- 博客(836)
- 资源 (1)
- 收藏
- 关注
![](https://csdnimg.cn/release/blogv2/dist/pc/img/listFixedTop.png)
原创 通信原理 | rcosdesign 原理 | matlab中rcosdesign函数 | 升余弦滚降成型滤波器
beta滚降系数,取值0~1之间,决定频宽和陡峭程度(值越大频带越窄,越陡峭)。取值一般大于0.2。下图是滚降系数不同的对比,可以看出,设计一个升余弦滤波器总共需要上述三个参数。shape可选参数。可不加,可加上’normal’,可加上’sqrt’。我们可以看到阶段范围为10,每个范围采样点数为6,上图共存在60个采样点。我们可以看到阶段范围为6,每个范围采样点数为4,上图共存在24个采样点。sps单个符号范围的采样个数(每个符号上有几个采样点)当选择’sqrt’时,返回一个平方根升余弦滤波器。...
2022-08-02 09:39:42
9937
1
![](https://csdnimg.cn/release/blogv2/dist/pc/img/listFixedTop.png)
原创 Python程序设计 第7章:Python面向对象编程
Python程序设计 第7章:Python面向对象编程7.1 面向对象编程概述7.1.1 OOP的产生7.1.2 OOP核心思想7.1.3 OOP特征7.2 类和对象7.2.1 类的创建7.2.2 对象的创建7.2.3 类的属性7.2.4 类的方法7.2.5 内部类7.2.6 魔术方法7.3 类间关系7.3.1 依赖关系7.3.2 关联关系7.3.3 继承关系7.4 总结7.1 面向对象编程概述7.1.1 OOP的产生7.1.2 OOP核心思想7.1.3 OOP特征7.2 类和对象7.2.1 类
2022-04-05 15:42:47
7423
3
原创 【Pytorch实用教程】pytorch中random_split用法的详细介绍
在 PyTorch 中,是一个非常有用的函数,用于将数据集随机分割成多个子集。这在机器学习和深度学习中非常常见,特别是当你需要将数据集分割成训练集和测试集或验证集时。这里是。
2024-07-22 19:10:26
100
原创 【Pytorch实战教程】Pytorch中model.train()和model.eval()的作用
在 PyTorch 中,`model.train()` 和 `model.eval()` 用于设置模型的`训练模式`和`评估模式`,它们的作用主要涉及模型中的特定层如批归一化(Batch Normalization)和丢弃(Dropout)等。
2024-07-22 11:15:44
10
原创 【Python数据分析】np.full函数的用法详解
np.full是 NumPy 库中的一个函数,用于创建一个给定形状和类型的新数组,并用指定的值填充。这个函数非常有用,当你需要一个初始化具有相同值的数组时。
2024-07-22 09:34:11
9
原创 【Python基础】python中*args, **kwargs的区别
args允许你将不定数量的位置参数传递给一个函数。在函数内部,args是作为一个元组来处理的。使用时,将多个参数传递给*args,它会自动将这些参数收集到一个元组中。**kwargs允许你将不定数量的关键字参数传递给一个函数。在函数内部,kwargs是作为一个字典来处理的。使用时,可以传递任意数量的参数名和值**kwargs会自动将这些关键字参数收集到一个字典中。
2024-07-19 17:20:24
100
原创 【Python基础】Python中装饰器的作用、示例讲解、实际用途
装饰器在Python中是一个非常强大的工具,被广泛用于多种场景,增加代码的灵活性和可重用性。比如,你原始的某个函数的功能只能从本地读取.mat文件,不能print这个文件中的数据,现在用装饰器后,就可以在。这些例子展示了装饰器如何在不同的应用场景中提供简洁和强大的解决方案,使得代码更加模块化、易于维护和扩展。在Web开发中,装饰器经常用来检查用户是否有权执行特定操作,如访问受保护的资源。下面是一个非常简单的装饰器示例,用于在原函数的基础上,打印一行。装饰器可以用于测量函数的执行时间,帮助识别性能瓶颈。
2024-07-19 17:14:16
999
原创 【Python数据分析】数据分析三剑客:NumPy、SciPy、Matplotlib中常用操作汇总
Python数据分析三剑客:NumPy、SciPy、Matplotlib中常用操作汇总
2024-07-18 21:44:18
605
原创 【Pytorch实用教程】Pytorch中transformer相关组件的详细介绍
【Pytorch实用教程】Pytorch中transformer相关组件的详细介绍
2024-07-18 21:11:16
254
原创 【Pytorch实战教程】对抗样本生成中是如何添加噪声的?
这种方法常用在生成对抗样本的场景中,尤其是在实施像Projected Gradient Descent (PGD)这样的攻击方法时。值添加随机扰动,然后分别用未扰动的和扰动的输入数据计算模型的输出。通过比较这两个输出,我们可以观察到输入扰动对模型输出的影响。通常在对抗训练或者生成对抗样本时使用,目的是为了稍微扰动模型的输入数据,从而测试或增强模型在面对输入数据轻微变化时的鲁棒性。假设我们有一个简单的神经网络模型,我们希望在输入数据上添加随机扰动,然后用于模型训练或测试以检查模型的鲁棒性。
2024-07-15 16:38:08
317
原创 国家自然科学基金 | 面上| 青基 | 联合 | 重点
国家自然科学基金的联合基金项目是由中国国家自然科学基金委员会(NSFC)与省(区、市)政府或其他部门共同出资设立的一种项目类型,旨在结合地方或行业的科研需求,支持具有重要地方或行业特色的基础研究和应用基础研究。总的来说,国家自然科学基金的联合基金项目不仅加强了基础研究和应用基础研究的结合,还促进了科研资源的地方化配置和科技成果的地方化应用,对促进地区科技进步和经济社会发展具有重要作用。:包括面向基础研究的项目和面向应用基础研究的项目,支持的研究领域更加多样,能够针对合作方的实际需求。
2024-07-15 16:36:44
696
原创 【通信原理】其实QPSK就是一种特殊的QAM,即4-QAM
因此,尽管QPSK通常被描述为纯粹的相位调制技术,但从QAM的角度来看,它也可以被视为振幅固定(每个点的振幅相等),仅相位不同的一种形式。要理解“QPSK其实就是一种特殊的QAM,即4-QAM”的说法,我们需要分析这两种技术的基本概念和相互关系。QAM的星座图,星座图相对于IQ调制而言,将数据调制信息映射到坐标中,这些信息包含了信号的幅度信息和相位信息。QPSK可以视为一种特殊的QAM,即4-QAM,这是因为它在调制过程中虽然主要依靠相位变化,但其形式与QAM中的星座图(振幅和相位的组合)兼容。
2024-07-12 09:09:37
117
原创 【通信原理】matlab中pskmod的介绍
pskmod是 MATLAB 中用于实现相移键控(Phase Shift Keying, PSK)的调制方式的函数。PSK 是一种数字调制技术,通过改变调制信号的相位来传输信息。在 MATLAB 中,pskmod函数可以用来生成 PSK 调制信号,这在通信系统设计和信号处理中非常有用。
2024-07-10 20:16:38
187
原创 【Pytorch实用教程】transformer中创建嵌入层的模块nn.Embedding的用法
是 PyTorch 中的一个模块,用于创建一个嵌入层。这个层的主要作用是将离散的数值(通常是代表单词的索引)映射到一个连续的固定大小的向量空间,这些向量也称为嵌入向量。在自然语言处理和其他类型的机器学习任务中,嵌入层是非常常用的,它可以帮助模型理解和处理类别型输入数据。
2024-07-10 17:26:20
299
原创 【python深度学习】通俗易懂的理解一下transformer、RNN、CNN的主要区别
RNN适合处理序列数据,能捕捉序列中的依赖关系,但对于长序列有局限。CNN擅长处理图像数据,通过局部感知提取特征,但不适合处理序列数据。通过自注意力机制并行处理整个序列,适合处理长序列和需要捕捉复杂依赖关系的数据,但计算复杂度较高。
2024-07-10 14:33:33
275
原创 【Python基础】加密软件包:pcrydome介绍
是一个在 Python 中广泛使用的密码学库,是pycrypto库的一个分支,旨在解决pycrypto一些已知的安全性和构建问题。库完全兼容pycrypto,提供了加密、解密、签名和消息摘要等功能,支持许多流行的密码学算法,包括对称加密(如 AES 和 DES)、非对称加密(如 RSA)、消息摘要(如 SHA-256)和更多。
2024-07-02 11:26:32
162
原创 【Python机器学习】gradio库(快速创建简单的 Web 界面来演示机器学习模型)
Gradio 是一个 Python 库,用于快速创建简单的 Web 界面来演示机器学习模型。Gradio 使得任何人都可以轻松地与机器学习模型交互,而无需了解底层的技术细节。这个例子简单展示了如何将深度学习模型与 Gradio 界面结合,快速创建一个用户友好的模型演示。你可以轻松修改模型或转换逻辑,以适应不同的需求或数据。这个界面接受一个图像输入,显示一个标题,并且输出模型的预测结果。使用 PyTorch 的预训练模型 ResNet18 来对用户上传的图像进行分类。在这个例子中,我们创建了一个函数。
2024-07-02 11:22:19
159
原创 【Pytorch实战教程】torchvision中 transforms的用法
在 PyTorch 的库中,transforms模块提供了一系列用于预处理图像和进行数据增强的工具。这些变换可以对数据进行标准化裁剪旋转等操作,是构建深度学习模型中图像处理流程的重要部分。
2024-06-28 13:33:55
45
原创 【Pytorch实战教程】基于投影梯度下降(PGD)方法的对抗样本生成
使用PyTorch实现基于投影梯度下降(Projected Gradient Descent,PGD)方法的对抗样本生成,并对一个简单的卷积神经网络进行训练和评估。导入库:导入必要的PyTorch库和模块。模型定义:定义一个简单的卷积神经网络,用于分类任务。PGD攻击类:定义一个用于生成对抗样本的类。数据准备:准备MNIST数据集,包括数据加载和预处理。训练和测试函数:定义训练和测试模型的函数。主函数:训练模型,生成对抗样本并测试模型性能。
2024-06-26 20:56:52
411
原创 【Pytorch实用教程】如何在多个GPU上使用分布式数据并行进行训练模型
【Pytorch实用教程】如何在多个GPU上使用分布式数据并行进行训练模型
2024-06-26 13:23:36
235
原创 【Python基础】pprint:将 Python 对象美观地打印出来
pprint是 Python 标准库中的一个模块,全称为 “Pretty Printer”。顾名思义,pprint的主要功能是将 Python 对象美观地打印出来。这对于打印复杂的数据结构如字典、列表、集合等,尤其是当这些数据结构嵌套较深且包含多个元素时,非常有用。使用pprint可以使输出更加易读,比使用内置的print()函数输出更加整洁和有序。
2024-06-26 09:08:53
49
原创 【Pytorch使用教程】torch.backends.cudnn.benchmark = True的作用
在 PyTorch 中,设置是一种优化深度学习应用程序性能的方法,特别是当你有固定输入大小的时候。
2024-06-26 09:04:03
265
原创 【Python命令行】argparse模块的详细介绍
Argparse 是一个 Python 标准库模块,用于编写用户友好的命令行接口。该库的主要目的是处理程序运行时接收到的参数字符串,并将这些字符串转换为 Python 数据类型,这样在程序中就可以方便地使用这些参数了。使用 Argparse,可以轻松添加信息,例如帮助信息,以及命令行参数的默认值、类型、必需性等。
2024-06-25 21:29:17
158
原创 【分布式】Pytorch在多GPU环境的分布式训练中常见问题汇总
分布式训练涉及在多个计算单元上并行地训练深度学习模型。在多 GPU 环境中,这通常意味着模型的训练过程被分散到多个 GPU 上,以加速训练过程并处理更大的数据集。PyTorch 提供了多种工具和库来支持分布式训练,如(DDP) 等。
2024-06-25 20:56:43
197
原创 【计算机视觉】mmcv库详细介绍
该库涵盖了从数据加载到模型训练的各个方面,广泛应用于开源项目,如 MMDetection、MMPose、MMClassification 等,这些都是 OpenMMLab 项目的一部分。:作为 OpenMMLab 的一部分,MMCV 享受到一个活跃的社区支持,包括频繁的更新和大量的文档资源。MMCV 的运行器(Runner)抽象了训练循环,使得用户只需关注模型构建、数据处理和配置设置,而训练的执行细节由 MMCV 管理。:封装了训练过程的管理,包括训练循环、验证和测试,以及日志记录和模型检查点的保存。
2024-06-25 20:51:06
229
原创 项目实战:基于RML2018的融合网络分类 | LSTM网络和ResNet网络融合 | 含数据集的处理
这段代码是从原始数据中读取所选择的数据,画出星座图,并将星座图保存本地,然后将IQ数据保存成mat文件,将图片数据读取之后保存为npy文件,方便后续融合网络使用。
2024-06-18 14:23:49
70
原创 Python深度学习:融合网络 | LSTM网络和ResNet网络融合 | 含随机生成的训练数据集
LSTMResNet 类接受两个输入(LSTM的序列输入和ResNet的图像输入),分别通过LSTM和ResNet进行处理,然后将它们的输出拼接在一起,通过全连接层进行分类。RandomDataset 类生成随机的序列数据和图像数据,并确保它们具有所需的形状。调整数据加载器和前向传播步骤以处理两个输入。
2024-06-13 14:47:39
509
1
原创 Python深度学习:Bi-LSTM和LSTM在网络上有什么区别,对比来看
Python深度学习:Bi-LSTM和LSTM在网络上有什么区别,对比来看
2024-06-12 08:44:28
196
原创 Python基础:在多个.py文件组成的项目中如何安全的使用文件路径(绝对路径安全,相对路径可移植性好,如何选?)
在Python项目中使用相对路径时,路径的计算是基于当前执行脚本的位置,即当前工作目录(Current Working Directory, CWD)。这通常是你从中启动Python解释器的目录。这种方式在简单脚本或当你直接从命令行运行单个脚本文件时行得通,但在较大的项目或多层目录结构中可能导致路径错误。要确保在多个.py。
2024-06-03 17:27:43
166
原创 Python数据分析【Numpy系列】np.linspace()用法详解
`np.linspace()` 是 NumPy 库中一个非常有用的函数,它用于在指定的区间内生成等间距的样本值。这个函数非常适合在数值分析、数据可视化和信号处理等领域生成数据点。
2024-06-03 11:17:49
466
原创 Pytorch实用教程:为什么定义模型时,没有输入形参,但是使用时可以直接传入输入数据?
在 PyTorch 中,当你定义一个模型,即使在模型定义时没有显式声明接收输入数据的参数,模型的使用仍然可以通过直接传入输入数据来进行。这是因为模型类继承自 `torch.nn.Module`,而 `torch.nn.Module` 已经预定义了如何处理输入数据的方式。
2024-05-30 16:12:38
126
原创 Python基础:Python中类型注解的详细介绍
Python 中的类型注解是 Python 3.5 引入的功能,主要用于提供关于变量、函数参数和函数返回值类型的额外信息。类型注解不影响 Python 程序的运行时行为,因为 Python 仍然是一种动态类型语言,注解不会强制类型检查。但它们对于代码维护、可读性、以及通过静态类型检查工具(如 MyPy)提高代码质量非常有用。
2024-05-30 16:03:10
53
原创 Pytorch实用教程:super(MLP,self).__init__()和super().__init__()有什么区别?
在 Python 中,super()函数用于调用父类(超类)的方法。它的使用在继承关系中非常常见,特别是在初始化继承自父类的属性时。在 PyTorch 中,这通常见于初始化nn.Module类的子类。super()的两种调用方式有微妙的差别,但在 Python 3 中常常用来达到同样的目的。这种写法在 Python 2 中非常常见。这里,super()被调用时需要指定当前类名(MLP)和当前实例(self。
2024-05-30 14:50:55
221
原创 Pytorch实用教程:pytorch中nn.Linear()用法详解 | 构建多层感知机 | nn.Module的作用 | nn.Sequential的作用
Pytorch实用教程:pytorch中nn.Linear()用法详解 | 构建多层感知机 | nn.Module的作用 | nn.Sequential的作用
2024-05-30 14:40:11
339
原创 Pytorch实用教程:pytorch中 argmax(dim)用法详解
是 PyTorch 中的一个函数,用于找出指定维度上最大值的索引。argmax函数是在多维张量上进行操作的,通过dim参数可以指定在哪一个维度上查找最大值。
2024-05-29 14:17:57
346
原创 Python深度学习:【模型系列】一文搞懂Transformer架构的三种注意力机制
注意力机制最初受到人类视觉注意力的启发,目的是让模型在处理大量信息时能够聚焦于当前任务最为相关的部分。在深度学习中,注意力机制允许模型动态地将关注点分配到输入数据的重要部分上,提高了模型处理信息的效率和效果。这种机制尤其在自然语言处理和图像识别领域表现出强大的能力,能够显著提升模型处理序列数据的性能。Transformer 通过其独特的自注意力层和多头注意力机制,配合位置编码和专门的结构设计,极大地。
2024-05-28 20:44:57
92
原创 Python深度学习:【模型系列】Transformer面试灵魂20问
Transformer模型是一种基于自注意力机制的神经网络架构,主要用于处理序列数据,如自然语言处理任务。它由Google在2017年提出,并在“Attention is All You Need”这篇论文中首次公开。Transformer模型的核心思想是利用自注意力机制来捕捉序列中的依赖关系,从而实现对序列数据的有效处理。Transformer模型主要由编码器和解码器两部分组成,每部分都包含多层自注意力机制和前馈神经网络。编码器负责将输入序列转换为一种内部表示,而解码器则利用这种内部表示来生成输出序列。
2024-05-28 20:40:18
166
QPSK是一种常用的数字调制技术,它将数据信号调制到一个载波波形上,通过改变载波的相位来表示数据 这种调制技术因其相对高效的频谱
2024-04-08
基于改进Apriori算法的地铁故障关联规则挖掘
2024-01-18
基于支持向量机的通信干扰效果在线评估算法
2024-01-18
Python数据科学速查表
2024-01-16
短波通信协议智能识别技术研究
2024-01-16
基于深度学习的通信信号种类识别研究
2024-01-16
融合SENet和Trans...mer的应用层协议识别方法.caj
2024-01-15
python调制识别数据及代码
2024-01-02
随机 Transformer;变分自编码器;多维时间序列;异常检测
2023-08-22
专升本知识点和题型大全
2023-03-27
Markdown语法详解
2022-04-29
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人