subtitle
  Post Categories
Operating System 11 Compile 3 Deep Learning 9 Network 1 Tools 2 Transfer Learning 1
基于docker开发TVM 基于docker开发TVM
基于docker开发TVM 1.拉取TVM镜像 docker pull tvmai/demo-gpu 2.运行jupyter sudo docker run -it --rm -p 8888:8888 tvmai/demo-gpu jupy
2023-03-10 Compile Deep Learning
TVM
猫狗大战 猫狗大战
猫狗大战 通过来自 kaggle 上的猫狗数据集，训练一个识别猫狗图片的分类器。要求 设计一个使用 ResNet18 作为主干的卷积神经网络，在迁移网络时采用固定值模 式，要求模型的准确率不低于 90%。猫狗大战数据集训练集有 25000
2023-01-10 Deep Learning Transfer Learning
CNN
正弦函数预测 正弦函数预测
正弦函数预测 通过已知的样本数据对正弦函数进行预测，并绘制出图形。设计 LSTM网络进行预测，记录预测准确率并绘制图形。 1.准备数据 import torch import torchvision.datasets as datasets
2023-01-10 Deep Learning
LSTM
CIFAR-10分类网络 CIFAR-10分类网络
CIFAR-10分类网络 通过 CIFAR-10 数据集训练得到一个彩色图像分类网络。要求设计一 个至少包含 5 个卷积层和池化层的卷积神经网络。卷积核的尺寸统一采用 3*3， 要求训后的得到的网络在测试集上的准确率不低于 70%（要求在网
2023-01-10 Deep Learning
CNN
手写数字识别器 手写数字识别器
手写数字识别器 通过 MNIST 数据集训练得到一个手写数字分类器。要求设计一个至 少包含 2 个卷积层和池化层的卷积神经网络。卷积核的尺寸不小于 5*5，要求训 后的得到的网络在测试集确率不低于 96%（要求在网络中使用 dropout）
2023-01-10 Deep Learning
CNN
鸢尾花分类 鸢尾花分类
鸢尾花分类 iris 数据集包含 150 个样本，对应数据集的每行数据。每行数据包含每个 样本的四个特征和样本的类别信息，iris 数据集是用来给鸢尾花做分类的数据集， 每个样本包含了花萼长度、花萼宽度、花瓣长度、花瓣宽度四个特征，请用神经
2023-01-10 Deep Learning
Softmax Regression
共享单车预测 共享单车预测
共享单车预测 通过历史数据预测某一地区接下来一段时间内的共享单车的数量。数据保存在文件 bikes.csv 中，请按 11:1 的比例划分训练集和测试集，首先对数据进 行预处理，然后在训练集上训练，并在测试集上验证模型。设计神经网络数据进行
2023-01-10 Deep Learning
Linear Regression
神经网络拟合函数 神经网络拟合函数
神经网络拟合函数 1.准备数据 导入需要使用的第三方库 import torch import numpy as np import random import matplotlib.pyplot as plt import torch.n
2023-01-10 Deep Learning
Linear Regression
WSL2下配置Anaconda、Pytorch、Jupyter Notebook WSL2下配置Anaconda、Pytorch、Jupyter Notebook
WSL2下配置Anaconda、Pytorch、Jupyter Notebook 和原生Linux下配置环境基本一致 1.Anaconda安装 去Anaconda的官网寻找最新的安装包，但这种方法下载速度太慢，可以寻找国内的源，如清华源，输
2022-06-28 Operating System Deep Learning
Pytorch