第二次作业：深度学习和 pytorch 基础

OUC软工高老师老师 2022-09-25 12:50:56

DEADLINE： 2022/10/01 22:00 以小组为单位完成提交

1. 视频学习

视频学习包括两章内容：

1.1 绪论

下载地址：https://www.aliyundrive.com/s/U5Y351cJ5yG

从专家系统到机器学习
从传统机器学习到深度学习
深度学习的能与不能

1.2 深度学习概述

下载地址：https://www.aliyundrive.com/s/fS53YJjQ3tb

浅层神经网络：生物神经元到单层感知器，多层感知器，反向传播和梯度消失
神经网络到深度学习：逐层预训练，自编码器和受限玻尔兹曼机

2. 代码练习

代码练习需要使用谷歌的 Colab，它是一个 Jupyter 笔记本环境，已经默认安装好 pytorch，不需要进行任何设置就可以使用，并且完全在云端运行。使用方法可以参考 Rogan 的博客：https://www.cnblogs.com/lfri/p/10471852.html 国内目前无法访问 colab，可以安装 Ghelper: http://googlehelper.net/

实验指导书是新版的 mhtml 文件，用新版的 Micrsoft Edge 可以打开

2.1 pytorch 基础练习

基础练习部分包括 pytorch 基础操作，实验指导下载链接

要求： 把代码输入 colab，在线运行观察效果。

2.2 螺旋数据分类

用神经网络实现简单数据分类，实验指导下载链接

要求： 把代码输入 colab，在线运行观察效果

备注：详细说明可参考 https://atcold.github.io/pytorch-Deep-Learning/zh/week02/02-3/ 中英文字幕的视频讲解在B站：https://www.bilibili.com/video/BV1gV411o7AD?p=4 有精力的同学可以看看

3. 博客作业要求

完成一篇博客，题目为 “ 第二次作业：深度学习基础 ” ，博客内容包括两部分：

【第一部分】视频学习心得及问题总结

根据视频的学习内容，写一个总结，最后列出没有学明白的问题，针对大家的疑问，下次课会讨论一下，大家可提前把问题列出来。

【第二部分】代码练习

在谷歌 Colab 上完成 pytorch 代码练习中的 2.1 pytorch基础练习、2.2 螺旋数据分类，关键步骤截图，并附一些自己的想法和解读。

热爱学习，拒绝划水 ~~~

...全文

2058 1 打赏收藏转发到动态举报

写回复

0人已提交

完成率0%

暂无数据

1 条回复

切换为时间正序

请发表友善的回复…

发表回复

CSDN-Ada助手 2023-01-13

打赏
举报

回复

您可以前往 CSDN问答-人工智能发布问题, 以便更快地解决您的疑问

1.项目代码功能经验证ok，确保稳定可靠运行。欢迎下载使用！ 2.主要针对各个计算机相关专业，包括计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网等领域的在校学生、专业教师或企业员工使用。 3.项目具有丰富的拓展空间，不仅可作为入门进阶，也可直接作为毕设、课程设计、大作业、初期项目立项演示等用途。 4.当然也鼓励大家基于此进行二次开发。在使用过程中，如有问题或建议，请及时私信沟通。 5.期待你能在项目中找到乐趣和灵感，也欢迎你的分享和反馈！【资源说明】毕业设计基于深度学习+DeepSort目标跟踪算法实现的物体计数系统python源码+运行说明+模型(可统计人、车流量).zip 基于Yolov5_DeepSort的移动物体计数器，可以统计车流或人流量等本作品基于此项目实现了统计画面中经过的物体数量的功能，包括车流、人群等。 1、环境配置下载项目文件夹后，在命令行中进入项目文件夹，执行以下代码配置环境： ``` pip install -r requirements.txt ``` 在Yolov5_DeepSort_Traffic-counter/deep_sort_pytorch/deep_sort/deep/checkpoint路径下需要下载一个文件，链接为 ``` 链接：https://pan.baidu.com/s/1BwMUM9JGRhMQgmjTu_HXcw?pwd=bwux 提取码：bwux ``` 2、检测原理 Yolov5_DeepSort会跟踪画面上检测出来的物体，并给每个框标上了序号，当有一个方框跨过检测线时，计数器就会+1 用户可以指定检测线的画法，可以指定框沿哪个方向跨过检测线时计数器+1，也可以指定框的四个顶点中的哪一个顶点跨过线时计数器+1 具体的参数设定见第3点 3、参数设置在count.py中，设置以下参数 ``` source_dir : 要打开的视频文件。若要调用摄像头，需要设置为字符串'0'，而不是数字0，按q退出播放 output_dir : 要保存到的文件夹 show_video : 运行时是否显示 save_video : 是否保存运行结果视频 save_text : 是否保存结果数据到txt文件中，将会保存两个文本文件：result.txt和number.txt。result.txt的格式是(帧序号,框序号,框到左边距离,框到顶上距离,框横长,框竖高,-1,-1,-1,-1)，number.txt的格式是(帧序号，直至当前帧跨过线的框数) class_list : 要检测的类别序号，在coco_classes.txt中查看（注意是序号不是行号），可以有一个或多个类别 line : 检测线的两个端点的xy坐标，总共4个数 big_to_small : 0表示从比线小的一侧往大的一侧，1反之。（靠近坐原点或坐标轴的一侧是小的） point_idx : 要检测的方框顶点号(0, 1, 2, 3)，看下边的图，当方框的顶点顺着big_to_small指定的方向跨过检测线时，计数器会+1 ``` 检测线的画法：给出两个端点的坐标，确定一条检测线，画布的坐标方向如下 ``` |-------> x轴 | | V y轴 ``` 方框的顶点编号：当方框的指定顶点跨过检测线时，计数器会+1，顶点的编号如下 ``` 0 1 |--------------| | | | | |--------------| 3 2 ``` ## 4、运行设置好参数后，python运行count.py文件即可 ``` python count.py ```

OpenGL（英语：Open Graphics Library，译名：开放图形库或者“开放式图形库”）是用于渲染2D、3D矢量图形的跨语言、跨平台的应用程序编程接口（API）。

概述本章介绍了这两大主题：深度学习和PyTorch。在这里，您将能够探索深度学习的一些最流行的应用，了解 PyTorch 是什么，并使用 PyTorch 构建单层网络，这将是您将所学应用于现实生活的起点数据问题。到本章结束时，您将能够使用 PyTorch 的语法构建神经网络，这在后续章节中必不可少。深度学习是机器学习的一个子集，专注于使用神经网络解决复杂的数据问题。由于软件和硬件的进步使我们能够收集和处理大量数据（我们谈论的是数百万和数十亿的条目），它现在变得越来越流行。考虑到深度神经网络需要大量数据才能正

软件工程第二次作业

本章为PyTorch简介。主要内容包括：PyTorch的诞生过程，常见主流深度学习框架的优劣，PyTorch相比这些框架的优势等。

OUC2023秋软件工程

67

社区成员

71

社区内容

发帖

与我相关

我的任务

人工智能软件工程高校

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章