- 博客(43)
- 问答 (1)
- 收藏
- 关注
原创 计算机三级四级嵌入式备战经验
四级40题(30题单选,10题多选)操作系统,40题(30题单选,10题多选)计算机组成与接口,单选1分,多选2分,多选少选错选均不得分。操作系统多选很多文字游戏题,计组的多选较为固定,但是一些题需要记忆寄存器(825x系列芯片),考试不给图,我刷完了所有的题,考到的寄存器里面也只能记一半。三级40分选择,40分填空,20分综合题,考试时间120分钟。我在某宝买的未来教育软件的激活码,顺便加了他们的群,平时看一看群消息,不会的和别人探讨探讨,也可以帮助别人回答问题,巩固一下知识,当然更重要的是。
2023-11-09 12:47:55
644
原创 本地vscode安装GPU版本PyTorch
他输出结果torch2.1.0+cpu,就是说我装的实际上是cpu版本的。所以不要用pip,用conda。我重装了一遍anaconda,(原本建的虚拟环境不会丢,不用担心),终于把pytorch装上去了。去官网复制他的代码运行。我用conda的代码会显示一个SSL的错误,我用pip安装会给我装一个cpu版本的pytorch,在底下调出终端窗口,默认是power shell,我喜欢用cmd窗口。操作系统 windows, IDE环境vscode,本地GPU。激活自己的虚拟环境,输入命令。
2023-10-10 15:44:48
1292
原创 Python 带参数的装饰器
它接受一个函数作为输入,再返回一个函数。我们使用一下这个装饰器我们调用一下now函数,它不仅打印当前时间,还会在前面打印一行日志:把@log放到now()假如我们的装饰器需要传递参数,那么我们需要再把装饰器包起来,俗称套娃执行上面装饰器等同于返回函数decorator返回函数wrapper。
2023-08-31 18:32:49
686
原创 Python装饰器(decorators)
装饰器是一个很强大的工具,它允许我们很便捷地修改已有函数或者类的功能,我们可以用装饰器把另一个函数包装起来,扩展一些功能而不需要去修改这个函数代码。
2023-08-30 18:25:46
329
原创 Restormer
OverlapPatchEmbed 将输入图像传递给一个3x3的卷积层,得到一个嵌入结果。这与许多其他的patch embedding方法不同,这些方法通常使用较大的卷积核和步长来直接将图像分割成不重取的patch。Downsample 模块首先使用卷积层将输入特征图的通道数减半,然后使用像素反洗牌操作进一步降采样特征图。将通道数x4,长/2,宽/2,所以总体上该模块是将通道数x2,长/2,宽/2。的官方文档,可以看到,Downsample模块先用二维卷积层。的实现代码,与上图完全一致。
2023-08-28 15:04:29
571
原创 GDFN模块(restormer)
为了对特征进行变换,常规的前馈神经网络独立地在每个像素位置进行相同的操作。它使用两个1x1卷积层,一个用来扩展特征通道(通常4倍),第二个用来将特征通道减少到原来的输入维度。在隐藏层中加入非线性。架构如下图:门机制通过经过线性变换的两个平行通道的逐元素点积实现,其中一个通道用激活,可以参考深度可分离卷积用来编码空间上邻域像素的信息,有助于学习局部图像结构。
2023-08-25 15:25:53
627
原创 MDTA模块(Restormer)
最后再残差连接,这整个流程才是上图所示。模块,该模块的实现可以参考。这段代码并没有实现图中的。可以看到实现的时候是先。
2023-08-24 18:37:34
593
原创 Layer Normalization(层规范化)
训练深度神经网络需要大量的计算,减少计算时间的一个有效方法是规范化神经元的活动,例如批量规范化(batch normalization)技术,然而,批量规范化对小批量大小(batch size)敏感并且无法直接应用到中(recurrent neural networks),为了解决上述问题,层规范化(Layer Normalization)被提出,不仅能直接应用到RNN,还能显著减少训练时间。
2023-08-24 15:41:28
523
原创 离散变量贝叶斯决策简介
minR(αi∣x)=j=1∑cλ(αi∣ωj)P(ωj∣x)maxP(ωi∣x)p(x)=p(x1x2⋯xd)=i=1∏dp(xi)dpi=Prob(xi=1∣ω1)i=1,…,dqi=Prob(xi=1∣ω2)i=1,…,dP。
2022-12-31 12:13:10
815
原创 高斯分布下的线性判别函数简介
ijjiΣϕi=λiϕiΦ=[ϕ1ϕ2⋯ϕd]Λ=diag[λ1,λ2,⋯,λd]ΦTΦ=IΦT=Φ−1⟺ϕitϕj={1,0,i=ji=jΣΦ=ΦΛ↔Σ=ΦΛΦT↔Σ=i=1∑dλiϕiϕiTΦTΣΦ=Λ=λ10⋮00λ2。
2022-12-30 17:21:01
943
原创 【随机森林】random forests 简单介绍
(3) 重复以上两步m次, i.e. 构建m棵CART (不剪枝)个属性, 选择出一个最佳分割属性作为节点(RI 和 RC )(3) 将得到票数最多的分类结果作为该样本最终的类别。(2) 在树的每个节点上, 从所有属性中随机选择。(2) 随机森林中的每棵决策树都独立的做出判断。(1) 从样本集中用bagging采样选出。个CART形成Random Forest。(1) 向建立好的随机森林中输入一个新样本。个样本, 预建立CART。
2022-12-29 21:44:31
765
原创 【决策树】简单介绍+个人理解(二)
的不确定性. 基尼指数值越大, 样本集合的不确定性也就越大, 这一点与熵相似.中实例数最大的类作为标记, 构建子结点, 由结点及其子结点构成树。(3)继续对两个子区域调用步骤 (1), (2), 直至满足停止条件。为特征集, 递归地调用 步 (1) ~步 (5), 得到子树。的信息增益, 选择信息增益最大 的特征。作为该结 点的类标记, 返回。作为该结点的 类标记, 返回。作为该结点的类标记, 返回。, 则概率分布的基尼指数定义为。的不确定性, 基尼指数。为单结点树, 并将类。个类, 样本点属于第。
2022-12-29 19:52:05
582
原创 【决策树】简单介绍+个人理解(一)
每一个叶子 产生一条规则,规则由根到该叶子的路径上所有节点的条件,规则的结论是叶子上标注的结论(决策,分类,判断)决策树规则 代表实例属性值约束的合取(交集)的析取(并集)式。而对于连续的属性值,可以考虑选择一些阈值,将连续值划分为多个取值空间,每个空间为一类,如上面的WaitEstimate。条件熵我是这么理解的,属性将样本分为几个类,每个类都有一个概率(类样本除总样本),每一类都有一个熵(计算方法和。决策树就是选一个属性,根据属性的不同取值,将样本划分为不同的类,不断重复下去,直到终止。
2022-12-29 15:49:24
357
原创 【SVM】简单介绍(四)
了,好在最终的判别函数要计算的还是内积,可以直接计算判别函数值,而不用去显式地把分类器表示出来。我们发现,当把数据映射到高维空间后,我们只需要计算数据之间的内积,因此我们不去显式地去定义。对于任意给定的线性不可分的数据集,我们总能找到一种映射。所以非线性SVM只要把所有的内积都换成核函数就行了。,转而去定义高维空间的内积,也就是核函数。可以看到,非线性SVM中,咱们构造不出。随便找一个支撑向量点,带进去就能算出。,在映射空间中,样本点是线性可分的。不同的支撑向量点算出的。
2022-12-28 23:47:30
186
原创 【SVM】简单介绍(二)
首先这不再是一个QP问题,QP问题的求解方法很成熟;C越大说明你更希望分类误差小一点,C越小说明你更希望Margin大一点,所以这边C的取值就是一门学问了。咱们的Hard Margin SVM要求样本必须是线性可分的(看它的约束条件),那么问题来了,要是样本线性不可分呢?想象一下,一个样本点错得很离谱,离分界面无穷大,那么其对应的损失也是无限大,所以我们说,那么咱们就希望Margin大的同时,让分类的损失尽量小一点,于是问题就变为。,这是我们不想看到的,因为当样本分类正确时,我们希望损失是。
2022-12-28 15:53:27
78
原创 matlab画信号频谱
为了让大学生活充实一点,多学点东西,我选修了《数字信号处理》。现在充实得不要不要的。clcclose allclear%=========参数设置=========%Fs = 1000; % Sampling frequency T = 1/Fs; % Sampling period L = 1500; % Length of signalt = (0:L-1)*
2022-04-17 20:48:05
10936
4
原创 正交解调原理
φ2(k,A,B)≈φ20(A,B)+φ21(k,A,B)+φ22(k,A,B)t0\varphi_2(\mathbf{k},A,B)\approx\varphi_{20}(A,B)+\varphi_{21}(\mathbf{k},A,B)+\varphi_{22}(\mathbf{k},A,B)t_0φ2(k,A,B)≈φ20(A,B)+φ21(k,A,B)+φ22(k,A,B)t0φ3(k,A,B)≈φ30(A,B)+φ31(k,A,B)+φ32(k,A,B)t0\varphi_3(\mat
2022-03-21 18:57:32
9602
6
原创 二级Python 第三方库
【二级Python】 第三方库分类本文总结了二级Python中经常考察的一些第三方库的功能和分类功能用途第三方库数据可视化mayavi TVTK matplotlib vispy ggplot图像处理pil自然语言处理snowNLP loso NLTK游戏开发pygame机器学习keras MXNet tensorflowweb开发pylons Django flask Tornado Pyra
2022-03-15 21:39:29
4646
原创 驻定相位原理(POSP)的简单应用
在SAR雷达成像中,POSP是相当基础重要的一个定理,一般在对回波做傅里叶变换时经常用到,一般在论文的开头就会出现。 下面简单复习一下POSP的步骤:1:列出傅里叶变换表达式2:对相位在驻定相位点处泰勒展开3:对相位求一阶导数,令其为0,求出驻定相位点4:将泰勒展开式代入傅里叶变换式中5:换元凑菲涅尔积分6:算出积分,代入驻定相位点对于这样一个论文片段:我们求傅里叶变换:S(fr,tm)=exp(−j4πfccR(tm))∫exp(−j(ωt−πγ(t−2R(tm)c)2))(1
2022-02-25 19:01:33
3214
1
原创 驻定相位原理(POSP)以及线性调频信号的频谱
驻定相位原理(POSP)以及线性调频信号的频谱最近看论文遇到了驻定相位原理,问老师直接给了我一本书让我看,看半天只有一段…可能这就是大学吧?没时间打公式,兄弟们凑合看吧,不是这个方向的,半路出家做毕业设计需要用到这个定理,有错误的话请不吝赐教。一、驻定相位原理在数字信号处理中,经常需要将一个时域信号转换到频域进行处理,比如说需要对其进行傅里叶变换那么对于这样的一个复数信号:对其进行傅里叶变换时,就会得到如下式子:这个积分事实上是很难计算的,并且通常没有解析解。我们现在通常是对时域信号以高于奈
2021-12-21 21:57:16
9199
12
原创 多类线性分类器算法原理及代码实现 MATLAB
多类线性分类器算法原理及代码实现 MATLAB一、算法原理下面举例说明为何蓝圈部分在case2中是确定的而在case1中不确定:二、代码实现1、HK函数function [] = HK(w1_data,w2_data)%w1_data为第一类数据集 w2_data为第二类数据集%此函数的作用为用HK算法对输入的数据集w1_data,w2_data做二分类,并画出分界面 lr=0.5 ;%学习率MaxIter = ceil(20000/lr);%最大迭代次数Ep
2021-05-28 17:39:03
2413
原创 HK算法原理及MATLAB实现
HK算法原理及MATLAB实现一、编程原理说明:1、绿色框图中,当alpha取为最优权向量时,会使 取为最小值。arg的意思是当后面那个函数满足时,取出它的自变量的值。2、注意后面那个式子是对b求偏导3、e(t)大于0时,下式为2*e(t) ; e(t)小于0时,下式为0.所以b要么不更新,要么就是加一个正数,因此bi>0二、编程实现 clc;close all;clear all;load('data.mat');w2_data_nega=-w2_d
2021-05-27 18:01:13
1739
python中1整除0.1为什么是9.0?
2022-03-03
TA创建的收藏夹 TA关注的收藏夹
TA关注的人