Python
文章平均质量分 68
Lucy@IshtarXu
研究方向生物医学信号处理(EEG、EOG)、疾病分类与诊断、目标跟踪等,还在自学读文献阶段,希望科研顺利——
展开
-
【文献翻译】ChronoNet: A Deep Recurrent Neural Network for Abnormal EEG Identification
ChronoNet:一种用于异常脑电图识别的深度循环神经网络原创 2022-04-05 00:04:52 · 1371 阅读 · 0 评论 -
【GAT】图注意力网络 - 简单的源码记录
由于和GCN代码比较相似,所以部分内容从GCN那篇博客中截取。1 - cora数据集GNN常用数据集之Cora数据集2 - 源码含义记录首先我们来整体看一下代码的组成截图中的这一大坨为命令行传递参数,含义参考命令行传递参数 argparse.ArgumentParser解析简单点说,就是想在不改动代码的情况下,使用命令行去改参数。2.1 加载数据集在代码中,加载数据集通过这个函数实现# Load dataadj, features, labels, idx_train, idx_v原创 2022-03-19 23:47:22 · 1667 阅读 · 2 评论 -
【GCN】图卷积神经网络 - 简单的源码记录
GCN源码记录原创 2022-03-14 23:21:07 · 4368 阅读 · 5 评论 -
【文献翻译】基于深度学习的脑电信号癫痫自动检测系统
摘要癫痫是一种神经系统疾病,对于其检测,脑电图(EEG)是一种常用的临床方法。脑电信号的人工检测是一个费时费力的过程,这给神经科医生带来了沉重的负担,并影响了他们的表现。已经提出了几种使用传统方法的自动技术来帮助神经学家检测二元癫痫场景,例如癫痫与非癫痫或正常与发作。这些方法在对三元病例进行分类时表现不佳,例如,发作期与正常期与发作间期;采用最先进的方法,这种情况下的最大准确度为97±1%。为了克服这个问题,我们提出了一个基于深度学习的系统,它是金字塔一维卷积神经网络(P-1D-CNN)模型的集成。在CN原创 2022-03-10 20:40:37 · 4580 阅读 · 3 评论 -
【Pytorch】Pytorch中张量的创建和维度的操作
一些pytorch的基础知识原创 2022-03-08 22:37:19 · 3428 阅读 · 0 评论 -
【Pytorch】完整的模型验证套路
输入一张自己的图片进行预测原创 2022-02-18 15:03:34 · 861 阅读 · 0 评论 -
【Pytorch】完整的模型训练套路与利用GPU训练 - 学习笔记
1 - 模型训练与测试代码2 - GPU训练原创 2022-02-18 13:49:55 · 1565 阅读 · 0 评论 -
【Pytorch】网络模型的保存和读取 - 学习笔记
讲述模型的两种保存和加载方式原创 2022-02-12 00:08:42 · 1413 阅读 · 2 评论 -
【Pytorch】现有网络模型的使用及修改 - 学习笔记
记录了现有pytorch模型(以VGG16为例)对图片数据集分类的使用和修改方法原创 2022-02-11 23:37:05 · 910 阅读 · 0 评论 -
【Pytorch】优化器 - 学习笔记
介绍了优化器的使用和基本模型的训练原创 2022-02-10 02:31:14 · 600 阅读 · 0 评论 -
【Pytorch】损失函数与反向传播 - 学习笔记
明天去修电脑,一定不摸鱼了原创 2022-02-09 01:31:11 · 572 阅读 · 1 评论 -
【Pytorch】神经网络搭建小实战和Sequential的使用 - 学习笔记
原来Tensorboard还能这么用原创 2022-02-08 21:12:05 · 866 阅读 · 0 评论 -
【Pytorch】线性层及其它层介绍 - 学习笔记
继续!原创 2022-02-08 20:06:50 · 760 阅读 · 0 评论 -
【Pytorch】神经网络-非线性激活 - 学习笔记
加油加油原创 2022-02-08 18:19:07 · 247 阅读 · 0 评论 -
【Pytorch】神经网络-最大池化的应用 - 学习笔记
不想学习原创 2022-02-08 17:33:53 · 576 阅读 · 1 评论 -
【Pytorch】神经网络-卷积层 - 学习笔记
写完这个就睡觉!原创 2022-02-08 01:56:13 · 453 阅读 · 0 评论 -
【Pytorch】卷积操作 - 学习笔记
继续加油学!原创 2022-02-08 01:06:59 · 325 阅读 · 0 评论 -
【Pytorch】神经网络的基本骨架-nn.Module的使用 - 学习笔记
视频地址终于开始用torch写神经网络啦!主要用到了python API中的torch.nnContainer:骨架,对神经网络定义了一些结构,在结构中添加一些内容就可以实现我们的神经网络后面都是需要往骨架当中填充的东西,比如卷积层、池化层、padding层balabala~点开container看看其中最常用的是Module,我们再点开看看里面的案例:我们继承了nn.module这个父类(模板),而对于不满意的部分我们可以自己再进行修改,如果module是玩具赛车,这两个def定义原创 2022-02-08 00:21:48 · 390 阅读 · 0 评论 -
【Pytorch】Dataloader的使用 - 学习笔记
假期综合征——原创 2022-02-07 23:09:15 · 1785 阅读 · 1 评论 -
【Pytorch】torchvision中的数据集使用 - 学习笔记
视频网址1 - 加载数据集:以CIFAR为例网址这里可以看看数据集的内容1)如果没有下载数据集(不推荐)import torchvisiontrain_set = torchvision.datasets.CIFAR10(root="./dataset", train=True, download=True)test_set = torchvision.datasets.CIFAR10(root="./dataset", train=False, download=True)prin原创 2022-02-07 01:38:28 · 784 阅读 · 0 评论 -
【Pytorch】常见的Transforms
1 - Python语法复习:__call__的用法创建一个新的python文件,输入class Person: def __call__(self, name): print("__call__"+"hello "+name) def hello(self, name): print("hello"+ name)person = Person()person("zhangsan")person.hello("lisi")输出结果为__ca原创 2022-02-06 22:18:38 · 488 阅读 · 0 评论 -
【Pytorch】Transform的使用 - 学习笔记
居然一直没发出来原创 2022-02-06 15:23:08 · 527 阅读 · 0 评论 -
【Pytorch】Tensorboard的使用 - 学习笔记
白天摸鱼了,晚上写完这篇睡觉!原创 2022-01-26 01:04:21 · 488 阅读 · 0 评论 -
【Pytorch】加载数据集 - 学习笔记
寒假龟速学习中....摸鱼真快乐原创 2022-01-20 19:57:49 · 1721 阅读 · 0 评论 -
吴恩达深度学习课程-Course 4 卷积神经网络 第一周 卷积神经网络编程作业(第二部分)
这个版本有点问题...1.1和1.2是基于tf2框架改的兼容tf1的版本,1.3和1.4没改,尝试改过报一堆错。。。多学习学习再看看好了原创 2022-01-19 20:39:04 · 1651 阅读 · 0 评论 -
吴恩达深度学习课程-Course 2 改善深层神经网络 第三周 TensorFlow入门编程作业
虽然申请书的ddl临近,但还是先写写编程作业…编程作业的代码用的是tf1,而我的环境为tf2,所以TensorFlow入门TensorFlow教程1 - 探索Tensorflow库1.1 - 线性函数1.2 - 计算Sigmoid函数1.3 -计算成本(Cost)1.4 - 使用One Hot编码1.5 -用0和1初始化2 - 用Tensorflow构建你的第一个神经网络2.0 - 问题声明:SIGNS数据集2.1 -创建占位符placeholders2.2 - 初始化参数2.3 - TensorFlo原创 2022-01-08 17:20:40 · 1200 阅读 · 2 评论 -
吴恩达深度学习课程-Course 4 卷积神经网络 第一周 卷积神经网络编程作业(第一部分)
时隔三个月终于有时间更新了…在ppt的夹缝中练习。期待圣诞节!!!更新:然后在圣诞节的晚上写完了这篇2333原创 2021-12-05 23:12:30 · 1749 阅读 · 0 评论 -
吴恩达深度学习课程-Course 1 神经网络与深度学习 第四周 深层神经网络编程作业(第二部分)
文章目录第二部分用于图像分类的深度神经网络:应用1 - 导入相关包2 - 数据集3 - 模型的架构3.1 - 2层神经网络第二部分用于图像分类的深度神经网络:应用完成此操作后,您将完成第 4 周的最后一个编程作业,以及本课程的最后一个编程作业!您将使用在上一个作业中实现的函数来构建深度网络,并将其应用于猫与非猫分类。 希望您会看到相对于您之前的逻辑回归实现的准确性有所提高。完成此任务后,您将能够:构建深度神经网络并将其应用于监督学习。让我们开始吧!1 - 导入相关包让我们首先导入您在此原创 2021-09-10 15:50:55 · 550 阅读 · 0 评论 -
吴恩达深度学习课程-Course 1 神经网络与深度学习 第四周 深层神经网络编程作业(第一部分)
第一部分引入构建您的深度神经网络:循序渐进欢迎来到您的第 4 周作业(第 1 部分,共 2 部分)! 您之前已经训练了一个 2 层神经网络(具有单个隐藏层)。 本周,您将构建一个深度神经网络,层数不限!在本笔记本中,您将实现构建深度神经网络所需的所有功能。在下一个作业中,您将使用这些函数来构建用于图像分类的深度神经网络。完成此任务后,您将能够:使用像 ReLU 这样的非线性单元来改进你的模型构建更深的神经网络(具有 1 个以上的隐藏层)实现一个易于使用的神经网络类Notation原创 2021-09-09 21:15:06 · 547 阅读 · 0 评论 -
吴恩达深度学习课程-Course 1 神经网络与深度学习 第三周 浅层神经网络编程作业
文章目录引言1 - 导入相关包2 - 数据集3 - 简单逻辑回归4 - 神经网络模型4.1 - 定义神经网络结构4.2 - 初始化模型参数4.3 - 循环4.4 - 在 nn_model() 中集成第 4.1、4.2 和 4.3 部分4.5 预测运行模型4.6 - 调整隐藏层大小(可选/未分级练习)5 - 在其它数据集上的表现附录:planar_utils.py附录:testCases.py引言具有一个隐藏层的平面数据分类欢迎来到您的第 3 周编程作业。 是时候构建你的第一个神经网络了,它会有一个隐藏原创 2021-08-16 22:52:05 · 566 阅读 · 0 评论 -
吴恩达深度学习课程-Course 1 神经网络与深度学习 第二周 Logistic回归编程作业
暂更新assignment2-2部分,主要是记录作业思路和代码,参考网上各路大神的资料文章目录1 - Packages2 - 问题概述3 - General Architecture of the learning algorithm 学习算法的一般架构4 - Building the parts of our algorithm 构建部分算法4.1 辅助函数4.2 初始化参数4.3 前向传播和反向传播5 将所有功能合并到一个模型中6 - 进一步分析(可选/未分级练习)学习率的选择完整代码7 - 使用您自原创 2021-08-09 23:56:26 · 314 阅读 · 0 评论 -
吴恩达深度学习课程-课后练习错题整理(1)
文章目录深度学习第一课第二周第18题第19题(有点疑问)持续更新深度学习第一课第二周第18题# a.shape = (3,4) # b.shape = (4,1) for i in range(3): for j in range(4): c[i][j] = a[i][j] + b[j]如何将其矢量化?A.c = a + dB.c = a +b.TC.c = a.T + b.TD.c = a.T + b答案:B第19题(有点疑问)请考虑以下代码段:a原创 2021-08-06 22:43:21 · 805 阅读 · 0 评论