- 博客(54)
- 收藏
- 关注
RSS订阅原创 【深度学习图像处理】使用Kornia来更好的展示transform之后的图片
kornia是一个计算机视觉算法库，数据增强的模块非常好用，可以使用它的数据增强模块完全无缝的嵌入到pytorch中而且不会和torchvision中的transforms模块冲突以下展示我们的数据增强模块的实例。
2024-05-21 21:06:12
134
原创 CSAPP阅读笔记第一章：计算机系统漫游
诞生背景 ： 一个典型的寄存器只存储几百字节的信息，而主存可能存储几十亿字节，意味着处理器从寄存器读取数据比从主存中读取数据要快100倍左右，针对这种处理器与主存之间的差异，系统设计者采用了更小更快的储存设备，成为高速缓存存储器（cache memory）作为暂时的集结区域，进程到另一个进程的转换是由操作系统内核完成的，内核是操作系统中常驻主存的部分，但不是一个独立的进程，它是管理系统中所有的代码的和数据结构的集合。给每个进程提供了一种假象，即每个进程都在独占的使用主存，每个进程看到的内存都是一致的成为。
2024-05-20 16:15:01
715
原创 进阶python (集合,collections,itertools)
Collections是python标准库中的一个很常用的模块，内置了双端队列等现成的数据结构。这是一种会把列表中出现的元素按照出现次数作为value元素本身作为key的字典。这个类用来构建只有少数属性但是没有方法的对象。
2024-05-06 12:56:33
189
原创 windows上创建Gatsby项目时会出现Command failed with exit code 1: npm install --loglevel error --color alw
如果你用的是verge打开系统代理设置就可以看到端口了，设置127.0.0.1:对应的端口，就可以解决这个问题。因为我电脑挂着代理服务器，所以需要设置端口。
2024-03-31 23:23:07
133
4
翻译 练习codeforces最好的10个建议【翻译】
原文链接：https://www.geeksforgeeks.org/10-best-tips-to-get-started-with-codeforces/最近刚从实验室退出，想锻炼一下自己的算法能力，看到这篇文章比较好，分享一下。
2024-03-30 15:40:55
233
原创 【二分答案】寻找指定和的整数对
我们遍历数组，将每一个元素作为被减的元素arr[b]，然后二分查找arr[a],二分查找的值必定比arr[b]大，所以二分查找总是从索引b+1开始的。求解过程 ： 首先对数组从大到小排列 ， 从头到尾处理数组的每一个元素,复杂度是O（n),把求解目标和(target)的过程当成。
2024-03-30 12:39:19
677
原创 C语言中二重的指针的作用
因为二重指针可以使我们在函数内部修改外部指针的值，定义的指针变量使用&符号传递给函数时，传递给函数的其实是指针变量的地址。如图，每一个指针变量都有一个地址，&p就是地址，&（*p）就是指针指向的第一个元素的地址，所以在函数外部，上文提到了C语言中函数传递变量是传递变量的copy，如果要修改变量的地址，需要&符号。但是执行完函数之后，内存释放，申请到的内存也释放了，所以str依旧是空指针。C语言中，传递给函数的值是变量的copy，而不是真实的变量，我们对代码进行简单的修改，可以理解到二重指针的作用。
2024-03-25 16:05:02
544
原创 JavaScript学习小记（1）基本数据结构（数组，字符串）
在一些比较古早的教材中，定义js变量通常使用的是var。虽然是大家经常写的做法，但是不推荐这么做因为他又两点坏处var 关键字只有函数作用域和全局作用域。// 这个时候显示的是False，意味着这个变量在循环过后依旧存在关于var存在变量提升的问题a = 0var a声明的语句可以视为自动提升到文档的顶部var关键字可以重新定义不报错常用的方法有let size_a = a.length // 是数组的一个属性console.log(`a数组的长度为${
2024-02-25 21:48:11
828
原创 xarray ERROR : ValueError: did not find a match in any of xarray‘s currently installed IO backends
虽然是ValueError，但是八成可能是你的文件路径不存在，或者你的文件损坏了。下面给出调试代码，可以抓取全部.nc文件去查看哪些文件是不是能用的。
2024-02-14 17:43:34
357
1
原创 二本学院计算机专业一年半复盘
山东的一个二本学院本科，计算机专业，目前大二上学期刚结束，在知乎看到有个问题回答（一个人学习编程的过程）突然想复盘一下这一年半学习的过程了。
2024-01-31 13:54:15
358
原创 如何避免一个很大的.git文件夹
我在git pull的过程中发现了我的.git很大，于是我就去stackoverflow去找问题怎么解决。答案（我是可以用的，使用了之后我的.git文件从31mb到不到1mb。
2023-09-19 21:50:37
142
原创 分布数据并行计算(单机多卡)训练记录
首先，我们先把我们的pytorch版本提升到2.0.1,这样会防止很多不必要的报错（但这样的坏处就是我们没有办法使用nvidia-apex进行加速了，除非等到版本的更新。
2023-08-23 17:19:57
166
原创 图神经网络（GNN）综述的总结
每一个作为独立的一个属性，都有分别对应的MLP（多层感知机,也可以是其他的模型）对信息进行传递，经过学习后的图的结构是不变的，（对于每个节点，边，全局信息的结构也不会变，相当于图的节点，边， 全局信息都经过了一次学习），这里我们也必须重视图神经网络的另一个属性就是。（连接性可以理解为，节点之间属性的联系是边，图神经网络中连接性不只是权重矩阵，节点的连接性体现在每个节点的输入中，这个后续会说），这里虽然更新的了节点，边，全局信息的值，但是并没有提到连接性，如何保证连接性也得到更新呢。
2023-06-10 15:44:09
1120
原创 传统的交叉熵函数如何通过平滑处理可以适用于多标签分类任务
一种常用的技术是标签平滑（Label Smoothing），它可以优化传统的交叉熵损失函数，使其适用于多标签分类问题。标签平滑通过将真实标签的概率分布从原来的one-hot编码改为一个平滑的分布，从而减少模型在训练过程中的过拟合风险。标签平滑的优点在于，它可以减少模型在训练过程中的过拟合风险，从而提高模型的泛化性能。传统的交叉熵损失函数通常用于多分类问题，而在多标签分类问题中，每个样本可能属于多个标签，因此需要使用一些新的技术来优化交叉熵损失函数。需要注意的是，标签平滑的平滑度。
2023-06-02 21:42:21
717
原创 图像检索绘制PR曲线的两种方法（按需求）或者说生成指标的两种方法
在保持其他参数不变的情况下,比如使用相同的数据集、相同的查询集和检索集,可以比较不同模型(如DSH、ITQ)在不同哈希码长度下的平均PR曲线,从而评估它们的整体效果。所以信息量相对较少。第二段代码计算的是每个查询图像在不同哈希码长度下的 PR 曲线,再求平均,适用于分析不同查询图像的哈希长度敏感度。对应每一个哈希码长度,它都产生1个数据点(P,R),表示在这个哈希码长度下,所有查询图像的平均精度和召回率。首段代码计算的是每个哈希码长度下所有查询图像的平均 PR 曲线,适用于评估不同哈希码长度的整体效果。
2023-05-19 12:25:25
1838
原创 图像检索任务中召回率与精确度与检索集和查询集之间的关系
在信息检索中，通常会使用查询集和检索集。这是因为召回率和精度的计算方式不同，它们对检索结果中的相关文档和非相关文档的权重不同，因此在不同的场合下需要选择适当的指标来评估检索结果的质量。它反映了检索结果的完备性，即检索结果中包含的相关文档数与查询集中所有相关文档数之间的比例。精度（Precision）是指检索出的相关文档数与检索出的所有文档数的比例。它反映了检索结果的质量，即检索结果中包含的相关文档数与检索出的所有文档数之间的比例。精度越高，说明检索结果中包含的非相关文档比例越低，检索结果的质量越好。
2023-05-14 12:47:59
862
原创 配置你的代理服务器（Ubuntu）这样平常就不用开魔法了
保存并关闭文件：在 Gedit 编辑器中，按下 Ctrl+S 组合键保存文件，然后关闭编辑器。打开终端：在 Ubuntu 中，您可以按下 Ctrl+Alt+T 组合键来打开终端。https_proxy=https://用户名:密码@代理服务器地址:端口号/http_proxy=http://用户名:密码@代理服务器地址:端口号/
2023-05-13 22:36:36
2183
原创 监督哈希常用指标，mAP值和loss函数的值在监督哈希中的作用
除了保存mAP值以外，为了可视化这五个指标，您需要保存以下数据：注意：这五个指标更关注特定情况下模型的性能，而不是平均性能PR曲线：保存每个阈值下的精确率和召回率，以便于绘制PR曲线。TopN-precision：保存每个k值下的TopN精度，以便于绘制TopN-precision曲线。NDCG：保存每个查询的NDCG@1000值，以便于计算平均NDCG和绘制NDCG曲线。P@H：保存每个查询的P@H≤≤2值，以便于计算平均P@H和绘制P@H曲线。
2023-05-12 00:07:29
607
原创 安装远古版本的pytorch
PyTorch 0.1.2 目前已经非常老旧，官方已经不再提供该版本的安装。如果你真的需要使用 PyTorch 0.1.2，可以尝试从 PyTorch 的 GitHub 仓库中下载该版本的源代码，并手动编译安装。更换下载源，可以使用国内的镜像源或者是其他可靠的下载源，例如豆瓣源、清华源等。下载 mkl 包时出现了连接超时的问题，可能是网络不稳定或者下载源出现了问题。检查网络连接是否正常，可以尝试重新连接网络或者更换网络环境。
2023-05-08 01:17:30
236
原创 CNN总结
增加深度的同时也代表着训练更加收敛 ， 损失函数对参数的求导 ， 可能会因为很长的求导链式法则产生很多其他的数字 ， 这些数字可能会很小，也可能会很大。所以跳跃连接就是我们直接把输入，添加到层快的一个输出中 ， 比如说直接把第一个激活函数的输出，作为第3层的输入，这样我们就缓解了梯度消失的问题。我们会尝试在学习底部层的的时候避免变化顶部层，因为顶层开始收敛的比较快，训练持续的时候，顶部变化，底部变化，顶部收敛快，底部收敛慢。L1 范数 ———— 所有权重的绝对值的和 —————— 通过小因子进行缩放。
2023-05-05 21:28:21
149
原创 CUDA安装
如果您已将CUDA添加到PATH环境变量中，但在conda环境中无法使用CUDA，可以尝试重新安装相关的conda包。在conda环境中重新安装CUDA和相关的包可以确保它们与conda环境的其他软件包兼容。如果CUDA正确安装，您应该可以看到相关的信息。如果仍然存在问题，请检查conda环境中是否存在其他不兼容的软件包，并尝试解决它们。此外，您可能还需要安装其他与CUDA相关的包，例如cudnn和nccl。本地终端可以打开，但是conda环境中使用不了，需要在conda中重新安装吗。
2023-04-16 19:51:25
592
原创 在jupyter notebook中导入不到自己的conda环境的内核的解决办法
在这种情况下，您需要将IPython内核切换到正确的Conda环境中。模块，但是没有在IPython内核中安装该模块。您可以通过在终端中激活Conda环境并运行以下命令来安装IPython内核中的。如果您有多个Conda环境，并且您的IPython内核不在正确的环境中，那么您可能无法导入该环境中的。在某些情况下，您可能已经在Conda环境中安装了。IPython内核不在正确的环境中。IPython内核缺少其他依赖项。matplotlib`模块兼容。如果您在Conda镜像中安装了。
2023-04-12 15:56:01
295
原创 从0开始的线性回归实现
def linreg(X , w , b) : # 线性变换，等价于nn.linear(in_dim , out_dim) return torch . matmul(X , w) + b。
2023-04-02 09:32:40
67
原创 似然函数与解析解
在给定模型和数据的情况下，最大化似然函数等价于最小化误差平方和，即最小化残差平方和。这也是最小二乘法的基本思想。对于线性回归模型，我们可以使用最小二乘法来估计模型参数。假设我们使用线性回归模型来拟合某个数据集，其中y是因变量，x是自变量，w和b是模型参数，ei是误差项，符合正态分布。RSSwbΣyi−xiw−b2RSSwbΣyi−xiw−b2我们的目标是找到最优的w和b，使得RSSwbRSS(w, b)RSSwb最小化。
2023-04-01 11:04:12
148
原创 《利用python进行数据分析》前三章概要
a.intersection(b) 交集 a.intersection_update(b) a &= b。方法 ： a.union(b) 并集 a | b a.update(b) a|=b。c：继续执行代码直到下一个断点或程序结束。p 变量名：打印变量的值。s：进入当前行的函数。n：执行下一行代码。
2023-03-31 14:20:34
81
原创 python使用技巧(清洗数据，制表，文件操作）
在描写路径的时候可以不用写slash表示路径取而代之用os库的。使用pandas库来读取表格。使用pandas清洗空值。
2023-03-21 16:53:27
97
原创 P1036选数（dfs）
已知n个整数x1x2⋯xn，以及1个整数kkn从n个整数中任选k个整数相加，可分别得到一系列的和。例如当n4k34个整数分别为37121937122237192971219383121934现在，要求你计算出和为素数共有多少种。371929。
2023-03-13 20:04:47
49
原创 ABC292:D - Unicyclic Components
跟一位大佬学的很厉害的写法，不断地从别人的优点学习。本题是寻找无向图内，每个连通块的边数与点数是否一样。
2023-03-11 14:49:51
105
原创 多重背包问题（朴素+一维优化+快速幂优化）
技巧：我们把每个物品倍乘，当作单独的一个物品，然后处理它就变成了一个01背包问题，优化掉他的个数问题，把多个物体看成一个物体。他们的主要区别主要在于，01背包只给你1个物品，完全背包模型给你无限个物体，多重背包模型是个你有限个物体。因为数量多了，所以就相当于01循环再套一个循环，这个循环用来循环这个有限个数量的，
2023-02-28 23:46:26
88
原创 完全背包问题（闫氏DP分析法）
这里我们就复现了以前的状态：如果要加入第i个物品，如果直接算只能暴力搜索，为了追求效率，我们采用了一种“曲线救国”的方式，原先的要求是在不超过最大容量N的情况下要求他能娶到的最大值，我们可以绕弯一下，我们在不超过最大容量为N-v[i]的情况下取到的最大值，之后我们在加上去掉的第i个物体的权值就可以了。在前（0，1，2，3.......i)种选择，他们在体积不超过（0，1，2，3，4.......j）的情况下所能取得到的最大值。我们采用了一种类似高中数列求和的一种办法，就是后退一位，找到错位之后的位置关系。
2023-02-28 22:27:57
178
4
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