- 博客(18)
- 收藏
- 关注
RSS订阅原创 视频分类模型汇总
稀疏局部全局注意力机制(L+G)：先利用所有帧中，相令的H/2和W/2的图像块计算局部的注意力，然后在空间上，使用2个图像块的步长，在整个序列中计算自注意力机制，这个可以看做全局的时空注意力更快的近似。轴向的注意力机制(T+W+H)：先在时间维度上进行自注意力机制，然后在纵坐标相同的图像块上进行自注意力机制，最后在横坐标相同的图像块上进行自注意力机制。缺点：参数量大难训练，所以一般3D网络的深度都较浅，但这样影响了模型的表达能力，而且不能有效的把2D网络的预训练权重迁移到3D网络。
2026-03-16 12:45:27
354
2原创 图像数据增强策略
当数据量较少时，模型容易记住训练集特征。增强引入了噪声和变化，迫使模型学习更鲁棒的特征。模拟真实场景中可能出现的光照、角度、遮挡等变化，让模型在未见过的测试数据上表现更好。
2026-01-19 13:54:55
612
原创 BN和Droupout在训练和测试时的差别
假设失活概率为 p ，就是这一层中的每个神经元都有p的概率失活，如下图的三层网络结构中，如果失活概率为0.5，则平均每一次训练有3个神经元失活，所以输出层每个神经元只有3个输入，而实际测试时是不会有dropout的，输出层每个神经元都有6个输入，这样在训练和测试时，输出层每个神经元的输入和的期望会有量级上的差异。对于BN，是对每一批数据进行归一化到一个相同的分布，而每一批数据的均值和方差会有一定的差别，而不是用固定的值，这个差别实际上也能够增加模型的鲁棒性，也会在一定程度上减少。测试时 (Testing)
2026-01-19 13:45:12
659
原创 大模型生成复杂公式，如何完美渲染进Word文档?pasteMD插件，github开源
网址:https://github.com/RICHQAQ/PasteMD。
2025-12-12 16:24:24
328
原创 linux/windows安装docker
打开virtual machine platform和适用于Linux的windows子系统功能。下载完成之后直接运行即可,在终端输入：docker --version。把下面的命令添加在false之后，注意需要在false之后先打一个,号。windows需要打开docker的Docker Engine选项。在windows使用docker需要一直打开docker界面。windows打开启动或关闭windows功能。linux访问这个网站跟着上面的教程即可。如果可以看到版本号说明下载成功。
2025-11-17 12:05:58
384
原创 linux安装mamba-ssm和causal-conv1d
文件，环境中装的是Python 3.8、PyTorch 2.2.2 和 CUDA 11.8。安装适用于 CUDA 11.8 的 PyTorch 2.2.2 版本。1.用conda创建一个Python 3.8 虚拟环境。3.安装 GPU 版本的 PyTorch。，选择与你的环境兼容的。
2025-11-14 11:25:53
284
原创 什么是RoPE (Rotary Position Embedding) - 旋转位置编码
旋转位置编码是一种非常巧妙的、用于Transformer架构中的位置编码方法。它由苏剑林等人提出，并因其卓越的性能（尤其是在长序列建模中）而被广泛应用于如LLaMA、ChatGLM等大型语言模型。首先，我们需要理解为什么需要位置编码。原始的Transformer模型的核心——自注意力机制——本身是的。这意味着它处理序列“[A, B, C]”和“[B, A, C]”时，如果不提供额外信息，它无法区分两者的顺序差异。位置编码就是向模型注入每个词在序列中的。
2025-11-13 17:04:38
1435
原创 ADE20K分割数据集使用教程
objectInfo150.txt对应150类的类别标号，名称和各自所占的比例。3.上面的是语义分割数据集，下面的是实例分割数据集。2.进入官网后点这个。
2025-11-13 10:40:44
313
原创 深度学习中常用到的矩阵变换操作，reshape，transpose，permute，view，squeeze和 unsqueeze
是 PyTorch 中特有的方法，NumPy 中没有直接对应的方法。只在pytorch中有，numpy没有此操作，是transpose。numpy和pytorch都有此操作，改变数组的。但是view 要求张量在内存中是连续的。参数，可以精确控制每个轴的新位置。对于 N 维数组，如果不指定。可以任意重新排列所有轴。会反转所有轴的顺序。
2025-11-10 19:00:06
196
原创 什么是MIOU
mIoU（Mean Intersection over Union）是，是语义分割、实例分割等任务中最核心的评价指标，用来衡量模型预测结果与真实标签的：模型预测为某类的区域，与真实标签中该类区域的重叠部分。：模型预测为某类的区域，与真实标签中该类区域的总覆盖范围（包含重叠和非重叠部分）。
2025-11-07 12:57:19
620
原创 python中@的作用
在 Python 中，`@` 符号主要用于装饰器（Decorator）的语法糖，用来简化装饰器的调用方式。装饰器是一种特殊的函数，它可以用来修改其他函数的功能，而无需改变被修饰函数的源代码。`@` 符号的作用是将其下方的函数作为参数传递给 `@` 后面的装饰器函数。
2025-10-27 10:11:30
375
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