Skip to main content
Ctrl+K

深度学习在建筑工程中的应用

  • 1. 深度学习开发环境搭建
    • 1.1. 深度学习与Pytorch
      • 1.1.1. 机器学习
      • 1.1.2. 深度学习
      • 1.1.3. 深度学习框架Pytorch
    • 1.2. 环境搭建
      • 1.2.1. 安装环境管理工具(Conda)
      • 1.2.2. 安装GPU 加速包
      • 1.2.3. 配置虚拟环境
    • 1.3. 深度学习框架安装配置(Pytorch)
    • 1.4. 常用工具及包介绍(Python)
      • 1.4.1. 源码集成开发环境(PyCharm/Visual Studio Code)
      • 1.4.2. 网页交互式运行环境(Jupyter)
      • 1.4.3. 云端运行环境(Google Colaboratory)
      • 1.4.4. 部分常用Python包
    • 1.5. 基础知识(Python/Numpy/Matplotlib/PyTorch)
      • 1.5.1. Python 编程基础
      • 1.5.2. Numpy 数组及运算
      • 1.5.3. 图形绘制基础
      • 1.5.4. 框架基础(Pytorch)
    • 1.6. 参考文献
  • 2. 深度学习基础
    • 2.1. 神经网络
      • 2.1.1. 神经网络得初步认识
      • 2.1.2. 前馈神经网络的工作机制
      • 2.1.3. 采用神经网络对手写数字进行分类
    • 2.2. 卷积神经网络(CNN)
      • 2.2.1. CNN的初步认识
      • 2.2.2. CNN 网络架构
      • 2.2.3. 经典CNN 网络
      • 2.2.4. 采用CNN 对手写数字进行分类
    • 2.3. 生成对抗神经网络（GAN）
      • 2.3.1. GAN 的初步认识
      • 2.3.2. 采用GAN 生成手写数字
      • 2.3.3. 采用卷积GAN生成手写数字（MNSIT-CNN-GAN）
      • 2.3.4. 采用条件式GAN生成手写数字
    • 2.4. 强化学习（Reinforcement Learning）
      • 2.4.1. 强化学习的初步认识
      • 2.4.2. 强化学习理论基础
      • 2.4.3. 时序差分学习方法
      • 2.4.4. 采用Q-learning 算法进行智能体路径规划
    • 2.5. 参考文献
  • 3. 采用深层卷积网络实现裂缝分类
    • 3.1. 残差网络结构
    • 3.2. 残差网络（ResNet18） 的工作机制
    • 3.3. 采用Resnet18实现裂缝分类
      • 3.3.1. 数据集制作
      • 3.3.2. 模型训练
      • 3.3.3. 模型优化与验证
    • 3.4. 参考文献
  • 4. 采用DCGAN 实现建筑立面生成
    • 4.1. 深度卷积生成对抗网络概述
    • 4.2. 基于DCGAN的建筑立面生成
      • 4.2.1. 导入所需的库
      • 4.2.2. 设置随机种子
      • 4.2.3. 模型参数设置
      • 4.2.4. 数据集加载与可视化
      • 4.2.5. DCGAN生成器的构建
      • 4.2.6. DCGAN判别器的构建
      • 4.2.7. 模型权重初始化
      • 4.2.8. 损失函数与优化器
      • 4.2.9. 模型训练与可视化
    • 4.3. GAN 训练的改进方法
      • 4.3.1. 判别器标签平滑
      • 4.3.2. 使用不同学习率
      • 4.3.3. 特征匹配损失
      • 4.3.4. 最小二乘损失
    • 4.4. 参考文献
  • 5. 基于强化学习的钢筋排布避障设计
    • 5.1. 梁柱节点钢筋避障排布问题描述——多智能体路径规划
    • 5.2. 钢筋排布路径规划的多智能体强化学习
      • 5.2.1. 强化学习智能体设计
      • 5.2.2. Q-learning算法
    • 5.3. 采用强化学习实现二维钢筋自动排布
      • 5.3.1. 强化学习算法参数设定
      • 5.3.2. 创建强化学习环境
      • 5.3.3. Q-learning 算法
      • 5.3.4. 创建训练函数
    • 5.4. 采用强化学习实现三维钢筋自动排布
      • 5.4.1. 钢筋混凝土梁柱节点三维钢筋排布实例
      • 5.4.2. 三维钢筋排布多智能体强化学习训练过程
      • 5.4.3. 结果讨论
    • 5.5. 参考文献
  • Repository
  • Open issue
  • .md

环境搭建

1.2. 环境搭建#

  • 1.2.1. 安装环境管理工具(Conda)
  • 1.2.2. 安装GPU 加速包
  • 1.2.3. 配置虚拟环境

上一页

1.1.3. 深度学习框架Pytorch

下一页

1.2.1. 安装环境管理工具(Conda)

作者： 重庆大学智能建造实验室

© Copyright 2023, 重庆大学智能建造实验室.