深度学习基于人脸的常见表情识别实战task3-bug

简介: 天池龙珠计划深度学习训练营学习笔记

天池龙珠计划深度学习训练营学习笔记


源码bug


---------------------------------------------------------------------------

ImportError                               Traceback (most recent call last)

<ipython-input-9-f119e1dec8f0> in <module>

     7from torch.optim import lr_scheduler

     8from torch.autograd import Variable

----> 9import torchvision

    10from torchvision import datasets, models, transforms

    11import time


/opt/conda/lib/python3.6/site-packages/torchvision/__init__.py in <module>

----> 1from torchvision import models

     2from torchvision import datasets

     3from torchvision import ops

     4from torchvision import transforms

     5from torchvision import utils


/opt/conda/lib/python3.6/site-packages/torchvision/models/__init__.py in <module>

     9from.shufflenetv2 import*

    10from.import segmentation

---> 11from.import detection


/opt/conda/lib/python3.6/site-packages/torchvision/models/detection/__init__.py in <module>

----> 1from.faster_rcnn import*

     2from.mask_rcnn import*

     3from.keypoint_rcnn import*


/opt/conda/lib/python3.6/site-packages/torchvision/models/detection/faster_rcnn.py in <module>

     5import torch.nn.functional as F

     6

----> 7from torchvision.ops import misc as misc_nn_ops

     8from torchvision.ops import MultiScaleRoIAlign

     9


/opt/conda/lib/python3.6/site-packages/torchvision/ops/__init__.py in <module>

----> 1from.boxes import nms, box_iou

     2from.roi_align import roi_align, RoIAlign

     3from.roi_pool import roi_pool, RoIPool

     4from.poolers import MultiScaleRoIAlign

     5from.feature_pyramid_network import FeaturePyramidNetwork


/opt/conda/lib/python3.6/site-packages/torchvision/ops/boxes.py in <module>

     1import torch

----> 2from torchvision import _C

     3

     4

     5def nms(boxes, scores, iou_threshold):


ImportError: /opt/conda/lib/python3.6/site-packages/torchvision/_C.cpython-36m-x86_64-linux-gnu.so: undefined symbol: _ZN6caffe26detail36_typeMetaDataInstance_preallocated_7E

相关文章
|
1天前
|
机器学习/深度学习 人工智能 自然语言处理
深入浅出深度学习:从基础到实战
【9月更文挑战第19天】本文将带你走进深度学习的世界,从基础概念入手,逐步深入到实战应用。我们将通过简单易懂的语言和生动的比喻,让你轻松理解深度学习的原理和应用场景。同时,我们还为你准备了一些实用的代码示例,帮助你快速入门深度学习,开启你的AI之旅。
17 10
|
2天前
|
机器学习/深度学习 数据挖掘 TensorFlow
解锁Python数据分析新技能,TensorFlow&PyTorch双引擎驱动深度学习实战盛宴
在数据驱动时代,Python凭借简洁的语法和强大的库支持,成为数据分析与机器学习的首选语言。Pandas和NumPy是Python数据分析的基础,前者提供高效的数据处理工具,后者则支持科学计算。TensorFlow与PyTorch作为深度学习领域的两大框架,助力数据科学家构建复杂神经网络,挖掘数据深层价值。通过Python打下的坚实基础,结合TensorFlow和PyTorch的强大功能,我们能在数据科学领域探索无限可能,解决复杂问题并推动科研进步。
15 0
|
1月前
|
机器学习/深度学习 PyTorch TensorFlow
【PyTorch】PyTorch深度学习框架实战(一):实现你的第一个DNN网络
【PyTorch】PyTorch深度学习框架实战(一):实现你的第一个DNN网络
76 1
|
21天前
|
机器学习/深度学习 人工智能 自然语言处理
揭秘深度学习——从理论到实战
【8月更文挑战第31天】 本文将深入探讨深度学习的奥秘,从基础理论到实际应用,带你领略深度学习的魅力。我们将通过一个简单的代码示例,展示深度学习在图像识别领域的应用,让你对深度学习有更直观的认识。
|
1月前
|
机器学习/深度学习 人工智能 算法
探索深度学习:从理论到实战
【8月更文挑战第3天】本文将深入探讨深度学习的理论基础,并通过实际案例展示如何应用这些理论。我们将从神经网络的基础概念出发,逐步引入反向传播算法和优化技术,最后通过一个具体的图像识别项目来实践所学知识。无论你是初学者还是有经验的开发者,都能从中获得新的洞见和灵感。
|
3天前
|
机器学习/深度学习 人工智能 算法
深度学习在图像识别中的突破与应用
本文深入探讨了深度学习技术在图像识别领域的前沿进展、核心原理、广泛应用以及面临的伦理挑战和未来发展趋势。首先,概述了深度学习如何利用人工神经网络模拟人脑处理信息的方式,实现对图像数据的高效识别和分类。随后,详细介绍了卷积神经网络(CNN)等关键技术在提升图像识别准确性中的作用,并通过具体实例展示了深度学习在医疗影像分析、自动驾驶、面部识别等多个领域的成功应用。此外,文章还讨论了数据隐私、算法偏见等伦理问题,并展望了量子计算与深度学习融合等未来发展方向,强调了技术创新与社会责任并重的重要性。
|
3天前
|
机器学习/深度学习 供应链 算法
深度学习在图像识别中的应用
本文将深入探讨深度学习在图像识别领域的应用,从基本原理到实际案例,全面解析这一技术如何改变我们的生活。我们将介绍什么是深度学习,以及它在图像识别中的具体应用方式和成果。
27 2
|
2天前
|
机器学习/深度学习 人工智能 自然语言处理
深度学习与计算机视觉的结合:技术趋势与应用
深度学习与计算机视觉的结合:技术趋势与应用
34 9
|
4天前
|
机器学习/深度学习 监控 自动驾驶
基于深度学习的图像识别技术及其应用
【9月更文挑战第16天】本文深入探讨了基于深度学习的图像识别技术,并详细阐述了其在不同领域的应用。通过分析深度学习在图像识别中的作用机制和关键技术,本文揭示了该技术在自动驾驶、医疗诊断、安防监控等领域的应用前景。同时,文章还讨论了当前面临的挑战和未来的发展方向,为读者提供了对深度学习图像识别技术的全面认识。
|
1天前
|
机器学习/深度学习 算法框架/工具 计算机视觉
深度学习在图像识别中的应用与挑战
【9月更文挑战第19天】本文将深入探讨深度学习在图像识别领域的应用及其面临的挑战。我们将从基本概念出发,逐步深入到模型架构、训练技巧,以及实际应用案例,旨在为读者提供一个全面而深入的理解框架。通过分析当前技术的限制和未来的发展方向,本文旨在激发读者对于深度学习未来可能性的思考。