Kp0fS的草稿纸

import numpy as npimport matplotlibimport matplotlib.pyplot as pltvegetables = ["cucumber", "tomato", "lettuce", "asparagus", "potato", "wheat", "barley"]farmers = ["Farmer Joe", "Upland Bros.", "Smith Gardening", "Agrifun", .

如何使用 转移熵，互信息 构建网络连接？如何计算两个时间序列的互信息受到上述代码的启发：1、第一步把图像，reshape成一个向量；2、px怎么计算？通过直方图得到；3、互信息怎么计算？根据互信息的公式...

这种属于没有条件约束的 generator。如果把X加上来，就是有条件（约束）的generator了。如何训练generator？固定discriminator的参数，然后调整generator的参数，使得输出的结果，尽可能的接近1；...

https://www.youtube.com/watch?v=jNY1WBb8l4U&list=PLJV_el3uVTsMhtt7_Y6sgTHGHp1Vb2P2J&index=15&ab_channel=Hung-yiLee

评价模型的方法，Matthews correlation coefficient (MCC)Matthews相关系数_YW_Vine的博客-CSDN博客写的蛮好的↑

在神经生物学领域，使用深度学习，的十个技巧。1、对数据集进行检查、arrangement(组织)；2、对数据集的划分split;3、问题类别框架；4、选择什么样的算法？5、如何解决不平衡的数据集？6、超参数优化问题；7、解决过拟合的问题；8、模型性能参数的评价；9、选择开源的编程框架；10、寻求专家的反馈和帮助；...

Y = torch.from_numpy(wipeAndPupil).to(X.device) # wipeAndPupil 从numpy转换为tensorY=Y.type(torch.cuda.FloatTensor)

pytorch tensor拼接

sub_ts = torch.from_numpy(sub_img) #sub_img为numpy类型

pytorch，遍历dataloader的时候train_loader = DataLoader(train_set, batch_size=batch_size_train, shuffle=True)因为dataloader已经被shuffle过，如何知道，他在原始dataset中的indextorch.utils.data — PyTorch 1.9.1 documentation...

torch中计算log，以什么为底数？答案是以e，自然对数为底数。2.7如何推断出来的？torch.log(torch.from_numpy(np.array(7.4))) = 2底数 = sqrt(7.4) = 2.7 = e参考https://blog.csdn.net/weixin_38145317/article/details/103288032为什么要知道底数呢？因为，我需要根据log_softmax的值，反推得到probability。...

如何在pytorch中计算dataloader的mean和stddata = next(iter(train_loader))mean = data[0].mean()std = data[0].std()-----------came fromhttps://www.youtube.com/watch?v=bCQ2cNhUWQ8&t=58s&ab_channel=deeplizard

pytorch 数据集预处理1、定义transformstrain_tfm = transforms.Compose([ # transforms.ToPILImage(), # Resize the image into a fixed shape (height = width = 128) # transforms.Resize((128, 128)), # You may add some transforms here. # ToTensor()

totall_set = DatasetFolder("../labeled", loader=tifffile.imread, extensions="tif", transform=None)train_set, test_set = torch.utils.data.random_split(totall_set, [batch_size_train, batch_size_test])train_loader = DataLoader(train_set, batch_size=batch_

import torchimport torch.nn as nnimport torch.nn.functional as F#2D卷积神经网络input = torch.randn(1, 1, 28, 28)# With square kernels and equal strideconv1 = nn.Conv2d(1, 10, kernel_size=5)conv2 = nn.Conv2d(10, 20, kernel_size=5)conv2_drop = nn.Drop.

1、输出、输出的图片大小2、stride 控制，CNN卷积核一次挪动多少。padding，控制对原始图片填充多少个东西。能控制卷积之后的feature map的大小；(3, 3, 3)，卷积核的大小，能够控制使用多少个原始像素参与卷积。# https://pytorch.org/docs/stable/generated/torch.nn.Conv3d.htmlimport torchimport torch.nn as nninput = torch.ra.

如何理解Precision和Recall?Precision ,在预测结果中，正确预测了多少？P可以联想到pedict，预测；Recall，在真实样本中，正确预测了多少？R可以联想到real，真实；F1值，就是综合考虑了precision和recallF1 = 2*precision*recall/(precision+recall)如何翻译这两个词？---> 准确率和召回率 <---...

这篇博客讲得不错：https://zhuanlan.zhihu.com/p/152234745提到了：Weighted sum 对于权重为标量的加权求和方法，这种迭代的办法要求预训练模型产生的向量要有确定的维度，并且要按一定顺序排列并适合element-wise 加法[6]。我所要添加的DLC正是预训练模型、...

坑如何理解https://www.zhihu.com/question/64494691/answer/786270699

# Batch size for training, validation, and testing.# A greater batch size usually gives a more stable gradient.# But the GPU memory is limited, so please adjust it carefully.batch_size = 128# Construct datasets.# The argument "loader" tells how ...

照着这篇博客好像成功了https://blog.csdn.net/Void_worker/article/details/101199850

以下是一个demo，使用pytorch解决Regression类型任务# PyTorchimport torchimport torch.nn as nnfrom torch.utils.data import Dataset, DataLoader# For data preprocessimport numpy as npimport csvimport os# For plottingimport matplotlib.pyplot as pltfrom...

https://setosa.io/ev/markov-chains/

坑

https://www.quora.com/What-is-the-difference-between-PCA-and-ICA

kurtosis该如何理解？https://blog.csdn.net/qq_36523839/article/details/88671873https://stats.stackexchange.com/questions/35319/what-is-the-relationship-between-independent-component-analysis-and-factor-analy?rq=1

PCA降维的主方向和协方差矩阵的特征向量，有什么关系？

how to generate data based on known covariance matrixhttps://stats.stackexchange.com/questions/120179/generating-data-with-a-given-sample-covariance-matrixgoogle yyds↓randn(n,d)的结果如下图：按照给定的协方差生成数据如下图...

我们知道PCA降维的目标函数是尽可能地保留原始样本X中的方差信息。所以降维后样本的协方差矩阵其对角线上元素尽可能得大我是理解，并认可的。但为什么非对角线元素均为零呢？降维之后的样本，各个维度之间的相关性完全被切除了。以下是实验code降维前样本协方差矩阵：可以看到d1和d2关系不大，但d1和d3关系密切；d2和d3关系也不大；降维后：样本的协方差矩阵：所以，为啥非对角线上的元素为0呢？难道是因为特征向量是正交的...

如何理解某种算法，具体掌握到什么程度时，可以说满意了?

一定要用好note jupyter优势：1、这个笔记要分析什么？可以直接写到jupyter中；有记笔记的优势；2、跑出来的结果可以保存在笔记中，兼容了PPT的功能；3、笔记可以用来分享；局限性：1、jupyter令人不满意的地方是：它无法在线debug；观察变量的形态，没有一个类似consle的东西。应该去看看jupyter的使用技巧。...

坑

坑好像都是正交的，所以PCA降维属于正交分解。如果采用非正交的基，就是ICA降维了。

通过采样的形式为，完成对模型参数θ的估计

1、确定这个后验概率分布有什么用？在使用贝叶斯模型进行推断的时候，我们是基于已有样本X（下边的公式中用D表了，意义都一样），和新样本x*，给出该样本的类别估计（比如给出x*属于垃圾邮件的概率，等等）。那么这个类别估计等于什么呢？如下述公式所示：要考虑所有的模型参数θ（所以对θ进行了积分），对于每个θ，给出基于样本X的后验概率，最后基于该模型参数θ和样本x*，给出贝叶斯模型的推断结果，属于y^hat的概率。简单来说，使用贝叶斯模型进行推断的时候，考虑了所有的模型参数；每个模型参数的概率，基于.

贝叶斯模型：Bayesian Model;贝叶斯推断：Bayesian inference;贝叶斯估计：Bayesian estimation;三者有什么区别？坑

https://en.wikipedia.org/wiki/Bayesian_inference

坑西瓜书第149页中间是这么描述的：1、频率学派认为模型参数虽然未知，但却是客观存在的固定值，因此可以通过优化似然函数等方法确定参数值；2、贝叶斯学派则认为，参数是未观察到的随机变量，其本身也具有分布。因此可以假设参数服从一个先验分布，然后基于观测到的样本，来计算参数的后验分布。----3、对两大学派感兴趣的同学可以看论文：【Efron 2005， Samaniego 2010】...

Bayesian Estimation如何给出模型W的分布？坑W是一个列向量；现在的理解：1、Bayesian Estimation和（Maxium Likehood Estimation、Maxium a Posteri Estimation）不一样，前者能够给出模型参数的分布，后者只能给出模型参数的点估计；2、极大似然（MLE）是从样本出发，通过调整模型的参数，使得所有样本出现的可能性最大。而贝叶斯是从模型出发，已知样本的前提下，模型参数的分布是如何？我认为，两者唯一的相同点.