深度学习模型训练推理——基础环境搭建推荐博文查阅顺序【❤️基础安装—认真帮大家整理了❤️】

简介: 博主这里梳理了自己过去两年,认真撰写的一些基础知识方面的干货博文,希望能够有效帮助到更多刚刚投身于ML、DL 领域不久的小伙伴们
🥇 版权: 本文由【墨理学AI】原创、各位大佬、欢迎和墨理一起学AI
🎉 声明: 作为全网 A I领域 干货最多的博主之一,❤️ 不负光阴不负卿 ❤️

📕 关于博主

❤️ 关于 墨理学AI 博主墨理、个人基本信息如下
📘 一起建设属于我们搬砖人自己的技术圈子 —— 学术交流群
  • 很多小伙伴会通过维新或者私信和博主探讨一些问题
  • 博主成立的有一些计算机视觉领域的交流小分队、有兴趣的可以了解、进群、学术交流群非常纯净、平时基本不会、也不鼓励闲聊、进群的每个小伙伴都应该养成把经过自己折腾【百度或者谷歌过】后仍不能有效解决的相关小疑问或者困惑、再提到群里进行交流的好习惯、而不是一遇到问题就习惯性抛给其他人
  • 人生的大多数时候、我们能够绝对依靠的人只有我们自己、同行让我们在 A I 取经之路不再孤单、各位加油
❤️ 学习交流过程中,有 N 多小伙伴,包括我自己,我们经常会遇到各种环境搭建、库版本不匹配导致的一系列,让人脑阔子疼的 bug

💙 博主这里梳理了自己过去两年,认真撰写的一些基础知识方面的干货博文,希望能够有效帮助到更多刚刚投身于ML、DL 领域不久的小伙伴们

📕 深度学习、调参搬砖、开发利器【大佬必备】

如果你是 Windows 系列系统,那么强烈建议虚拟机或者双系统走起

📗 深度学习模型训练基础环境搭建推荐博文顺序【基础安装】

🔔 【墨理学AI】博文涵盖:众多类别深度学习环境搭建、模型训练、论文代码测试、模型部署、基础教程,持续更新,保质保量,欢迎查阅

❤️ Cuda 安装

❤️ 了解 conda 和 pip 加速安装各种深度学习库

❤️ Pytorch 安装

💙 Linux下cuda10.0安装Pytorch和Torchvision|【❤️啥版本都能装❤️】
💙 Linux下 pytorch 1.8的极简安装 | 快速根据官网命令安装 pytorch(超详细)

📗 模型部署基础环境搭建博文推荐【基础安装】

这部分内容大多属于干货中的干货,不少博文属于专栏核心,各位小伙伴,按需查阅即可

❤️ 基础环境

❤️ Ncnn 安装

❤️ TensorRT 安装

❤️ openCV 安装

❤️ ONNX 安装

❤️ MNN 安装

📙 YOLO 系列推荐博文参考顺序【只看一篇就够用】

❤️ YOLO 理论讲解学习篇

能够找到的质量 OK 的解读【我先收藏了】

YOLO系列英文论文分享 -- 新建了一个 gitee 仓库,方便大家下载

❤️ Yolov5 系列

❤️ YOLOX 系列

❤️ Yolov3 系列

❤️ 持续补充更新

❤️ 各位亲们,别忘了收藏、关注、感谢三连 ❤️

📙 人生苦短, 欢迎和墨理一起学AI

LearnAI.jpg

目录
相关文章
|
1天前
|
机器学习/深度学习 数据采集 自然语言处理
深度学习实践技巧:提升模型性能的详尽指南
深度学习模型在图像分类、自然语言处理、时间序列分析等多个领域都表现出了卓越的性能,但在实际应用中,为了使模型达到最佳效果,常规的标准流程往往不足。本文提供了多种深度学习实践技巧,包括数据预处理、模型设计优化、训练策略和评价与调参等方面的详细操作和代码示例,希望能够为应用实战提供有效的指导和支持。
|
21天前
|
机器学习/深度学习 数据采集 监控
深度学习中模型训练的过拟合与欠拟合问题
在机器学习和深度学习中,过拟合和欠拟合是影响模型泛化能力的两大常见问题。过拟合指模型在训练数据上表现优异但在新数据上表现差,通常由模型复杂度过高、数据不足或质量差引起;欠拟合则指模型未能充分学习数据中的模式,导致训练和测试数据上的表现都不佳。解决这些问题需要通过调整模型结构、优化算法及数据处理方法来找到平衡点,如使用正则化、Dropout、早停法、数据增强等技术防止过拟合,增加模型复杂度和特征选择以避免欠拟合,从而提升模型的泛化性能。
|
1月前
|
人工智能 容灾 Serverless
AI推理新纪元,PAI全球化模型推理服务的创新与实践
本次分享主题为“AI推理新纪元,PAI全球化模型推理服务的创新与实践”,由阿里云高级产品经理李林杨主讲。内容涵盖生成式AI时代推理服务的变化与挑战、play IM核心引擎的优势及ES专属网关的应用。通过LM智能路由、多模态异步生成等技术,PAI平台实现了30%以上的成本降低和显著性能提升,确保全球客户的业务稳定运行并支持异地容灾,目前已覆盖16个地域,拥有10万张显卡的推理集群。
|
1月前
|
机器学习/深度学习 存储 人工智能
MNN:阿里开源的轻量级深度学习推理框架,支持在移动端等多种终端上运行,兼容主流的模型格式
MNN 是阿里巴巴开源的轻量级深度学习推理框架,支持多种设备和主流模型格式,具备高性能和易用性,适用于移动端、服务器和嵌入式设备。
390 18
MNN:阿里开源的轻量级深度学习推理框架,支持在移动端等多种终端上运行,兼容主流的模型格式
|
2月前
|
机器学习/深度学习 人工智能 算法
机器学习与深度学习:差异解析
机器学习与深度学习作为两大核心技术,各自拥有独特的魅力和应用价值。尽管它们紧密相连,但两者之间存在着显著的区别。本文将从定义、技术、数据需求、应用领域、模型复杂度以及计算资源等多个维度,对机器学习与深度学习进行深入对比,帮助您更好地理解它们之间的差异。
|
2月前
|
机器学习/深度学习 数据可视化 TensorFlow
使用Python实现深度学习模型的分布式训练
使用Python实现深度学习模型的分布式训练
195 73
|
2月前
|
机器学习/深度学习 数据采集 供应链
使用Python实现智能食品消费需求分析的深度学习模型
使用Python实现智能食品消费需求分析的深度学习模型
98 21
|
2月前
|
机器学习/深度学习 数据采集 数据挖掘
使用Python实现智能食品消费模式预测的深度学习模型
使用Python实现智能食品消费模式预测的深度学习模型
84 2
|
2月前
|
机器学习/深度学习 数据采集 搜索推荐
使用Python实现智能食品消费偏好预测的深度学习模型
使用Python实现智能食品消费偏好预测的深度学习模型
115 23
|
2月前
|
机器学习/深度学习 数据采集 数据挖掘
使用Python实现智能食品消费习惯预测的深度学习模型
使用Python实现智能食品消费习惯预测的深度学习模型
161 19