自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(17)
  • 收藏
  • 关注

原创 ”OSError: Caught OSError in DataLoader worker process 2. OSError: image file is truncated“以上报错如何解决

”OSError: Caught OSError in DataLoader worker process 2. OSError: image file is truncated“以上报错如何解决

2024-05-16 17:02:27 241

原创 sam中的prompt学习笔记

SAM中的prompt

2024-04-22 11:24:07 1399

原创 SAM的训练过程笔记

SAM的训练过程笔记

2024-04-07 17:27:01 583

原创 学习SAM过程中mask decoder的信息搜集+个人理解

SAM学习笔记

2024-04-07 11:30:11 1188

原创 什么是参数高效微调(PEFT)和完全微调?两者的异同点是什么?常见的PEFT策略总结。

参数高效微调(Parameter-Efficient Fine-Tuning,简称PEFT)和完全微调(Full Fine-Tuning)

2024-04-05 16:38:03 1317

原创 提示编码器中的稀疏编码器和密集编码器

提示编码器中的稀疏编码器和密集编码器,及其工作原理

2024-04-05 16:34:39 342

原创 显式分类器引导生成和隐式无分类器引导生成有什么区别?

总结来说,显式分类器引导生成依赖于外部分类器和明确的类别标签来生成特定类别的图像,而隐式无分类器引导生成则通过内部机制和更灵活的引导方式来生成图像,不受特定类别标签的限制。两种方法各有优势,选择哪一种取决于特定的应用场景和目标。

2024-03-25 00:43:48 319

原创 VQ-VAE学习笔记

VQ-VAE(Vector Quantized-Variational Autoencoder)中的损失函数在模型的训练过程中发挥着至关重要的作用。它们被用于指导模型学习如何有效地将输入数据编码为离散的潜在表示,并能够从这些表示中重构出原始数据。

2024-03-19 00:26:47 512

原创 自回归模型 与 TransFormer的理解

自回归模型的含义,与TransFormer之间的联系

2024-03-19 00:02:44 849

原创 VAE学习笔记

VAE学习笔记

2024-03-18 23:34:35 591

原创 使用opencv提取灰度图的边界

【代码】使用opencv提取灰度图的边界。

2023-06-09 21:06:57 218

转载 如何在PyTorch中为特定张量释放GPU内存?(转)

如何在PyTorch中为特定张量释放GPU内存?(转)

2023-02-28 10:32:50 2298

原创 mmcv安装/更新过程记录

mmcv更新/安装记录

2022-06-14 15:38:27 1410 3

原创 跑模型常见错误之——CU:106/ device-side assert triggered

做分割的,之前就遇到过这个错误,最近又遇到了就总结一下防止下次再犯。网上好多都说是标签出问题了、数组越界,或者是我们的数值没有符合:0 < t < (n_classes-1),其中n_classes是分割的类别。最后发现是,我们在测试的时候只拿最后一个结果(多输出)进行测试,但是这个结果的通道数没有和我们的分割类别对应上。比如分割结果是42类,那么我们最后输出的结果通道应该是42,这样与GT才能求loss,进而进行分割。但是如果我的输出结果是40通道,那就报这个错误了。总结:训.

2022-04-16 10:08:09 145

原创 latex画表格神器——直接生成代码

可以导入、粘贴表格数据进来。调整完表格格式后可以直接生成对应代码,将代码直接粘贴到latex中即可生成对应表格。具体操作界面和功能区见下图。

2022-04-08 16:24:44 1086

转载 广播机制broadcast

两个变量格式不统一,有时也可以运算:情况1:两个数组各维度大小从后往前比对均一致。如:A = np.zeros((2,5,3,4))B = np.zeros((3,4))print((A+B).shape) # 输出 (2, 5, 3, 4)A = np.zeros((4))B = np.zeros((3,4))print((A+B).shape) # 输出(3,4)情况2:两个数组存在一些维度大小不相等时,有一个数组的该不相等维度大小为1A = np.zeros((2.

2022-04-08 14:22:16 108

原创 latex插入方程组,注意right后边有一个英文句号.

latex插入方程组

2022-03-26 19:20:40 704

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

提示
确定要删除当前文章?
取消 删除