傅里叶的AI-CSDN博客

原创 nn.Conv1d 一维卷积原理及pytorch应用

背景：我是用于对于信号的处理，想用pytorch这个API，网上资源参差不齐，而且都是按照自然语言处理（nlp）知识来讲的,不过也有讲的很明白的，这里简单说一下为了方便可视化。一维卷积：并不是指的像信号那样的一维卷积，而是一个X*K的矩阵，K就是你的卷积核的大小，X直接就是你的数据高度了。下面这张图，这张图都在讲解其实有点误导人，不细看是容易理解偏的，因为原作者把最后两个维度换位置了。我们只看最左边的和中间最上面的图。input：7×5。卷积核假如我们设置为4，则为4*7。这个时候你就想你把

2022-03-31 15:46:24 7184 3

原创误差累积函数 cdf 及matlab实现

背景：我需要在汇报工作的时候，使用这个指标。遂全面整理下来cdf：误差累积函数。其实就是累积函数。只不过在一些室内定位领域或者所有的元器件都有误差，经常用来描述误差的一种概念。了解cdf的概念，首先了解直方图的概念，很好查的。cdf就是直方图的积分（这个直方图是归一化的）如图所示，这是一个正态分布的图像，我们可以认为这就是一组误差数据：反正都是大于0的（我取绝对值了，因为误差都是大于0的）。我图中的一点（2.311，0.65）意思是有这组数据有0.65比例小于等于2.31

2022-03-31 10:59:56 6050 2

原创 self-attention原理及pytorch实现

这是一个链接的总结，方便以后查看：NLP（二十九）一步一步，理解Self-Attention_山阴少年的博客-CSDN博客本文大部分内容翻译自Illustrated Self-Attention, Step-by-step guide to self-attention with illustrations and code，仅用于学习，如有翻译不当之处，敬请谅解！什么是Self-Attention（自注意力机制）？如果你在想Self-Attention（自注意力机制）是否和Attention（

2022-03-23 15:11:55 4206

原创 x.unfold 函数详解

其实unfold函数有两种用法，本质一样都是把数据按照规则取出来，只不过用法不一样罢了，发现大部分博客只叙述了第一种用法，但是我遇到了第二种用法，所以耗费了一些时间把他弄懂了用法1：x1 = f.unfold(x, kernel_size=3, dilation=1, stride=1)用法2：x.unfold(维度, size=3,step=1)这里只阐述用法2，对于用法1，可以看看这个博客。写的很好，同时他的讲解函数的方法很好，我也是用的他这个方法：https://blog.csdn.n

2022-03-23 11:02:28 1434

原创正则化的原理以及正则化pytorch实现

谈到机器学习中的正则化，大部分谈论的都是L1正则化和L2正则化，下面谈论一下其中的原理，只有明白原理才能更好的应用。首先应该看一下这个知乎上的高赞回答：机器学习中常常提到的正则化到底是什么意思？ - 陶轻松的回答 - 知乎 https://www.zhihu.com/question/20924039/answer/131421690从他的回答中可以得到结论：1.参数（w1 w2......）越多越容易过拟合。2.我们引入L0范数：这样可以限制参数非0的个数，让模型倾向于简单化，别出那些

2022-03-22 21:14:29 2640

原创过拟合产生的原因和解决方案

最近在研究室内定位的问题，总是过拟合。之前研究问题太过草率，这次计划将问题彻底的研究明白。过拟合：简单来说就是在训练集表现好，在测试集（验证集）表现差。从表现来看可以理解成模型复杂也好，还是你的数据有问题也好。总之最后模型学习到了你现在数据的每一处细节导致，只有处处满足你的数据才能预测的好。其余数据根本不认识。就好像分便男女，特征都是头发长度。过拟合就是只有满足头发长是你训练集这样长度的女生才是女生。其余都不是，显然是不正确的。过拟合原因：1.数据问题：你的数据有问题（错误点干扰）、训练数据

2022-03-22 16:44:09 3237

原创＜＜MIMO-OFDM无线通信技术及MATLAB实现＞＞重要问题回复（1）

一、P47：为什么N0的定义式如此？回复：具体看（2.23a）和（2.23b）的第一个单项式。如果超过了pi/4则会两个公式一摸一样。即使在移动pi/2也是差pi/4 就不满足正交原则了。，他要保证两个式子中每一项都是正交的。二、阐述一下时间色散\频率选择性信道\频率色散\时间选择性衰落\多径效应关系；首先，从时域来看：1.多径效应必须从时域来看，更好理解。2.时间色散即为时间扩展：代表本来信号长度为1s。现在由于多径效应（应该还有其他的可能导致因素），最后一个信号接受的时候在第2s的位置

2022-03-22 15:17:47 424 2

原创信号是如何采样的？——采样频谱信号频率频谱分辨率关系

我其实早已经学完了数字信号处理，只不过今天一个简单的其他学校的代码问题遇到了挫折，于是深夜想赶紧把这个问题整理下来，虽然基础，但是怕忘记所以为了以后再次忘记进行查验：信号频率这个就是信号重复的频率：y=sin(2*f0*pi*t);这个f0就是信号的物理频率（关于频率、角频率一定要明白关系）采样频率为什么要采样？我们都是对于信号进行离散化处理，采样的最大意义就是在于降低内存。因为我们根本不需要十分精密的数据就可以得出信号。但是要满足采样定理fs>2f0,否则由于离散化处理造成频谱周期化

2021-06-26 00:59:59 6584

原创 python数据读取——CV为什么读取都是三通道

https://blog.csdn.net/qq_41629756/article/details/105076943import cv2 img_path = r'灰度图'img = cv2.imread(img_path)print(img.shape) # 如果我将图片灰度处理gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)print(gray.shape) """img.shape返回的结果:(201, 190, 3)gr.

2021-05-22 12:18:24 662

mzk1314521的博客