- 博客(25)
- 收藏
- 关注
RSS订阅转载 转载AI上推荐 之 AFM与DIN模型（当推荐系统遇上了注意力机制）
继续转载一篇很棒的博客 《AI上推荐 之 AFM与DIN模型（当推荐系统遇上了注意力机制）》
2021-09-01 21:55:57
199
转载 转载FNN、DeepFM与NFM
总结的太好了，强烈推荐！！！AI上推荐 之 FNN、DeepFM与NFM(FM在深度学习中的身影重现)https://blog.csdn.net/wuzhongqiang/article/details/109532267
2021-08-31 21:10:14
163
原创 阅读笔记（补充）——Wide & Deep Learning for Recommender Systems
本文是在再次整理上一篇博客后，根据论文中理解不深刻的内容做了下复盘。作者是业余推荐系统爱好者，望看到本博客并且感兴趣的大佬们多多指点。在CTR预估任务中利用手工构造的交叉组合特征来使线性模型具有“记忆性”，使模型记住共现频率较高的特征组合，往往也能达到一个不错的baseline，且可解释性强。但这种方式有着较为明显的缺点：1.特征工程需要耗费太多精力。2.模型是强行记住这些组合特征的，对于未曾出现过的特征组合，权重系数为0，无法进行泛化。为了加强模型的泛化能力，研究者引入了DNN结构，将高维稀疏特征
2021-08-19 22:38:29
114
原创 阅读笔记——Wide & Deep Learning for Recommender Systems
今天看了一篇2016年的推荐系统相关的论文，讲的是Google 16年发布的Wide & Deep推荐框架，点击这里可以查看源论文。这篇文章思路很简单，设计了一种融合了浅层（wide）模型和深层（deep）模型进行训练的框架。利用 Wide Component 的记忆能力——Memorization of feature interactions through a wide set of cross-product featuretransformations are effective a
2021-08-18 23:13:35
122
原创 深度学习——计算机视觉
提高模型泛化能力的方法——图像增广和微调图像增广图像增广（image augmentation）技术通过对训练图像做一系列随机改变，来产生相似但又不同的训练样本，从而扩大训练数据集的规模。图像增广的另一种解释是，随机改变训练样本可以降低模型对某些属性的依赖，从而提高模型的泛化能力。例如，我们可以对图像进行不同方式的裁剪，使感兴趣的物体出现在不同位置，从而减轻模型对物体出现位置的依赖性。我们也可以调整亮度、色彩等因素来降低模型对色彩的敏感度。可以说，在当年AlexNet的成功中，图像增广技术功不可没。
2021-08-17 22:11:52
844
1
原创 深度学习——优化算法
在训练模型时，我们会使用优化算法不断迭代模型参数以降低模型损失函数的值，当迭代终止时，模型的训练随之终止，此时的模型参数就是模型通过训练所学习到的参数。优化与深度学习的关系优化与深度学习的关系：优化算法的目标函数通常是一个基于训练数据集的损失函数，优化的目标在于降低训练误差；深度学习的目标在于降低泛化误差。为了降低泛化误差，除了使用优化算法降低训练误差以外，还需要注意应对过拟合。优化在深度学习中的挑战优化在深度学习中有很多挑战。下面描述了其中的两个挑战，即局部最小值和鞍点。局部最小点：深度学习模型
2021-08-16 13:43:18
816
原创 深度学习——循环神经网络
循环神经网络是为了更好的地处理时序信息而设计的。它引入状态变量来存储过去的信息，并用其与当前的输入共同决定当前的输出。它并非刚性地记忆所有固定长度的序列，而是通过隐藏状态来存储之前时间步的信息。RNN结构：其中，如果把上面有W的那个带箭头的圈去掉，它就变成了最普通的全连接神经网络。x是一个向量，它表示输入层的值（这里面没有画出来表示神经元节点的圆圈）；s是一个向量，它表示隐藏层的值（这里隐藏层面画了一个节点，你也可以想象这一层其实是多个节点，节点数与向量s的维度相同），U是输入层到隐藏层的权重矩阵，
2021-08-16 09:37:19
245
原创 深度学习网络——卷积神经网络
卷积神经网络之间的比较LeNet:LeNet可以在早期的小数据集上取得好的成绩，但是在更大的真实数据集上的表现并不尽如人意。一方面，神经网络计算复杂，20世纪90年代没有像之后GPU那样的大量普及，因此训练一个多通道，多层和大量参数的卷积神经网络在当年很难完成；另一方面，当年研究者还没有大量深入研究参数初始化和非凸优化算法等诸多领域，导致复杂的神经网络的训练通常较困难。AlexNet:AlexNet使用了8层卷积神经网络，并以很大的优势赢得了ImageNet 2012图像识别挑战赛。它首次证明了
2021-08-12 15:21:01
564
原创 pytorch的学习（一）
Tensor的概念在PyTorch中，torch.Tensor是一种包含单一数据类型元素的多维矩阵，也是存储和变换数据的工具。且Tensor提供GPU计算和自动求梯度等功能。Tensor 中文为张量。张量的意思是一个多维数组，它是标量、向量、矩阵的高维扩展。标量可以称为 0 维张量，向量可以称为 1 维张量，矩阵可以称为 2 维张量，RGB 图像可以表示 3 维张量。Tensor与Variable在PyTorch 0.4.0之前，torch.autograd 包中存在 Variable 这种数据类
2021-08-08 22:16:28
334
原创 把Github或者码云上某个项目的代码上传到对方码云创建项目的特定分支上
1、在磁盘特定位置（可以自选）新建文件夹，给新建文件夹取个名字或者不取，然后打开新建文件夹进入，右击鼠标选择git bash here(如果没有下载git请自行下载)2、在git命令行窗口输入git init。3、输入git remote origin 你在码云上克隆的链接4、git pull origin master或者是git pull origin develpo（可以按照你的需求选...
2019-12-07 14:34:21
648
原创 mysql知识点(一)
曾经的我以为，我数据库这块应该掌握的不是多差，毕竟我本科学过，然后研究生期间给导师做项目过程中也没有觉得很吃力，因为会写简单的查询语句就没多大问题，直到现在（一个项目后），才觉得我真的该好好复习一下数据库这块的知识，以下是我整理的：觉得这篇文章对数据库基本概念阐述的很明白数据库设计优化总结：设计思路：1、根据业务概念抽象成类和属性，区分类和属性采用找名词的方法，看名词是否具有动作或者方法...
2019-09-12 22:52:17
176
原创 hawkes过程
最近由于项目需要，需要了解下hawkes过程相关理论，可是在百度或者其他搜索引擎上却搜索不到相关内容，倒是搜出来不少有关文章，可是大都是基于hawkes理论的应用。于是下面是我对hawkes过程的介绍：不同于非时齐的泊松（Possion）过程的强度函数是个确定的函数，存在计数过程在时刻t强度函数的值，记为，它是个随机变量，其值依赖于直至时刻t的过程的历史。也就是说，若将直至时刻t的过程的历史...
2019-08-29 21:12:27
11308
2
转载 Pandas用法汇总
一、生成数据表1、首先导入pandas库，一般都会用到numpy库，所以我们先导入备用：import numpy as npimport pandas as pd2、导入CSV或者xlsx文件：df = pd.DataFrame(pd.read_csv(‘name.csv’,header=1))df = pd.DataFrame(pd.read_excel(‘name.xlsx’))...
2019-08-27 17:28:07
240
原创 从github上下载文件
第一步：点开右上角Clone or download，复制底下的路径第二步：在你的本地电脑上打开你想把文件存在的位置（如下是我所放在的位置）第三步：右击会出现Git Bash Here，然后点击会自动进入Git.exe界面（如果没下载Git.exe的，请自行下载），然后在界面里面输入git clone 链接。这个链接是你刚才复制的链接，粘贴上去即可。...
2019-08-25 19:09:50
622
原创 在Ubuntu上用wine启动Navicat遇到的问题。
由于我自己笔记本电脑上是Ubuntu系统，首先大家可以回顾一下Ubuntu系统上面的命令：https://www.cnblogs.com/linuxws/p/9307187.html（这个链接写的比较全面）。由于在Ubuntu系统上不能打开exe文件，需要安装wine，首先 ，我们先介绍一下wine是什么？Wine （“Wine Is Not an Emulator” 的递归缩写）是一个能够...
2019-07-31 18:50:02
894
原创 关于Lab的知识点
对于图像的分割有阈值分割法、聚类分割法、区域生长分割法、边缘检测分割法和基于神经网络的分割法。大多数都是基于普通的灰度图进行分割，这种方法对于一些彩色图像则难以取得理想效果。对于彩色图像分割，选取适当的颜色空间和颜色分量，会取得事半功倍的效果。有学者将 Lab 颜色模型用于基于颜色的物体识别；Amruta B. Patil 等人[3]运用 Lab 颜色模型和 OTSU 法做了花朵图像分割，但没有考...
2019-07-25 23:02:51
1703
原创 自动图像分割提取法MATLAB实现
根据上一篇的博客，博客链接https://blog.csdn.net/guanlily123/article/details/97154401这里主要做一下实现。代码如下：rgb=imread(‘d:\新建文件夹\725.jpg’);%读取文件数据%var_R=(R/255);%var_G=(G/255);%var_B=(B/255);%if var_R>0.04045% ...
2019-07-25 22:22:29
7260
1
原创 OTSU阈值分割的实例
https://www.docin.com/p-635866924.html关于这片文章自己的实现clear;clc;I=imread(‘d:\新建文件夹\724.jpg’);figure();imshow(I);title(‘原图像’);c=makecform(‘srgb2lab’);I_lab=applycform(I,c);ab=double(I_lab(:,:,2:3)...
2019-07-24 22:50:00
595
原创 自动图像分割提取法
最大类间差阈值分割：为了将灰度图像转换为二值图像，需要设定一个阈值，使用此方法获得的阈值通常比人为设定的阈值能更好的把一张灰度图像转换为二值图像。它是在判决分析或最小二乘法原理的基础上推导出来的，简称OTSU。首先考虑图像只存在目标和背景2个区域的情况，设图像f(x,y)的像素按灰度级用阈值T分为C0和C1两个部分，则形态学处理...
2019-07-24 22:44:24
4081
原创 基于matlab得图像感兴趣区域提取
对于图像感兴趣区域（ROI）的提取，一般从来两个方面着手解决：一是利用图像分割技术提取ROI；二是从人眼得视觉特征出发，通过模拟人眼得视觉特点，寻找特定得视觉敏感区域，并将这些视觉敏感区域排序作为ROI。本文介绍差影法（对图像进行代数运算得一种不同的叫法）、交互式提取法、自动图像分割提取法。差影法：本文主要用到图像减法，在进行图像处理时，对混合背景和前景的图像，人们往往对前景比较感兴趣，假设背...
2019-07-23 22:46:58
22556
3
原创 把一幅二维图片中的一块感兴趣的区域提取出来。
目的：把一幅二维图片中的一块感兴趣的区域提取出来。做法：1、查阅相关资料，得知：图像相乘的普遍应用是模板操作，也称ROI（感兴趣区域）操作。2、编写MATLAB程序遇到的问题：原图像与模板图像维数不同代码部分：clear;Tooth=imread(‘d:\新建文件夹\20190621.jpg’);ROI=imread(‘d:\新建文件夹\ROI.jpg’);%Tooth_gray=...
2019-07-23 16:04:27
1731
原创 关于PyQt5,遇到的小问题。
最近导师让用pyqt5做些简单的界面。我就开始下载pyqt5。下面是我一开始遇到的问题下面简单说下安装的步骤，我打开cmd.exe，用pip install pyqt5 下载安装pyqt5，接下来用 pip install pyqt5-tools 下载安装pyqt5-tools，最后安装安装QtDesigner。一切准备就绪后，我按照网上的步骤打开pycharm然后进入pycharm的File下...
2019-03-24 21:03:39
1504
1
转载 Django常用 命令
Django常用 命令Django常用 命令：安装： pip install django 指定版本 pip3 install django==2.0新建项目： django-admin.py startproject mysite新建APP : python manage.py startapp blog启动：python manage.py runserver 8080同步或者更改...
2019-03-11 19:57:16
127
原创 python中对self的理解
一直对python中的self很想不通，这里简单说一下：首先，Python中的self一般用于类的方法中。类的方法与普通的函数只有一个特别的区别——它们必须有一个额外的第一个参数名称，但是在调用这个方法的时候你不为这个参数赋值，Python会提供这个值。这个特别的变量指对象本身，按照惯例它的名称是self。虽然你可以给这个参数任何名称，但是强烈建议你使用self这个名称——其他名称都是不赞成...
2019-03-11 16:45:01
361
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