- 博客(21)
- 收藏
- 关注
RSS订阅原创 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