及复现

VIT(Vision in Transformer)网络结构1. Embedding层结构详解在代码实现中,直接通过一个卷积层来实现。在输入Transformer Encoder之前注意需要加上token以及Position Embedding。import paddleimport paddle.nn as nnfrom PIL import Imageimport numpy as npclass PatchEmbedding(nn.Layer): def __init__(
原创
博文更新于 2022.04.03 ·
2619 阅读 ·
2 点赞 ·
0 评论 ·
9 收藏

swin-transformer详解及代码复现

1. swin-transformer网络结构实际上,我们在进行代码复现时应该是下图,接下来我们根据下面的图片进行分段实现2. Patch Partition & Patch Embedding首先将图片输入到Patch Partition模块中进行分块,即每4x4相邻的像素为一个Patch,然后在channel方向展平(flatten)。假设输入的是RGB三通道图片,那么每个patch就有4x4=16个像素,然后每个像素有R、G、B三个值所以展平后是16x3=48,所以通过Patc
原创
博文更新于 2022.04.03 ·
17927 阅读 ·
18 点赞 ·
10 评论 ·
173 收藏

paddle GPU 终极安装教程

1. 首先创建一个虚拟环境,名称为paddle,我们将在该环境下安装paddle GPU版conda create -n paddle python=3.72. 安装GPU版本 ,首先查看自己的显卡最高支持的CUDA版本,3. 可以看到11.1以下的cuda 版本都是支持的,反之,11.1以上的版本我们是不能安装的。这里我们选择cuda10.2,个人觉得大多数的机器学习框架都是支持该cuda 版本的。4. 下载cuda版本10.2,下载完成后一步步的安装即可。CUDA下载地址5
原创
博文更新于 2022.03.29 ·
23686 阅读 ·
13 点赞 ·
1 评论 ·
92 收藏

nn.Sequential的参数的注意事项

在Python中,*作用在形参上,代表这个位置接收任意多个非关键字参数,转化成元组方式;*作用在实参上,代表的是将输入迭代器拆成一个个元素。从nn.Sequential的定义来看,输入要么是orderdict,要么是一系列的模型,遇到list,必须用*号进行转化,否则会报错 TypeError: list is not a Module subclass```# 下面的三种layer都是可以layer = nn.Sequential(nn.Linear(10,20),nn.ReLU(),nn.L
原创
博文更新于 2022.01.28 ·
2730 阅读 ·
3 点赞 ·
3 评论 ·
3 收藏

Python map的一点小问题

在Python 3中,因为map函数处理的结果是迭代器,而且只能迭代一次,如果需要多次使用,需要提前保存。在Python 2中则可以多次调用 这是需要注意的一点
原创
博文更新于 2021.12.19 ·
574 阅读 ·
0 点赞 ·
0 评论 ·
0 收藏

nn.Conv1d当kernel-size=1时的应用

Conv1d和Conv2d的区别
原创
博文更新于 2021.12.03 ·
1865 阅读 ·
1 点赞 ·
0 评论 ·
0 收藏

ReLU等激活函数对tensor的一点小提示

a = torch.tensor([[2,-1],[3,4]])nn.ReLU()(a)#上面的代码等同于m = nn.ReLU()m(a)
原创
博文更新于 2021.12.03 ·
517 阅读 ·
0 点赞 ·
0 评论 ·
0 收藏
加载更多