上一页 1 ··· 4 5 6 7 8 9 10 11 12 ··· 29 下一页
摘要: 1.选择合适的模型架构 总结:当开始一个新的工程时,试着复用已经有效果的模型 1)首先,选择一个已经被广泛使用和建立起来的模型架构来先让其正常工作。可以在以后再建立一个定制化的模型。 2)模型架构一般都具有多种超参数,这些超参数决定了模型的尺寸和其他一些细节(如,层数,层 宽,激活函数的类型),因此 阅读全文
posted @ 2023-08-07 12:23 wangssd 阅读(151) 评论(1) 推荐(0)
摘要: PCI(小区物理编号) PCI = PSS + 3*SSS 一共504种(主、辅同步信号) PSS的取值范围为(0/1/2) SSS的取值范围为(0~167) 下行RS(Reference Signal)参考信号,也成导频信号 RSRP,参考信号信号功率 作用:信号质量的评估 通俗解释:发送一个双方 阅读全文
posted @ 2023-08-04 11:02 wangssd 阅读(2408) 评论(0) 推荐(0)
摘要: Colossal-AI是一个专注于大规模模型训练的深度学习系统,Colossal-AI基于PyTorch开发,旨在支持完整的高性能分布式训练生态。Colossal-AI已在GitHub上开源。 在Colossal-AI中,我们支持了不同的分布式加速方式,包括张量并行、流水线并行、零冗余数据并行、异构 阅读全文
posted @ 2023-08-03 19:28 wangssd 阅读(542) 评论(0) 推荐(0)
摘要: PyTorch Mobile网站介绍,处在Beta阶段,待API稳定之后,很快会推出稳定版。Feature包括: 为ios,Android,Linux提供支持; 提供API,涵盖将 ML 集成到移动应用中所需的常见预处理和集成任务; 通过TorchScript IR支持tracing与scripti 阅读全文
posted @ 2023-07-27 15:19 wangssd 阅读(847) 评论(0) 推荐(0)
摘要: https://blog.csdn.net/qq_32507417/article/details/107505719 阅读全文
posted @ 2023-07-17 15:53 wangssd 阅读(49) 评论(0) 推荐(0)
摘要: 阅读全文
posted @ 2023-06-27 15:54 wangssd 阅读(38) 评论(0) 推荐(0)
摘要: LeNet,第一个可商用的神经网络,仅有5个卷积层,51K参数量。 MIT的韩松老师在2015年提出了一些观测:预先训练好的AlexNet、VGGNet模型中,去掉大约90%的参数,它的精度还是无损的。因此韩松老师开始提出一些模型压缩的技术。 模型蒸馏:去掉原始模型中的光流模块,帮助我们解决稳定性的 阅读全文
posted @ 2023-06-27 15:53 wangssd 阅读(155) 评论(0) 推荐(0)
摘要: isinstance() 函数来判断一个对象是否是一个已知的类型,类似 type()。 isinstance(object, classinfo) >>>a = 2 >>> isinstance (a,int) True >>> isinstance (a,str) False >>> isinst 阅读全文
posted @ 2023-06-19 10:31 wangssd 阅读(28) 评论(0) 推荐(0)
摘要: 转载:https://blog.csdn.net/sinat_34072381/article/details/84104440 阅读全文
posted @ 2023-06-19 10:09 wangssd 阅读(24) 评论(0) 推荐(0)
摘要: 记录通过pytorch编写cnn 模型示例,包括训练、模型、预测全流程代码结构,数据采集公共调制方式识别数据集,编写代码简单,以便进行pytorch学习。 train.py import os import numpy as np import torch import torch.nn as nn 阅读全文
posted @ 2023-06-14 16:47 wangssd 阅读(384) 评论(0) 推荐(0)
上一页 1 ··· 4 5 6 7 8 9 10 11 12 ··· 29 下一页