ImportError: cannot import name ‘QuantStub‘ from ‘torch.ao.quantization‘
问题分析 pytorch版本问题，如从1.3 转到 1.12会出现。 解决方法 将 from torch.ao.quantization import QuantStub, DeQuantStub 修改为： from torch.quantization import QuantStub, DeQuantStub
AI人工智能
“A computer would deserve to be called intelligent if it could deceive a human into believing that it was human.” — Alan Turing
PyTorch 2.0介绍
PyTorch刚推出了2.0：主页 PyTorch 2.0 引入了 torch.compile，这是一种无需更改模型代码即可加速模型的编译模式。在涵盖视觉、NLP 和其他领域的 163 个开源模型中，使用 2.0 可以将训练速度提高 38-76%。 PyTorch 2.0 100% 向后兼容。代码库相同，API 相同，编写模型的方式也相同。我们称它为 2.0，因为它标志着添加了一组重要的新功能。 “只需添加一行代码，PyTorch 2.0 就可以在训练 Transformers 模型时提供 1.5 到 2.x 的加速。这是引入混合精度训练以来最激动人心的事情！” 几个问题 2.0 代码是否向后兼容 1.X？ 是的，使用 2.0 不需要您修改 PyTorch 工作流程。一行代码model = torch.compile(model)可以优化您的模型以使用 2.0 堆栈，并与您的其余 PyTorch 代码一起顺利运行。这是完全选择加入的，您不需要使用新的编译器。 2.0 是否默认启用？ 不，您必须通过单个函数调用优化您的模型，从而在您的 PyTorch 代码中显式启用 2.0。 一段示例 使用函数torch.compile来包...
windows Unable to locate turbojpeg library automatically.
问题描述： windows下使用turbojpeg出现错误。 解决方法： 第一步：下载libjpeg-turbo64.rar 链接: https://pan.baidu.com/s/1WnlnJyEj0wQtTB7-2o1XlA?pwd=yabo 提取码: yabo 第二步：解压，放置在C盘下 如：C:/libjpeg-turbo64/bin 第三步：pip安装 pip install pyturbojpeg
安装PyMuPDF时报错：无法打开包括文件: “fitz.h”: No such file or directory
错误描述 安装 pip install fitz 时候， 报错：ModuleNotFoundError: No module named ‘frontend’ 转而安装 pip install PyMuPDF 报错： fitz/fitz_wrap.c(2755): fatal error C1083: 无法打开包括文件: “fitz.h”: No such file or directory 错误分析 python3.6版本会出现这一问题 解决方案 如果将python升级版本最好（我换成3.9后没有错误），若不能，那么： Windows 降PyMuPDF版本 pip install PyMuPDF==1.16.14 或者 pip install -i https://mirrors.aliyun.com/pypi/simple/ pymupdf==1.18.0 MacOS brew install mupdf swig freetype pip install https://github.com/pymupdf/PyMuPDF/archive/master.tar.gz
强化学习Q-Learning玩超级马里奥|实战
强化学习(Reinforcement Learning, RL) 是机器学习的一个领域，它关注智能代理应如何在环境中采取行动以最大化累积奖励的概念。强化学习是三种基本机器学习范式之一，与监督学习和无监督学习并列。 近期做了一个基于Q-Learning进行游戏的实战，以下是“环境+代码”。 环境 可以安装一个conda环境，我选用的python版本为3.8.9。 安装必备包 cmd中安装必备包，注意顺序，因为有些版本冲突，很多坑，我这儿已经趟过了。 pip install ale_py==0.7 pip install gym_super_mario_bros==7.3.0 nes_py pip install torch==1.10.1+cu113 torchvision==0.11.2+cu113 torchaudio===0.10.1+cu113 -f https://download.pytorch.org/whl/cu113/torch_stable.html pip install stable-baselines3[extra] pip uninstall protobuf pip install protob...
对抗攻击
起源 2013年，Google研究员Szegedy等人在题为《Intriguing properties of neural networks（神经网络有趣的特性）》的论文中指出了神经网络的两个有趣的特性：其一是神经网络中包含语义信息的部分并不是在每个独立的神经元，而是整个空间；其二是神经网络学习到的从输入到输出的映射在很大程度上是不连续的。这篇论文更重要的意义是验证了将图片做适当修改后能欺骗深度学习模型的可能性，并给出了相应的训练方法，从此学术界展开对对抗攻击的进一步研究。https://arxiv.org/abs/1312.6199 原理 Olah近期的一项关于展示神经网络如何工作的研究——The Building Blocks of Interpretability：https://distill.pub/2018/building-blocks/ 有进一步理解对抗样本产生的原因。 最近的一篇总述性论文《Threat of Adversarial Attacks on Deep Learning in Computer Vision: A Survey》 影响力最大关于对抗样例的研究当属GoodFellow等人201...