- 博客(76)
- 收藏
- 关注
RSS订阅原创 VGG网络
通过优化算法，可以生成一张新的图像，该图像既保留了源图像的内容，又融入了目标图像的风格。这种风格迁移方法得到了广泛的应用，并产生了许多令人惊艳的艺术效果。这些网络在ImageNet等大型数据集上进行了预训练，因此可以作为特征提取器用于各种计算机视觉任务，包括。，由牛津大学的Visual Geometry Group提出。VGG网络的特点在于其使用了。VGG网络有多个版本，其中最著名的是VGG16和VGG19，分别表示网络中包含。这种设计使得VGG网络在提取图像特征时具有更强的表达能力和更深的层次结构。
2024-04-26 15:22:59
217
原创 介绍一下传统vgg，gan- based，diffusion-based风格迁移路线的优缺点
其核心在于使用卷积神经网络（CNN），特别是VGG网络，来提取和融合源图像的内容特征与目标图像的风格特征。在VGG风格迁移中，通常会使用预训练的VGG网络来提取特征，并定义内容损失和风格损失，通过优化算法来最小化总损失函数，从而生成具有目标风格的新图像。VGGNet突出的贡献是证明了很小的卷积，通过增加网络可以有效提高性能。VGG很好的继承了Alexnet的衣钵同时拥有着鲜明的特点。相比Alexnet ，VGG使用了更深的网络结构，证明了增加网络深度能够在一定程度上影响网络性能。
2024-04-26 14:58:39
408
原创 机器学习中的结构化数据？
通过对结构化数据的分析和挖掘，可以发现隐藏在数据背后的规律和趋势，为企业决策和战略制定提供重要的参考依据。结构化数据具有明确的字段和属性，每个字段都有特定的数据类型和取值范围。这种类型的数据易于组织、存储和分析，可以通过各种算法和工具进行有效的处理和挖掘。总的来说，结构化数据是数据科学和信息技术领域的重要概念，在当今的数字化时代具有广泛的应用价值。机构化数据，更常见的称呼是结构化数据，是指以明确的格式和规则存储的数据，机构化数据，更常见的称呼是结构化数据，是指以明确的格式和规则存储的数据，
2024-04-14 10:16:48
187
原创 PyTorch中，with torch.no_grad():
块内对模型的参数进行赋值时，这些参数将不再需要梯度，这可能会影响后续的模型训练。因此，在训练过程中，你应该。当你训练神经网络时，通常需要计算梯度以更新模型的权重。但在某些情况下，你可能。只是想使用模型进行预测，而不需要更新其权重。，这些变量是在反向传播中用于计算梯度的。块内进行了这个操作，所以PyTorch。可以节省内存，因为它不会存储中间变量。确保只在不需要计算梯度的地方使用。是一个上下文管理器，用于指示。是模型的预测，但由于我们在。在模型评估或推理阶段。需要注意的是，当你在。在PyTorch中，
2024-04-06 16:48:38
308
原创 python中的print(f‘‘)具体用法
在Python中，print(f'')，这些表达式在运行时会被所替换。f或F前缀表示这是一个格式化字符串字面量。f''F''{}，你可以放入任何有效的。当print函数执行时，这些，并且其结果会被插入到字符串的相应位置。下面是一些使用print(f'')
2024-04-06 15:22:46
1061
原创 1、前向传播的时候模型中没有参数的时候，那时候的梯度信息是什么呢？2、为什么先进行 梯度清零之后再进行反向传播loss.backward()？
因此，
2024-04-06 14:57:18
283
原创 机器学习、深度学习中的目标函数、损失函数、梯度概念
在训练过程中，损失函数的值被用来作为优化算法的目标，以便通过。，而梯度是一种用于指导参数更新的重要工具。（或最大化）的函数。在机器学习和优化中，：这个术语通常指的是在监督学习中用来衡量。损失函数是目标函数的一部分，它。：某些情况下为目标函数。在机器学习和深度学习中，：这个术语通常指的是。
2024-04-06 13:59:40
606
原创 机器学习概念：监督学习、无监督学习、回归、聚类
分类是监督学习中的一种任务，其目标是将输入数据分配到预定义的类别或标签中。在分类问题中，每个样本都有一个标签，模型的任务是学习从输入特征到输出标签的映射关系。，如果我们想要预测房屋的销售价格，我们可以收集一些房屋的特征，比如面积、地理位置、房间数量等，然后利用这些特征来。这些算法在不同的数据集和应用场景下有不同的优劣势，选择合适的聚类算法通常依赖于数据集的特点和分析的目标。聚类的目标是发现数据内在的结构，从而找到数据中的潜在模式和规律。的训练数据，包括输入特征和相应的标签。输入特征与标签之间的映射关系。
2024-04-06 10:55:22
1474
1
原创 Jupyter Notebook中常见的快捷键
请注意，上述快捷键可能会因Jupyter Notebook版本的不同而有所差异，建议根据使用的具体版本查阅相关文档或帮助信息以获取最准确的快捷键列表。，可以查看完整的快捷键列表。另外，通过点击菜单栏中的。
2024-04-05 19:59:04
402
原创 pytorch中的nn.MSELoss()均方误差损失函数
这个公式表示对模型预测值与真实值之间的差距进行平方，并求取平均值，因此该损失函数可以衡量模型预测值与真实值之间的距离。通过最小化这个损失函数，可以优化模型的参数，使模型的预测值更接近真实值。预测值可以是模型的输出值，目标值可以是训练集中的真实标签。output为模型预测值，即模型的输出值。在PyTorch中，nn.MSELoss()函数用于计算均方误差损失，通常用于回归问题的模型训练和评估。总之，nn.MSELoss()是一个常用的均方误差损失函数的实现，可以用于模型训练和评估。
2024-04-05 19:46:25
507
原创 SGD随机梯度下降
这个术语通常指的是（或最大化）的函数。在机器学习和优化中，目标函数可以包括损失函数以及正则化项等。：这个术语通常指的是在监督学习中用来衡量损失函数是目标函数的一部分，它出现。在训练过程中，损失函数的值被用来作为优化算法的目标，以便通过来最小化损失函数。：某些情况下为目标函数。：梯度通常是指。在机器学习和深度学习中，，而梯度是一种用于指导参数更新的重要工具。（Stochastic Gradient Descent）的缩写。
2024-04-05 19:13:23
679
原创 最简单知识点PyTorch中的nn.Linear(1, 1)
例如，在多层感知机（MLP）中，这样的层可以与其他层（如激活层、dropout层等）结合使用，以构建能够处理复杂任务的模型。是PyTorch深度学习框架中用于定义一个线性层的语句。在实际应用中，这样的线性层可能不常用，因为对于从长度为 1 的输入到长度为 1 的输出的映射，这实际上就是一个。这个线性层的作用是对输入的2个特征进行线性组合，然后输出一个单一的数值。：在简单的回归问题中，如果你有两个特征并希望预测一个连续的数值输出，你可以使用。，但在某些特定场景或作为更复杂模型的一部分时，它仍然可能是有用的。
2024-04-05 18:55:03
2576
原创 python中OrderedDict有序字典类
方法将其移动到字典的末尾，从而模拟最近访问过的状态。当缓存满了，我们可以简单地删除字典的第一个元素（即最久未使用的元素）。特别有用，因为它可以很容易地按照元素的插入顺序来维护一个双向链表。当我们访问一个键时，我们可以使用。记住了元素被插入时的顺序，因此你可以按照元素被添加的顺序来迭代遍历字典的元素。提供了有序性，但它并不保证线程安全。如果需要在多线程环境下使用。模块中的一个类，它实现了有序字典。，需要额外的同步机制来确保线程安全。是 Python 标准库。在 LRU 缓存实现中，
2024-04-04 14:42:15
175
原创 启动jupyter notebook笔记步骤
转到文件路径下后，输入jupyter notebook。再输入 cd + 文件路径。cd D:\...\具体文件名。
2024-04-04 14:14:40
253
原创 vscode通过ssh连接服务器（吐血总结）
13.如果长时间都一直是该情况，可以使用Ctrl + Shift + P，打开命令窗口，输入reload window来重新加载窗口（会要求你重新手动输入密码）。（2）终端会出现以下提示，可以自己定义密钥名(就是自己定义文件所在位置)，也可以直接跳过，默认在C盘中的C:\Users\“用户名”\.ssh中。12、该用户第一次访问该服务器可以看到该提示信息，耐心等待，这时是插件在服务器上面安装需要的依赖，大约会占用服务器150mb左右的空间。2、点击远程资源管理器选项卡，选择远程（隧道/SSH）类别。
2024-04-01 19:52:56
7434
3
原创 SQL，学生成绩表（stuid，courseid，score），找出平均分不及格的学生 和 其平均分
以下是一个示例SQL查询，用于实现这一目的：在这个查询中：执行这个查询后，你将得到一个结果集，其中包含平均分不及格的学生ID和他们的平均分。假设我们有以下的学生成绩表（student_scores）：在这个例子中，每个学生（由标识）可能有多门课程的成绩（由标识）。我们要找出平均分不及格（假设及格分数线为60分）的学生及其平均分。使用上面的SQL查询，我们可以这样写：执行这个查询后，我们可能会得到以下结果：在这个结果中：这样，我们就成功地找出了平均分不及格的学生及其平均分。在 SQL 中， 关键字用于在对结果
2024-03-29 16:07:44
510
原创 支持向量和非支持向量
支持向量是指那些距离超平面最近的且满足一定条件的训练样本点。在分类问题中，支持向量对于确定分类边界起着关键作用。对于线性可分的情形，位于间隔边界上的样本点被称为硬间隔的支持向量；而对于线性不可分的情形，位于间隔边界上及间隔边界之内的样本点被称为软间隔的支持向量。这些支持向量具有一些特定的性质，例如它们一定位于正确划分的分区内，并且不会出现在间隔意外的正确划分分区。支持向量机（SVM）是一种强大的机器学习算法，主要用于分类和回归分析。在SVM中，目标是找到一个。
2024-03-21 12:04:34
632
原创 python中的排序函数用法：A.sort(key=lambda x: abs(x), reverse=True)
函数来提取每个元素的绝对值。这意味着排序时，列表中的元素会按照它们的绝对值大小来排序。进行排序的一个例子。参数接收一个函数，该函数用于从列表中的。按照其元素的绝对值大小进行降序排序。首先按照元素的绝对值进行排序，得到。方法来对列表进行排序，并且利用了。这行代码是Python中对列表。因此，整行代码的作用是：将列表。参数来控制排序的方式。用于指定排序规则的函数。时，列表会按照降序排序。进行降序排序，最终得到。注意，尽管原列表中的。（绝对值更大），因此。
2024-03-13 19:32:03
465
原创 [word[::-1] for word in s.split()] 得到的是一个列表
列表，它现在包含了原始字符串中每个单词的反转形式。方法将字符串分割成一个单词列表，并将其存储在变量。在这个分开写的版本中，我们首先定义了原始字符串。在循环内部，我们使用切片操作。来反转当前单词，并将结果存储在。接下来，我们创建了一个空列表。，用于存储反转后的单词。
2024-03-10 11:10:09
506
原创 python中判断是否是数字
这个函数首先尝试将输入转换为浮点数，如果转换失败，则返回False。然后，它使用正则表达式来检查输入是否匹配一个可能的数字格式（可选的负号，一个或多个数字，可能有一个小数点和一个或多个小数位）。函数可以处理许多非标准的数字格式，如"5e2"（等于500）或".5"（等于0.5）在Python中，有多种方法可以判断一个对象是否是数字。如果你需要更严格的数字格式检查，可能需要使用更复杂的正则表达式或其他方法。只能用于判断字符串是否只包含数字字符。注意：str.isdigit()，且不能有小数点或符号。
2024-03-10 10:23:49
1056
原创 使用正则表达式判断是否是数字（适用于更复杂的数字格式）
或其他特殊的数字表示法。如果你需要匹配更广泛的数字格式，你可能需要使用更复杂的正则表达式或者考虑使用其他方法，如。的开始位置匹配正则表达式模式。如果匹配成功，它返回一个匹配对象；如果匹配失败，它返回。并且要求整个字符串都是这个数字（即从开头到结尾）是否从开头到结尾完全符合给定的正则表达式模式。是一个非法的数字格式或者包含除数字、小数点、和。请注意，正则表达式对于浮点数的匹配可能。因此，整个正则表达式匹配的是可能带有。尝试转换字符串为浮点数并捕获可能的。是一个条件判断，它检查字符串。这个正则表达式的模式。
2024-03-10 10:22:02
877
原创 isdigit 是 Python 中字符串对象的一个方法，用于检查字符串中的所有字符是否都是数字。
如果你需要更复杂的数字验证（例如，允许负号或小数点），你可能需要使用正则表达式或其他方法。这个方法只能用于检查整数，并且它只能识别 0-9 的数字字符。它不会检查字符串是否表示一个有效的数字，包括负数或浮点数。如果你尝试对一个包含非数字字符的字符串使用。如果字符串中的所有字符都是数字，则返回。方法不会检查字符串是否可以被转换为整数。它只检查字符串是否仅由数字字符组成。请注意，isdigit。字符串包含非数字字符。
2024-03-10 10:07:49
420
原创 python中函数内部的函数是不是只能在此函数内使用？？
确实主要在外部函数的作用域内使用。但这并不意味着它们只能在外部函数内部被调用。外部函数外部限制。
2024-03-10 09:43:34
373
原创 ‘str‘ object does not support item assignment
在所有这些例子中，我们都是通过创建新的字符串来达到“修改”原始字符串的效果，而不是直接修改原始字符串。这是因为Python中的字符串是不可变的。如果你尝试像操作列表（list）那样去操作字符串，比如使用索引去修改字符串中的某个字符，就会遇到这个错误。你试图修改一个字符串（str）对象中的某个元素，但字符串在Python中是不可变的（immutable）将字符串转换为列表，修改列表中的元素，然后再将列表转回字符串。，但因为字符串是不可变的，所以这样的操作是不允许的。使用字符串拼接或格式化来创建新的字符串。
2024-03-08 18:47:55
793
原创 python中[[“jfk“,“kul“],[“jfk“,“nrt“]]是如何进行sort()排序的
方法会比较每个子列表的第一个元素，如果第一个元素相同，则比较第二个元素，以此类推。字典顺序（即字母顺序）
2024-03-08 15:45:39
373
原创 局部变量和参数在代码块中有什么区别？？
方法在递归调用中保持对同一个字典的引用，从而累积BST中元素的频率。变量（包括函数参数）是对象的引用，而不是对象本身。方法中定义的局部变量，但它被作为参数传递给。方法可以访问和修改它。之后再返回之后被修改了！
2024-02-29 16:48:32
368
原创 python中的lambda[匿名函数]
函数不应该用于实现复杂的逻辑，因为它们的设计初衷是为了简洁和快速。对于更复杂的逻辑，最好使用传统的。函数特别适用于那些只需要进行简单操作且不会在其他地方重复使用的函数。等）一起使用，以便在数据处理和转换中提供简短的函数定义。主要用于需要一个简单函数的地方，并且该函数只会被使用一次。函数经常与 Python 的内置函数（如。匿名函数意味着这个函数没有名字。你可以像调用普通函数一样调用这个。函数很简单，但它确实展示了。一个关键字，用于定义匿名函数。例如，定义一个简单的。然而，需要注意的是，
2024-02-29 15:40:51
373
原创 python中的最大整数和最小整数
请注意，由于Python整数的动态性质，这些限制更多地是理论上的限制，而不是实际编程中会遇到的限制。在实际应用中，你通常不需要担心整数的范围限制，除非你在处理极端大的数据集或进行特殊的数值计算。然而，对于32位和64位系统，Python的整数实现通常有一个实际的上限和下限，这些限制取决于系统的架构和Python解释器的实现。在Python中，整数的范围并不是固定的，而是由计算机的内存和架构决定的。）可以动态地调整大小以适应需要的值，这意味着它可以是任意大的正数或任意小的负数，受限于可用内存。
2024-02-28 14:41:25
560
原创 python中join函数
那么'->'.join(['1', '2', '3'])方法将得到的字符或者数字列表用。将返回'1->2->3'如果上述的字符串列表是。
2024-02-27 16:26:43
316
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人