- 博客(21)
- 收藏
- 关注
原创 扩散模型(二)
对扩散模型的第二次学习,由于微调和引导的model加载不下来,本次就做了两个部分:首先利用加速采样,学习了采样的过程;其次利用做一个条件扩散模型,学习了训练的过程。
2023-10-28 11:48:35
163
原创 KLDivLoss学习
参照pytorch官网教程,了解了一下KL散度的调用方法,做个记录。https://pytorch.org/docs/stable/generated/torch.nn.KLDivLoss.html计算公式:而调用代码时torch.nn.KLDivLoss和F.kl_div是一样的,前者是一个类,在实现方法里调用了后者方法。To avoid underflow issues when computing this quantity, this lossexpects the argument
2022-05-03 15:36:57
1917
原创 CoSENT的loss部分学习
CoSENT的loss部分学习:以pytorch版本为例,里面写的很详细,虽然能看懂苏神写的loss原理,可是在刚开始看到loss的实现时看不懂,仔细研读才发现原来是这么回事,不得不佩服大佬们的代码能力太强了,自己是想不到,唉,劝退了一波。。这里作为自己学习的一个记录吧,有错误的地方欢迎指正。https://github.com/shawroad/CoSENT_Pytorchdef calc_loss(y_true, y_pred): # 1. 取出真实的标签 y_true = y
2022-04-16 21:59:11
1560
3
原创 单标签与多标签;单分类与多分类
先以单标签与多标签进行区分:一、 单标签理解起来就是,他只是属于一个大类的,也就是说一条数据进行分类后用一个值代表就行。然后在单标签内有二分类和多分类。总结:以单标签三个样本的二分类整形输出为例:[0,1,0]二、多标签多标签就代表该样本可以划分到几个大的主题类别中(不冲突),然后在这几个大主题中,分别可以进行单分类和多分类问题。总结:以多标签(假设为两个标签吧)三个样本的二分类整形输出为例:[[0,1], [0,0],[1,1]]...
2021-10-30 22:06:49
3431
原创 ubuntu设置分辨率
cvt 1920 1080xrandrsudo xrandr --newmode "1920x1080_60.00" 173.00 1920 2048 2248 2576 1080 1083 1088 1120 -hsync +vsyncsudo xrandr --addmode Virtual-1 "1920x1080_60.00"只适用用当前状态,重启后又得重新设置。永久更改可以选择更改配置文件。...
2021-10-18 19:19:38
410
原创 Ubuntu修改@后面名字
Ubuntu修改@后面的主机名字:sudo hostname 新的名字然后重启就可以生效。但由于改名字可能一般都是刚开始用嘛,所以会出现su的问题。su: Authentication failure问题,需要sudo passwd root重新设置一次密码然后才能切换为root。...
2021-07-26 15:16:34
2491
原创 linux查看被占用端口号停掉被占用的端口号
查看8084被占用情况netstat -anp |grep 8084查看其pidsudo lsof -i:8084杀死该进程,该端口号可以重新使用sudo kill -9 22030
2021-07-22 15:13:28
228
原创 第三章模型建立和评估
第三章 模型搭建和评估import pandas as pdimport numpy as npimport seaborn as snsimport matplotlib.pyplot as pltfrom IPython.display import Image%matplotlib inlineplt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签plt.rcParams['axes.unicode_minus'] =
2021-07-21 20:09:34
224
原创 第二章:第四节数据可视化-课程
2 第二章:数据可视化开始之前,导入numpy、pandas以及matplotlib包和数据# 加载所需的库# 如果出现 ModuleNotFoundError: No module named 'xxxx'# 你只需要在终端/cmd下 pip install xxxx 即可import numpy as npimport pandas as pdimport matplotlib.pyplot as plt#加载result.csv这个数据df = pd.read_csv('resul
2021-07-19 12:32:40
367
原创 【数据分析学习笔记Task03】数据重构
文章目录前言一、数据的合并二、使用步骤1.引入库2.读入数据总结前言本次学习作为数据重构部分的相关记录。一、数据的合并使用concat方法将数据train-left-up.csv和train-right-up.csv横向合并为一张表,并保存这张表为result_up。result_up = pd.concat([df_leftup, df_rightup], axis=1)result_up.head()concat方法可以实现不关心按照哪个键来连接,直接纵向连接(axis=1)或者横
2021-07-17 10:49:39
181
原创 【数据分析学习笔记Task02】数据清洗及特征处理
文章目录前言一、pandas是什么?二、使用步骤1.引入库2.读入数据总结前言提示:这里可以添加本文要记录的大概内容:例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。提示:以下是本篇文章正文内容,下面案例可供参考一、pandas是什么?示例:pandas 是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。二、使用步骤1.引入库代码如下(示例):import numpy as npimport
2021-07-14 20:28:01
235
原创 【数据分析学习笔记Task01】数据载入观察
文章目录前言一、载入数据分块加载二、初步观察三、探索性分析小结前言作为数据分析系列的第一次学习。主要是载入数据并观察,查看一下数据的相关特征。同时作为自己的一个学习过程记录。一、载入数据加载数据集的第一步就是用head查看一下数据集长什么样子。import numpy as npimport pandas as pddf = pd.read_csv('train.csv')df.head(3)然后这里了解到CSV与TSV文件的区别:前者是以逗号作为分隔符的,而后者是以Tab作为分
2021-07-13 14:31:38
172
原创 python的位运算
位运算包括按位与&、按位或|、按位非~、按位异或^等。异或操作可以交换两个值,而不需要申请临时变量空间。a, b = 10, 11a^=bb^=aa^=bprint(a,b,sep='\t')任何数异或0得到的还是本身,异或本身就是0了,而且异或操作满足交换律。以136只出现一次的数字为例,充分发挥了异或的作用。class Solution: def singleNumber(self, nums: List[int]) -> int: #
2021-03-04 16:03:56
411
1
原创 python的collections.Counter方法
哈希表在python中可以用collections.Counter计数来体现。该方法用于统计某序列中每个元素出现的次数,以键值对的方式存在字典中。但类型其实是Counter。nums = [1, 2, 3, 1, 2, 1]counts = collections.Counter(nums)print(counts)## Counter({1: 3, 2: 2, 3: 1})凭借这个结构,可以计算出某个序列中出现次数最多的某个元素。也即在得到了counts之后求max即可。但这个max需要给依
2021-02-19 17:27:26
11398
3
原创 【Pandas学习笔记Task06】:连接
【Pandas学习笔记Task06】:连接一、关系型连接1.值连接2.索引连接二、方向连接1.concat总结import numpy as npimport pandas as pd一、关系型连接把两个表根据某一个键或者某一组键连接起来,就属于连接。(这里可以与数据库相联系,其实从理论上讲都是相同的操作。)连接的类型包括左连接、右连接和内外连接。外连接又叫全连接。1.值连接可以通过几列值的组合进行连接,这种基于值的连接可以由 merge 函数实现df1 = pd.DataFrame({'
2020-12-29 23:40:19
99
原创 【Pandas学习笔记Task05】:变形
【Pandas学习笔记Task05】:变形一、长宽表的变形1.pivot2. pivot_table3.melt4.wide_to_long二、索引的变形1.stack与unstack三、其他变形函数1.crosstab2.explode四、练习1.EX1:美国非法药物数据集import numpy as npimport pandas as pd一、长宽表的变形长表可以理解为某个特征单独作为列索引;而宽表可以以分组的思想去理解,值是其他特征的,但是这个值还包含着某个特征的影响在里面。1.piv
2020-12-27 22:02:30
349
原创 【Pandas学习笔记Task04】:分组
【Pandas学习笔记Task04】:分组一、分组模式及其对象1.分组的一般模式2.分组依据的本质3.Groupby对象二、聚合函数1.内置聚合函数2.agg方法三、变换和过滤1.变换函数与transform方法2.组索引与过滤四、跨列分组1. apply的使用import numpy as npimport pandas as pddf = pd.read_csv('data/learn_pandas.csv')一、分组模式及其对象1.分组的一般模式想要实现分组操作,需要明确三个要素:分组
2020-12-25 23:11:24
125
原创 【Pandas学习笔记Task03】:索引
【Pandas学习笔记Task03】:索引一、索引器1.列索引2.行索引3.loc(元素)与iloc(位置)选择器import numpy as npimport pandas as pd 一、索引器1.列索引对于DataFrame而言,可以通过传入某个列名、或者多个列名的列表来获取该列的值。返回的是Series或者DataFrame。df = pd.read_csv('data/learn_pandas.csv', usecols=['School', 'Grade', 'Name', 'G
2020-12-22 21:48:19
225
原创 【Pandas学习笔记Task02】:pandas基础
【Pandas学习笔记Task02】:pandas基础一、pandas数据结构1.Series2.DataFrame3、对DataFrame行列的访问二、常用函数1.汇总函数2.特征统计函数3.唯一值函数4.替换函数5.排序函数练习Ex1:口袋妖怪数据集总结一、pandas数据结构pandas的基本数据结构,包括一维的Series和二维的DataFrame。Series可以理解为一个字典,DataFrame就是Series的一个扩展。1.Seriess = pd.Series(data = [10
2020-12-19 22:18:51
610
1
原创 【Pandas学习笔记Task01】:python基础
【Pandas学习笔记Task01】:python基础前言python基础列表推导式与条件赋值隐匿函数和map()zip()与enumerate()numpy基础构造np数组np数组的转置与合并np数组的切片与索引np数组的常用函数练习EX1 利用列表推导式写矩阵乘法EX2 更新矩阵EX3 卡方统计量EX4 改进矩阵计算性能EX5 求最大连续整数的长度前言python基础列表推导式与条件赋值列表推导式是用来简化代码书写的,需要有表达式,用于列表赋值;需要for循环,用于提供值。他还可以结合相关条件赋
2020-12-16 18:45:01
270
6
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