- 博客(4)
- 收藏
- 关注
RSS订阅原创 不同范数的定义，老是会忘记，记录在这里
在矩阵稀疏表示模型中，把它作为正则化项，是因为在最小化问题中，只有每一行的L2范数都最小总问题才最小。上面是L2，1范数的定义，原始矩阵是n行t列的，根号下是每一行元素的平方求和，在同一行中进行操作的，根号部分就相当于一行的L2范数，由此可以看出L2,1范数实则为矩阵X每一行的L2范数之和。L1会趋向于产生少量的特征，而其他的特征都是0，而L2会选择更多的特征，这些特征都会接近于0。不同于L1范数（矩阵元素绝对值之和）的稀疏要求，L2,1范数还要求行稀疏。L0范数是指向量中非0的元素的个数。
2023-04-20 09:58:50
235
1
原创 pytorch下jupyter notebook的默认kernel并不是base（root）
今天在pytorch中使用sift算法，在base（root）环境中open terminal，使用命令pip install opencv-python==3.4.2.16pip install opencv-contrib-python==3.4.2.16安装了适合sift算法的opencv，需要注意的是，因为sift算法申请了专利，有算法保护，高版本的opencv没有sift， 需要装低版本的，因此这里装3.4.2.16版本的，但是jupyter notebook输出默认情况下opencv
2022-04-19 21:43:44
3193
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人