Shlily.-CSDN博客

原创线性回归、逻辑回归、SVM以及凸优化的一些推导总结

线性回归、逻辑回归、SVM以及凸优化的一些推导总结机器学习部分模型推导与实现Linear Regression 线性回归gradient descent相关计算推导Logistic Regression 逻辑回归gradient descent相关计算推导Supprot Vector Machine 支持向量机优化目标（硬间隔SVM 又称最大间隔分类器约束条件拉格朗日乘子、松弛变量与KKT条件一个问题说明拉格朗日乘子法解决等式约束梯度理解拉格朗日乘子法对偶问题SVM优化推导Hinge Loss能否用梯度下降

2021-08-23 11:37:51 419

原创大根堆优化 KNN 不调库 python实现（已push至Github）

https://github.com/HustQBW/KNN_with_MaxHeap说明和细节见README！！！有xd用作作业提交的话点个star哈！嘻嘻

2021-08-21 18:31:37 243

原创（笔记文件已上传github）算法、数据结构 C++ OJ 总结（Leetcode、Acwing）

（笔记文件已上传github）算法、数据结构 C++ OJ 总结（Leetcode、Acwing）Github 链接记得点星哦！！！！！！Github 链接https://github.com/HustQBW/HustQBW-Online_Judge_cpp记得点星哦！！！！！！

2021-08-08 16:56:39 306

原创（已push至github）贪吃蛇AI——Python OOP编程练习

（已push至github）贪吃蛇AI——Python OOP编程练习README写的比较清楚啦代码在GithubGithub 链接记得点个star哦！！！谢谢老板README写的比较清楚啦代码在GithubGithub 链接https://github.com/HustQBW/Snake_AI记得点个star哦！！！谢谢老板...

2021-08-08 16:53:06 144

原创 NIN（Network in Network）和Inception v1（Google Netv1）并结合了一些自己的理解

NIN（Network in Network）和Inception v1（Google Netv1）NIN（Network in Network）和Inception v1（Google Netv1）NIN前言网络结构MLP Convolution Layers个人理解GAP（Global Average Pooling）GoogleNetv1应用NIN的1x1 ConvInception架构实现“自动构建”网络结构GoogleNetv1的网络架构与Deep Supervision参考因为前几天看论文用到

2021-04-12 02:12:11 355

原创常用神经网络解决的问题、适用的范围以及一些tricks的使用条件（不定时更新）

常用神经网络解决的问题、适用的范围以及一些tricks的使用条件CNN归一初始化与BN批标准化ResNetFCNGANU-NetAttention ModelData AugmentationCNNcnn解决的问题:dnn功能强大，但参数过多，处理图像这种大数据量的对象效率很低且易overfittingcnn就是局部连接，权值共享的dnn，并以传统数字图像处理中的相关卷积作为参数的物理意义，以灰度变换作为激活函数的物理意义，这样对处理图像就合乎情理地有效。归一初始化与BN批标准化针对训练过程中的基

2021-04-06 22:43:21 651

原创（已发布源码）图像修复——上下文编码器以及加入全局判别器的改进（Context Encoder and Global and Local Discriminator）

Context Encoder and Global and Local DiscriminatorContext Encoder ，Global and Local DiscriminatorContext Encoder（上下文编码器）在AE基础上modifychannel-wise fully-connected layer（创新点）Context Encoder组成判别器Unsupervised-learningLoss FunctionReconstruction Loss重构损失Adversar

2021-03-25 19:16:08 2430 9

原创 U-Net++原作者博客总结笔记

U-Net++原作者博客总结笔记U-Net++笔记参考：要解决的问题：原本U-Net的结构引出的问题下采样有什么作用？如何去解决这些问题填空！！！短连接替换长连接长连接、短连接并存测试高潮（完整的U-Net++出炉！）：增加选择性（prune剪枝）（引入deep supervision）三个问题的解答以及在什么时候剪枝怎么决定剪枝剪多少总结作者的简单总结U-Net++笔记参考：本文是根据原论文作者在某乎上的完美演讲进行的一些总结：原文作者大牛的思路讲解：https://zhuanlan.zhihu

2021-03-13 12:21:28 525 1

原创由AE到生成模型VAE

由AE到生成模型VAE由自编码器AE得到一个生成类模型：VAE参考：前言AE（Auto-Encoder）自编码器AE的结构与作用：AE不是生成模型VAE（Variational AutoEncoder）变分自编码器VAE做出的改变VAE结构（VAE的前向传播）VAE的反向传播（损失函数）AE与VAE的区别由自编码器AE得到一个生成类模型：VAE参考：1：AE、VAE：https://blog.csdn.net/sinat_36197913/article/details/936302462： VA

2021-03-11 16:04:35 960 1

原创医学图像分割经典网络：U-Net论文笔记

U-Net————Convolutional Networks for Biomedical Image Segmentation前言：CNN体系语义分割存在的问题：FCN体系语义分割：池化层带来的另一个问题U-Net的策略：摘要：个人翻译：总结：重点一、网络架构—————针对FCN进行modify和extend一些解读：Q：为什么说Encoder-Decoder结构可以解决解决池化层导致位置信息丢失的问题？重点二、对输入进行镜像从而更好的处理边缘细节重点三、加权损失函数的引入Introduction描述引

2021-03-06 15:33:15 1989 3

原创 FCN论文笔记（看目录就知道有多详细:）

FCN论文笔记（看目录就知道有多详细:）一、简介二、对CNN的fc层进行卷积化三、transpose convolution （deconv）（Up-sampling）四、跳跃连接skip layer（也叫特征融合，补偿前后的特征图）五、与传统CNN比较结果总结：六、模型细节（训练技巧）（对原文做的一个总结）七、损失函数NLLLoss（）八、数据集九、模型的缺点：十、参考：（标题有够中二）FCN(Fully Convolutional Network）全卷积网络，是应用深度学习进行语义分割的开山大作！！

2021-03-02 21:49:47 1636

原创 pytorch以及其在DNN、CNN里的基本应用（代码均有含个人理解的较详尽注释）

pytorch以及其在DNN、CNN里的基本应用（代码均有含个人理解的较详尽注释）参考：tensor和Variable库的导入：前言：torch和numpy构造tensor<——————>构造ndarraytensor的一些基本计算<——————>ndarray的一些基本计算Variable：变量Variable的一些属性pytorch里的损失函数导入库哪些函数：示例：神经网络的搭建、训练：（由每一层到整个神经网络）导入库全连接层，卷积层，池化层，BN层以及激活函数的搭建方法搭建神经

2021-03-01 20:19:28 685 1

原创 AlexNet和VGGNet重点摘要总结(包含Fancy PCA详解和SGD）

AlexNet和VGGNet重点摘要总结(包含Fancy PCA详解）参考与引用：AlexNet's Discoveries and Summaries1.ReLU Nonlinearity（非线性非饱和函数训练速度极快）2.双GPU并行运行（可以提高运行速度和网络运行规模）3.LRN（Local Response Normalization）局部响应归一化（学到了可用验证集确定超参）4.减少overfitting①数据增强（data augmentation）（pytorch里的transforms）②d

2021-02-25 21:55:06 954

原创卷积神经网络三类主体层的理解（重点在全连接层(已加入一些与传统图像处理的联系)）

卷积神经网络三类主体层的理解（重点在全连接层）三个部分每个部分的作用1.卷积层2.池化层（下采样池化层）3.全连接层（fully connected）（用于分类任务，在分割和检测上不适用）参考：三个部分①卷积层（conv）——————>用于提取特征②池化层（pooling）——————>用于特征选择（也叫下采样）③全连接层（fc（fully connected）层）———————>用于整合全局信息进行分类每个部分的作用1.卷积层首先谈谈卷积层，事实上，卷积层和全连接层是可以相

2021-02-18 23:29:01 4811 2

原创保姆级别的Anaconda/pip高速安装pytorch1.7.1

保姆级别的Anaconda/pip高速安装pytorch1.7.1事前准备①安装一个numpy库②直奔pytorch官网进行版本配置高速pip安装（再次强调用pip！！！）①torch（如果你需要cuda）②torchvision和torchaudio（如果你不需要cuda，torch也可以这么下载）③安装这三个内容安装成功参考：这段时间电脑发病咯，在换了硬盘之后，我又重装了一下系统，所以要重新安装一下pytorch1.7.1（其他version同理哦），想了想，不如顺便写一篇博客，来作为哥们的处男作:

2021-02-15 17:22:09 12066 3

HustQbw的博客