StatisticsLiu-CSDN博客

原创回溯算法的伪代码python

result = []def backtrack(路径, 选择列表): if 满足结束条件: result.add(路径) return for 选择 in 选择列表: 做选择 backtrack(路径, 选择列表) 撤销选择

2021-12-21 16:31:20 1160

原创在latex插入python高亮代码

前面导入宏包：\usepackage{graphicx}\usepackage{pythonhighlight}代码：\begin{python}import timeprint (‘ok’)\end{python}

2021-12-18 10:46:13 1343

原创【文献阅读】FastFlow: Unsupervised Anomaly Detection and Localization via 2D Normalizing Flows

FastFlow: Unsupervised Anomaly Detection and Localization via 2D Normalizing Flows

2021-12-13 19:38:04 6980 4

原创【动手学习深度学习（李沐）】笔记（2021-11-11）

个人在看书过程中的随笔记录，只局限于自己看得懂，方便后续查看1 yield的一些用法和原理Iterables迭代器，比如lists, strings, 文件，我们专门为他们开辟了内存去储存所有内容，一项一项地读取其项目称为迭代mylist = [1, 2, 3]>>> for i in mylist:... print(i)123我们可以随心所欲地读取它们，但是将所有值存储在内存中，当我们有很多值时，这并不总是您想要的。比如神经网络训练的样本选取。Gene

2021-11-12 10:55:52 1218

原创 2021-05-10

zip() 函数用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表。如果各个迭代器的元素个数不一致，则返回列表长度与最短的对象相同，利用 * 号操作符，可以将元组解压为列表a = [1,2,3]b = [4,5,6]c = [4,5,6,7,8]zipped = zip(a,b) # 打包为元组的列表输出 [(1, 4), (2, 5), (3, 6)]zip(a,c) # 元素个数与最短的列表一致[(1, 4),

2021-05-13 11:20:06 215

原创【文献阅读】Deep Anomaly Detection with Outlier Exposure

深度异常检测与异常暴露文章目录深度异常检测与异常暴露AbstractIntroduction2 Related Work3 Outlier Exposure4、Experiments4.1 OOD检测器的评估4.2 各种数据集的介绍（略）4.3 多分类Maximum Softmax Probability(MSP)Abstract在部署机器学习系统时，检测异常的输入非常重要。更大、更复杂的输入，加大了区分异常examples和分布内example的难度。与此同时，各种各样的图像和文本数据也大量存在。我

2021-04-23 10:41:50 2074

原创【文献阅读】Using Self-Supervised Learning Can Improve Model Robustness and Uncertainty

使用自监督学习可以提高模型的鲁棒性和不确定性文章目录使用自监督学习可以提高模型的鲁棒性和不确定性AbstractIntroduction1、某些方面提高模型的鲁棒性2、提高了near-distribution样本的检测效果3、评价Out-of-Distribution Detection4.2 One-class learning前人做法作者方法Cifar10数据集ImageNet 数据集ConclusionAbstract（1）现有的方法落后于基于监督学习的方法，只是在不需要或者减少需要标签方面有好

2021-04-21 19:23:47 989

原创【文献阅读】CSI: Novelty Detection via Contrastive Learning on Distributionally Shifted Instances

课题文献调研CSI: Novelty Detection via Contrastive Learning on Distributionally Shifted Instances在上一篇SSD的阅读中提出，在OOD检测中，他的表现不如这篇文章（仅仅是ood检测，别的下游任务的表现还是很棒的），基于自己的工业数据，baseline仅达到了auroc78，所以还需要继续深入探讨如何优化模型文章目录课题文献调研摘要Introduction研究了以下两个问题：点子：对比学习基础上的两个新贡献：CSI: C

2021-04-19 21:05:22 1701

原创【文献阅读】SSD: A Unified Framework for Self-Supervised Outlier Detection (ICLR2021)

择情阅读：SSD: A Unified Framework for Self-Supervised Outlier Detection (ICLR2021)文章目录择情阅读：SSD: A Unified Framework for Self-Supervised Outlier Detection (ICLR2021)一、摘要二、Introduction核心问题:两个key：两个extension：主要贡献：三、SSD1、背景：Contrastive self-supervised represent

2021-04-11 17:06:30 606

Q7777727的博客