transforms.resize 第3页

PyTorch最佳实践，怎样才能写出一手风格优美的代码

PyTorch是最优秀的深度学习框架之一，它简单优雅，非常适合入门。本文将介绍PyTorch的最佳实践和代码风格都是怎样的。虽然这是一个非官方的PyTorch指南，但本文总结了一年多使用PyTorch框架的经验，尤其是用它开发深度学习相关工作的最优解决方案。请注意，我们分享的经验大多是从研究和...

基于 PyTorch 的图像分类器训练（python cnn图像分类）

#技术派的书架#...

Diffusion扩散模型（diffusion扩散模型 gpu）

模型简介当前有四大生成模型：生成对抗模型、变微分自动编码器、流模型以及扩散模型。...

深度聚类的可视化解释（深度聚类存在的问题和研究展望）

作者：AmitChaudhary编译：ronghuaiyang导读视觉上的自监督学习方法，结合聚类，将无监督转变为有监督。许多自监督方法使用[pretexttasks](https://amitness.com/2020/02/illustrated-selfsupervision-learn...

使用PyTorch进行知识蒸馏的代码示例

随着机器学习模型的复杂性和能力不断增加。提高大型复杂模型在小数据集性能的一种有效技术是知识蒸馏，它包括训练一个更小、更有效的模型来模仿一个更大的“教师”模型的行为。在本文中，我们将探索知识蒸馏的概念，以及如何在PyTorch中实现它。我们将看到如何使用它将一个庞大、笨重的模型压缩成一个更小、更高效的...

PyTorch实战教程:迁移学习与模型微调

介绍在这个实战教程中，我们将使用PyTorch进行迁移学习与模型微调。迁移学习是一种利用预训练模型的技术，通过将已经在大规模数据集上训练好的模型应用到新的任务中。模型微调是迁移学习的一种形式，它允许我们在新任务上微调预训练模型的参数以适应特定的数据。我们将以图像分类任务为例，使用预训练的卷积神经网络...

如何将深度学习研究论文实现为代码

作者：BipinKrishnanP编译：ronghuaiyang导读如果深度学习是一种超能力，那么将理论从论文转化为可用的代码就是一种超超能力。为什么要去复现机器学习研究论文？正如我所说的，能够将一篇论文转换成代码绝对是一种超超能力，尤其是在像机器学习这样每天都在快速发展的领域。...

「小白学PyTorch」7 transforms常用API

参考目录：1基本函数1.1Compose1.2RandomChoice1.3RandomOrder2PIL上的操作2.1中心切割CenterCrop2.2随机切割RandomCrop2.3随机比例切割2.4颜色震颤ColorJitter2.5随机旋转RandomRotation...

图解半监督学习FixMatch，只用10张标注图片训练CIFAR10

作者：amitness编译：ronghuaiyang导读仅使用10张带有标签的图像，它在CIFAR-10上的中位精度为78％，最大精度为84％，来看看是怎么做到的。深度学习在计算机视觉领域展示了非常有前途的结果。但是当将它应用于实际的医学成像等领域的时候，标签数据的缺乏是一个主要的挑战。...

12个常用的图像数据增强技术总结（图像数据扩增）

机器学习或深度学习模型的训练的目标是成为“通用”模型。这就需要模型没有过度拟合训练数据集，或者换句话说，我们的模型对看不见的数据有很好的了解。数据增强也是避免过度拟合的众多方法之一。扩展用于训练模型的数据量的过程称为数据增强。通过训练具有多种数据类型的模型，我们可以获得更“泛化”的模型。“多种数据...