m0_51751264的博客

Fair Visual Recognition in Limited Data Regime using Self-Supervision and Self-Distillation论文解读论文地址：2022 WACV摘要深度学习模型通常会学习训练数据中存在的偏差。研究人员提出了几种方法来减轻这种偏差，使模型更加公平。这些减轻偏差的方法通常假设存在足够大量的训练样本。然而，我们观察到，如果训练数据是有限的，那么偏差缓解方法的有效性会严重下降。在本文中，我们提出了一种新的方法来解决这个问题。具体来说，我

txt文件转化为csv文件import csvcsvFile = open("./data.csv",'w',newline='',encoding='utf-8')writer = csv.writer(csvFile)csvRow = []f = open("Iris.txt",'r',encoding='utf-8')for line in f: csvRow = line.split(',') #用逗号，分割的 writer.writerow(csvRow) #数据写入

numpy的矩阵加法最近正在学习深度学习，学习过程中，突然对于代码中的矩阵乘法不太明白，就上手尝试了一下import numpy as npa = np.array([[1,9,4],[6,9,8],[2,6,8]])b = np.array([1,1,1])print(a+b)运行结果为：[[ 2 10 5] [ 7 10 9] [ 3 7 9]]其中，正常求和，最好行列数均相同。如果列数相同，行数为1，则会重复利用。...