- 博客(174)
- 资源 (16)
- 收藏
- 关注
原创 PyTorch 中的一个函数:torch.pow
torch.pow是 PyTorch 中的一个函数,用于计算张量(Tensor)的幂次方。这个函数接受两个输入参数:底数(base)和指数(exponent),然后返回底数的指数次幂的结果。如果两个参数都是张量,那么它们必须具有可广播(broadcastable)的形状,以便执行逐元素的幂运算。
2024-07-22 16:26:14 750
原创 cv2.error: OpenCV(4.8.0) /io/opencv/modules/imgcodecs/src/loadsave.cpp:802: error: (-215:Assertion f
报错:cv2.error: OpenCV(4.8.0) /io/opencv/modules/imgcodecs/src/loadsave.cpp:802: error: (-215:Assertion failed)!buf.empty() in function 'imdecode_'这个错误是因为文件的路径有问题!一般下载的源文件的路径基本都不需要进行更改,注意运行代码的方式。
2024-06-07 10:47:10 304
原创 PyTorch中的形状变换术:reshape、view与permute的区别与联系
PyTorch中的形状变换术:reshape、view与permute的区别与联系
2024-05-17 15:50:51 609
原创 word“内存或磁盘空间不足,保存失败”解决办法
解决方法:直接将需要保存的文档另存为就好了,需要注意的是,另存为要选择另一个后缀,例如,我文档的.doc的后缀,我将文档另存为的时候选择.docx的后缀就好了。
2024-05-13 15:45:22 2098 2
原创 AttributeError: module ‘tensorflow‘ has no attribute ‘app‘
我报这个错误的原因是:我用的应该是tensorflow2.几的版本,而源代码是tensorflow1.几版本。
2023-12-15 11:39:07 340
原创 from pycocotools.coco_custom import COCO报错
"from pycocotools.coco_custom import COCO" 导入了自定义的 COCO 类,这可能是用户根据特定需求或定制功能创建的一个自定义版本的 COCO 类。这个自定义的 COCO 类可能包含了额外的功能或修改了原始的 COCO 类的一些行为。报错的可能原因:你可以检查一下你的路径有没有弄错,我是因为这个原因而报错的。
2023-12-12 15:19:28 161
原创 from pycocotools.coco import COCO报错
【代码】from pycocotools.coco import COCO报错。
2023-12-12 15:11:19 195
原创 如何更改Jupyter Notebook中的环境?
4. 将该环境添加到Jupyter Notebook中;在Jupyter Notebook中创建一个新内核,其名称为‘EXPose’,显示名称为‘Python(EXPose)’3.接下来安装‘ ipykernel ’软件包。5.最后关闭重新打开,就可以看到更改后的环境了。把EXPose替换为自己的环境变量。2.接着,分别输入以下命令。
2023-12-04 16:17:49 576
原创 解决 from . import _imaging as core ImportError: DLL load failed: 找不到指定的模块。
升级pillow版本就完事了。
2023-12-01 20:30:27 251 1
原创 if type(resFile) == str or type(resFile) == unicode: NameError: name ‘unicode’ is not defined,四个解决方法
if type(resFile) == str or type(resFile) == unicode: NameError: name ‘unicode’ is not defined,四个解决方法
2023-12-01 19:54:47 100
原创 Hausdorff是什么距离,怎样计算的
需要注意的是,Hausdorff距离是一个对称的距离度量,即H(A, B) = H(B, A)。它可以用于比较不同集合之间的形状、结构或特征差异,并在计算机视觉、模式识别等领域有广泛的应用,例如图像匹配、目标检测等。对于给定的两个集合A和B,Hausdorff距离定义为集合A中的每个点到集合B的最近点的最大距离,与集合B中的每个点到集合A的最近点的最大距离中的较大值。Hausdorff距离是一种用于度量两个集合之间的相似性或差异性的距离度量指标。它基于数学家Felix Hausdorff的工作而得名。
2023-11-24 17:16:49 717
原创 算法打卡02——删除有序数组中的重复项
给你一个的数组nums,请你删除重复出现的元素,使每个元素,返回删除后数组的新长度。元素的应该保持。然后返回nums中唯一元素的个数。考虑nums的唯一元素的数量为knumsnumsknumsnumsnumsk函数应该返回新的长度 :2并且原数组nums不需要考虑数组中超出新长度后面的元素。
2023-11-10 14:16:45 339
原创 python默认的输入类型是字符串,怎样转换为其他的类型
无论你输入的是数字、字符还是其他类型的内容,(如整数、浮点数等),可以使用适当的。在Python中,默认的输入类型是。等)将其转换为所需的类型。如果需要将字符串转换为。
2023-11-10 11:35:45 344 1
原创 什么是原地算法?
原地算法的“原地”是指“in-place”的概念,即在不引入额外空间的情况下就地进行计算和操作。由于原地算法不使用额外的空间,因此在。但与此同时,原地算法可能会牺牲一定的时间复杂度,因为在原有数据空间上操作可能会导致一些额外的计算步骤。这种算法设计思想在计算机科学中非常重要,因为它能够。内存空间的使用,尤其对于大规模数据处理来说具有重要意义。是指一种特殊的算法设计思想,其核心特点是在执行算法时。
2023-11-09 19:58:23 709
原创 算法打卡01——求两数之和
给定一个整数数组nums和一个整数目标值target,请你在该数组中找出target的那整数,并返回它们的数组下标。你可以假设每种输入只会对应一个答案。但是,数组中同一个元素在答案里不能重复出现。
2023-11-07 21:53:54 521
原创 人体姿态估计和手部姿态估计任务中神经网络的选择
使用CNN进行人体姿态估计的一种常见方法是基于关键点检测。这种方法旨在检测和定位图像中人体关键点的坐标,例如身体的关节位置。通过训练一个CNN模型,在输入图像的不同尺度下学习特征表示,并预测关键点的坐标。通常,该任务需要大量带有关键点标注的训练数据,并且可以使用监督学习技术进行训练。人体姿态估计任务的目标是从给定的图像或视频中推断出人体的关节位置和姿势。这是一个具有挑战性的计算机视觉任务,而CNN在处理图像数据方面表现出色。
2023-11-05 10:59:03 1071
原创 CNN(卷积神经网络)、RNN(循环神经网络)和GCN(图卷积神经网络)
CNN(卷积神经网络)、RNN(循环神经网络)、GCN(图卷积神经网络)之间的区别和联系
2023-11-05 10:37:08 1096
原创 量化、蒸馏、分解、剪枝
它们都是为了在减少模型大小和计算量的同时,尽可能保持模型的预测准确度和泛化能力。在深度学习中,模型通常使用高精度的浮点数表示参数和激活值,但这种表示方式会占用大量的内存和计算资源。通过将模型分解成不同的组件或模块,可以减少整体模型的复杂度和计算量。,来达到减少模型大小和计算量的效果,同时保持模型预测准确度。通过让学生模型学习老师模型的输出概率分布或特征表示,从而使学生模型能够在保持较高性能的同时变得更加紧凑。是通过将一个复杂的模型的知识传递给一个简化的模型来压缩模型。是将复杂的深度学习模型分解为。
2023-11-04 20:27:38 966
原创 Anaconda下载安装以及环境变量的配置
一、下载安装anaconda二、环境变量的配置三、测试我们配置的环境是否成功四、Anaconda配置清华镜像源
2023-10-30 16:02:07 3223
原创 卷积神经网络(CNN)的组成结构以及其优点
卷积神经网络(Convolutional Neural Network,简称CNN)的组成部件,其优点,以及可以优化的方法。
2023-10-24 21:34:09 903
原创 什么是马尔科夫随机场?
马尔科夫随机场,也称为马尔可夫网(Markov Network),是一种概率图模型,用于表示随机变量之间的依赖关系。它是由若干个随机变量组成的无向图,其中节点代表随机变量,边代表它们之间的相互作用或依赖关系。马尔科夫随机场可以用来解决很多与概率相关的问题,如分类、回归、聚类等。
2023-10-23 16:28:49 245
原创 深度学习day01
随机梯度下降:每次只随机选出一部分数据来代表整体,基于者部分数据来计算梯度和损失函数来更新参数,而不是全部的样本数据来计算,这样计算量不是很大,性能比较高(特别的样本量非常大时,差别会更明显)。在求解损失函数的最小值时,通常是使用梯度下降法来求解,(使用求导的方法来求并不可取,正向计算简单,但反向求解是比较难的。对特征取值范围进行归一化处理,对训练集和测试集都进行归一化处理,其中测试集是使用训练集的均值和极值来进行计算,将数据划分为训练集和测试集,其中训练集用于确定模型的参数,测试集用于评判模型的效果。
2023-02-23 20:09:12 334 2
ASP.NET课程-学生信息管理系统实验报告.doc
2022-06-17
Python数据处理课程设计-房屋价格预测
2022-06-14
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人