- 博客(903)
- 资源 (1)
- 收藏
- 关注
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 10194 1
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 7511 3
原创 【Flask教程】 flask安装简明教程
Flask 是一个用 Python 编写的轻量级 Web 框架,非常适合快速开发 Web 应用。本教程将指导你如何在不同操作系统上安装 Flask。
2024-09-19 15:49:38 208
原创 【Python机器学习】蒙特卡罗(洛)树搜索(MCTS):学会“思考”的搜索算法
在今天的人工智能世界中,有一类算法被广泛应用于游戏领域,如围棋、象棋、以及视频游戏等,它让电脑在复杂的环境中表现得像是在“思考”。这类算法被称为蒙特卡罗树搜索(Monte Carlo Tree Search, MCTS)。这篇博客将为你通俗易懂地介绍什么是MCTS、它如何工作、以及它为何如此强大。蒙特卡罗树搜索(MCTS)是一种通过模拟未来可能情况来做出决策的搜索算法。它的核心思想是:通过不断地模拟未来几步的结果,找到当前最有希望的选择。在某种程度上,MCTS可以想象成一个会“想象未来”的玩家。
2024-09-14 11:33:30 224
原创 【Python深度学习】逆强化学习(IRL):通俗揭开学习背后的奥秘
逆强化学习的核心问题给定智能体的行为,能否推断出它追求的目标或奖励是什么?举个例子:假设你观察一个老练的司机在开车,他在不同的交通状况下作出了许多决策,例如转弯、减速、加速等。你并不知道他是如何做出这些决策的,但你能看到他开车的方式相当平稳、安全。逆强化学习的目标就是:通过观察司机的行为反推出他是依据什么样的“奖励函数”来做出这些决策的。这个奖励函数可能包含了诸如“避免事故”、“节省时间”、“节约油耗”等不同因素。
2024-09-14 11:06:53 168
原创 【Python程序设计】一文掌握 Python:100 个基础语法示例助你快速入门
【代码】【Python程序设计】一文掌握 Python:100 个基础语法示例助你快速入门。
2024-09-14 10:07:26 817
原创 【Pytorch实用教程】【分布式】torch.utils.data.distributed.DistributedSampler用法介绍
`torch.utils.data.distributed.DistributedSampler` 是 PyTorch 中用于`分布式训练`的一个采样器(sampler)。在分布式训练时,它可以帮助`将数据集分成多个子集`,并且确保`每个 GPU` 或`进程`处理的`样本是唯一的`,`不会重复其他进程处理的样本`,从而提升训练效率。
2024-09-07 09:00:00 98
原创 【Pytorch实用教程】【分布式】torch.distributed.all_reduce用法详细介绍
是 PyTorch 中分布式通信的一部分,通常用于分布式训练场景下的梯度汇总。在分布式训练中,每个参与的进程都有自己的一部分数据和模型并行计算其梯度或更新参数。为了确保这些进程中的模型能够同步,需要all_reduce是实现这一过程的常用操作。注:reduce在英文中也有归纳、简化的意思。
2024-09-06 14:40:30 471
原创 Python深度学习:【开源数据集系列】ImageNet数据集
ImageNet 是一个大规模的视觉数据集,是计算机视觉领域最重要的基准数据集之一。该数据集由普林斯顿大学和斯坦福大学的研究人员发起,于2009 年推出。ImageNet 是用于物体分类目标检测图像分割姿势估计等多种任务的通用数据集,尤其在深度学习和计算机视觉的突破性研究中具有重要地位。
2024-09-06 09:54:38 338
原创 【Pytorch实用教程】pytorch中torch.save的详细介绍和用法
torch.save是 PyTorch 提供的函数,用于。其常见用法是保存训练后的模型,以及保存张量等其它数据结构。
2024-09-05 20:25:21 390
原创 【Python机器学习】核心数、进程、线程、超线程、L1、L2、L3级缓存
如何知道自己电脑的CPU是的,打开(同时按下:键、键、键)然后,点击任务管理器左上角的选项,观察右下角中的后面的数字,就是你CPU的核心数,下图中我的是16个核心的。需要注意的是,下面的 表示支持 在你上传的图片中,“进程:180” 和 “线程:3251” 的数字分别代表以下含义:进程 (Processes):这是当前正在运行的独立程序的数量。在你的系统上,有 180 个进程正在运行。每个进程是一个独立的执行单元,它可以是一个单独的应用程序或者系统服务。线程 (Threads):这是系统上所有进程中的线
2024-09-05 12:41:25 352
原创 【Python深度学习】增量学习
增量学习(Incremental Learning)是机器学习中的一个重要分支,它允许模型在保持已有知识的基础上逐步吸收新数据的信息,以适应动态变化的数据环境。与传统的批量学习不同,增量学习,而是对现有模型进行修改和更新,这样可以节省大量的计算资源和时间。
2024-09-04 15:01:06 194
原创 【Python机器学习】机器学习任务中常见的数据异质问题和模型异构问题是什么?解决策略是什么?
`数据异质问题`(Heterogeneity in data)通常指`数据集内部的不一致性`,这些不一致性可能来自多种源。
2024-09-04 10:33:43 492
原创 【Python深度学习】联邦学习概述、实现技术和主流联邦学习方法
联邦学习的关键思想是`“数据不动,模型动”`,即`数据保留在本地设备上`,而`模型参数(或更新后的梯度)被传输到中央服务器`。在这种架构下,数据隐私和安全得到了很大的保障,尤其在涉及敏感数据的应用场景中具有重要意义。
2024-09-04 10:11:05 568
原创 【Pytorch实用教程】构建并分析一个简单的神经网络
我们定义一个名为`MnistNet`的类,它继承自`nn.Module`。在PyTorch中,每一个网络模型都需要继承自`nn.Module`,这是一个实现了很多神经网络基础功能的类,如参数管理、梯度传播等。
2024-09-03 18:59:45 329
原创 【Pytorch实用教程】Pytorch中很多函数在torch.nn.functional和nn.Module都有实现,那它们有什么区别?实用场景有什么不同呢?
`torch.nn.functional`和`nn.Module`提供了`不同级别的API支持`,适用于不同的使用场景。在实际应用中,开发者可以根据具体需求选择使用哪种方式,甚至在同一项目中结合使用两者的特点。在模型的定义、参数管理、灵活性和代码的可维护性之间找到平衡,是设计神经网络时的一项重要考虑。
2024-09-03 18:07:37 544
原创 【Python深度学习】做分类任务时LSTM模型的输入数据应该是什么样的?各个维度的含义是什么
在分类任务中,使用LSTM模型的输入数据通常是时间序列或序列数据,每个输入样本包含若干个时间步长(time steps),每个时间步长有多个特征(features)。典型的输入数据维度为 `(batch_size, sequence_length, num_features)`。
2024-09-03 14:53:09 250
原创 【Pytorch实用教程】tqdm的作用:在循环中显示进度条
tqdm是一个 Python 库,用于在循环中显示进度条。它能够为任何可迭代对象(例如列表、生成器、数据加载器等)添加一个可视化的进度条,使用户可以实时查看程序的执行进度。在数据科学和机器学习领域,tqdm经常用于显示训练和验证过程中的进度。例如,在训练神经网络时,由于每个 epoch 可能会耗费较长时间,tqdm可以帮助用户直观地了解当前训练进展,以及还需要多长时间才能完成。
2024-09-03 10:34:24 422
原创 【Python深度学习】做深度学习训练时,如果数据集太大,无法一次性加载进GPU,应该如何做?
方法核心思想优点缺点适用场景实现复杂度小批量训练(Mini-Batch Training)与数据加载器(DataLoader)将数据集划分为小批量,每次只加载一个小批量到GPU中进行训练。- 易于实现- 是深度学习的标准做法- 支持多进程加载- 内存可能成为瓶颈- 需要调整批量大小避免内存不足适用于大部分场景低数据分片与分布式训练(Data Sharding & Distributed Training)将数据集分片,每个GPU或节点处理其中一部分数据,分布式训练。
2024-08-27 11:24:19 325
原创 【Python数据分析】numpy中的npz和npy的用法和区别
npy适用于保存单个数组,文件格式简单、读取和写入效率高。.npz适用于保存多个数组,采用压缩格式,能够在一个文件中存储多个数组。根据具体需求,选择适合的格式保存和加载数据。例如,如果需要保存多个数组并保持其关联性,使用.npz格式会更为方便;如果只是保存单个数组,使用.npy格式即可。
2024-08-27 11:11:24 92
原创 【OpenCV教程】图片隐写方法的种类及其python实现
图片隐写(Image Steganography)是指在图像中隐藏信息的技术,主要用于信息安全和隐私保护。最低有效位(LSB, Least Significant Bit)隐写法这是最常见的隐写方法之一。LSB隐写法通过修改图像像素的最低有效位来嵌入数据。这种方法简单且计算开销低,但隐蔽性较差,容易被检测到。频域隐写法这种方法将图像从空间域转换到频域,通过改变图像的频率成分来隐藏数据。常用的技术有离散傅里叶变换(DFT)、离散余弦变换(DCT)和离散小波变换(DWT)。
2024-08-27 09:24:31 231
原创 【OpenCV教程】img.mode有哪些常见的类型以及类型之间的转换
在PIL (Python Imaging Library) 或其继承版本Pillow中,`Image`对象的 `mode` 属性表示图像的像素格式(即每个像素的组成成分以及它们的存储方式)。
2024-08-26 11:22:10 292
原创 【OpenCV教程】将 NumPy 数组转换为图像对象的方法:PIL 中的Image.fromarray
(Pillow)库中的一个方法,用于将 NumPy 数组转换为图像对象。这个方法特别适用于将处理后的图像数据(通常以 NumPy 数组形式存储)重新转换为图像格式,以便进一步处理或保存。是 Python 中的。
2024-08-26 11:16:29 173
原创 【Python基础】Python中 io.BytesIO()的用法
是 Python 中io模块提供的一个内存缓冲区,用于。它的用法类似于文件对象,但不涉及实际的文件操作,而是在内存中处理数据。这个对象非常适合用于需要处理二进制数据的场景,比如图片音频文件网络数据的处理等。
2024-08-23 16:52:47 130
原创 【数据科学】Flink如何实用C++写的so库
在Flink中调用C++编写的共享对象库(.so文件)通常需要使用JNI(Java Native Interface)。通过JNI,可以从Java代码中调用C/C++编写的本地方法。下面是一个基本流程,说明如何在Flink中使用C++编写的.so库。
2024-08-20 15:00:00 580
原创 【Python深度学习】图像分割经典网络:U-Net
U-Net是一种深度学习网络,最初由Olaf Ronneberger等人在2015年为医学图像分割而设计。这个网络特别适用于那些需要精确分割的任务,如细胞分割、组织结构分析等。U-Net之所以受到广泛关注,主要是因为它的网络结构特别适合处理少量数据而得到高精度的分割效果。
2024-08-20 14:55:03 238
原创 【Python深度学习】图片识别任务中,原始数据集中图片的大小不固定时,用代码设置大小为多少合适?
在做图片分类识别任务时,如果没有公开数据集的情况下,需要自己去网上找相应的图片数据,但是各种各样的图片大小不一致,手动截图的话,大小无法保证,所以此时,最好就是用代码来固定大小。在图片识别任务中,数据集中图片的大小设置取决于多种因素,包括模型的架构、计算资源以及具体的任务需求。以下是一些常见的图片大小设置建议:经典模型(例如VGG, ResNet等):较小的图片(例如MobileNet, EfficientNet等):自定义任务:数据增强和预处理:推荐的图片尺寸一般在 到 之间,具体选择需要根据你的模型
2024-08-20 09:00:00 178
原创 【大数据】Flink如何支持GPU
Flink 本身不直接支持 GPU 加速,但可以通过集成其他支持 GPU 的库或框架来实现 GPU 加速任务的执行。这样可以利用 Flink 的分布式计算优势,同时也能利用 GPU 的强大计算能力处理需要大量并行计算的任务。
2024-08-19 08:00:00 500
原创 【】Apache Flink 支持 Python 语言的API:PyFlink
Apache Flink 支持 Python 语言,主要通过其提供的API。PyFlink 是 Flink 的 Python API,使得用户可以使用 Python 来开发流处理和批处理作业。PyFlink 提供了类似于 Flink Java/Scala API 的功能,但更适合 Python 开发者使用。
2024-08-18 09:00:00 72
原创 【Python基础】Python中enumerate的高级用法
`enumerate` 是 Python 中的一个内置函数,用于在迭代一个可迭代对象(如列表、元组、字符串等)时同时获取元素的索引和值。它返回的是一个迭代器对象,每次迭代时返回一个包含索引和值的元组。
2024-08-17 10:00:00 42
原创 【Python基础】os.getcwd()和os.path.dirname(os.path.abspath(‘__file__‘)效果是否相同,有什么区别
`os.getcwd()` 和 `os.path.dirname(os.path.abspath('__file__'))` 虽然都可以获取某个路径信息,但它们的作用和效果有所不同
2024-08-16 14:30:00 56
原创 【Pytorch实用教程】pytorch中标准化图像数据集的读取处理神器:datasets.ImageFolder
`datasets.ImageFolder` 是 PyTorch 中用于处理图像数据的一个非常方便的类,尤其适合用于组织良好的图像分类任务。它可以从文件夹结构中加载图像数据,并自动分配标签。
2024-08-16 10:49:45 36
原创 【Pytorch实用教程】Pytorch中是如何实现注意力机制的
在PyTorch中,实现注意力机制通常包括以下步骤:计算注意力权重、应用权重到输入特征,并进行加权求和。下面我将详细介绍一种常见的实现方法,即用于序列数据的自注意力(Self-Attention)机制。
2024-08-16 10:00:00 56
原创 【Pytorch实用教程】Pytorch中加载数据推荐实用:Dataset类
Dataset类是PyTorch中数据加载和处理的重要组件,通过子类化它,你可以灵活地加载各种格式的数据。结合DataLoader,你可以高效地进行批量数据处理,并且通过转换与增强功能,可以在训练过程中有效提升模型的性能。
2024-08-15 15:00:00 50
原创 【数据科学】推荐系统简介、顺序推荐系统
推荐系统(Recommendation System)是一种基于用户行为、偏好和数据分析,为用户提供个性化内容或产品推荐的系统。它广泛应用于电商、社交媒体、流媒体平台、新闻网站等领域。推荐系统的核心目标是通过分析用户的历史行为、兴趣偏好以及与其他用户的相似性,向用户推荐他们可能感兴趣的内容,从而提高用户体验和参与度。
2024-08-15 14:37:30 695
原创 【Pytorch实用教程】在做模型融合时非常关键的代码:nn.Identity()详解
`nn.Identity()` 是 PyTorch 中的一个简单模块,它在输入和输出之间不做任何操作。换句话说,输入是什么,输出就是什么。这个模块的设计目的主要是为了在需要占位符的情况下使用。
2024-08-15 11:00:00 176
原创 【Pytorch实用教程】nn.Transformer用法及多头注意力机制中多头的含义
PyTorch 中的 是一个实现了的类。Transformer 是一种的深度学习模型,最早由 Vaswani 等人在 年提出,用于自然语言处理任务。与传统的循环神经网络(如 LSTM、GRU)不同,Transformer ,而是通过来,因此具有的优势。 主要由两个部分组成:(Encoder)和(Decoder)。编码器(Encoder):编码器由多个相同结构的(Encoder Layer)堆叠而成,每个编码层包括两个子层:解码器(Decoder):解码器同样由多个相同结构的解码层(Decoder Lay
2024-08-14 10:00:00 69
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