- 博客(21)
- 收藏
- 关注
RSS订阅原创 VGG16简单部署(使用自己的数据集)
（1）链接：https://pan.baidu.com/s/1my_uzYws6ED4tIVHNd7U7A。（2）github上： https://github.com/mmastererliu/vggmast。模型，由牛津大学视觉几何组（Visual Geometry Group）开发。VGG16的主要特点是网络结构简单清晰，所有的卷积层都采用了。激活函数，并且在每个卷积层之后都有一个池化层来降低特征图的维度。大佬的文章（侵权请联系，马上删除），做的工作为。个全连接层，是深度学习中常用的。
2024-04-30 20:40:40
87
原创 Yolov5简单部署（使用自己的数据集）
YOLOv5是一种基于深度学习的目标检测算法，它是YOLO（You Only Look Once）系列的最新版本。与以往的版本相比，YOLOv5具有更快的速度和更高的准确性。YOLOv5是一个开源项目，它在各种场景下都取得了很好的效果，包括。设置环境变量 ：D:\ProgramData\miniconda3\condabin\conda.bat。更新 pip ：python -m pip install --upgrade pip。大佬的文章（侵权请联系，马上删除），做的工作为。pip 清华源 -i。
2024-04-29 10:43:25
648
原创 ZeRO论文阅读
在深度学习中，通常会使用多个GPU来加速训练过程，这就需要在GPU之间有效地传输模型参数、梯度和其他相关数据。的技术，通过减少模型参数和计算过程中的精度要求来降低计算成本。这种方法有助于克服单个设备内存的限制，并提高训练大型模型的效率。份，避免重复-------->参与服务器的思想-------->内存使用下降。模型并行是一种用于训练大型神经网络的分布式计算策略，旨在将模型参数。的时候，将其分散开来，需要的时候调用即可，该技术则是应用于此。半精度是一种表示数值的方法，使用。地方---->和参数服务器一样。
2024-04-21 11:30:22
1166
原创 BERT论文阅读
(ps:BERT本身并没有一个绝对的精度，因为它是一个预训练的模型，其性能取决于具体任务和数据集，但是一些标准的基准数据集上，BERT和其变种通常能够达到非常高的精度。例如，在GLUE上）----------->均使用单项的语言模型。②ELMO运用的RNN而BERT运用的是Transformer，故ELMO与用到下游的时候要调整。2.与ELMO、GPT的区别（因为是在这两篇的基础上发展的）②预训练策略：（1）基于特征（ELMO）：将学到的特征和输入。②微调：使用预训练中的权重用的是有标号的数据集。
2024-04-19 11:48:19
1148
2
原创 文本检索粗读
再去计算相关性（最大的缺点就是价格昂贵），在你搜索某个单词，比如torch的时候，torch，这个单词是一串数字，它会遍历整个文件，找到符合条件的返回出来的就是torch,而。的神经网络，把训练和检索放到一起，能有效提高召回率。本文提出NCI的方法，这是一种基于sequence到sequence的网络，能直接针对特定文档。先整体k-mens聚类分为1，2，3，然后再提取关键特征，如图所示，11 12前面那个1就是关键特征，简而言之，就是。原本的输入如上图，但是作者认为持续性不够，所以自己人为添加了。
2024-04-14 08:48:02
675
1
原创 DETR论文粗读
一.前情提要1.本文理论为主，并且仅为个人理解，能力一般，不喜勿喷2.本文理论知识较为散碎3.如有需要，以下是原文，更为完备。
2024-04-13 19:19:34
668
1
原创 C语言------冒泡法排序
因为在每一轮外层循环中，内层循环需要比较相邻的元素，并将较大的元素向右移动，直到最大的元素移动到当前未排序部分的最后一个位置。的终止条件是 i < n - 1 ，原因是因为在每一轮遍历中，内层循环会比较相邻的两个元素，并将较大的元素向数组的末尾移动。假设数组的长度为 n，在经过 n - 1 轮遍历后，数组中的最后一个元素已经是最大的元素了，不需要再进行比较和交换。最后，将临时变量 temp 中保存的值赋给索引为 j + 1 的位置，实现了将前一个元素的值赋给后一个元素，从而完成了两个元素值的交换。
2024-04-05 10:12:24
1393
1
原创 Tensorboard以及Transforms初步学习
在transforms.Normalize函数中，[0.5, 0.5, 0.5]是用于指定图像的均值（mean）参数，而[0.5, 0.5, 0.5]是用于指定图像的标准差（standard deviation）参数。第一个参数是数据的标签或名称，第二个参数是数据的值，第三个参数是当前循环迭代的步数，也可以理解为X轴的值。灵活的维度：Tensor数据类型支持多维数组，能够表示各种复杂的数据结构，包括图像、文本、时间序列等，使得深度学习模型可以处理各种类型的数据。，以增加数据的多样性和模型的泛化能力。
2024-04-03 16:52:26
1265
1
原创 MNIST手写数字数据集代码学习
接着构建了一个简单的神经网络模型，包括一个Flatten层用于将图像展平，一个具有128个神经元的隐藏层和一个具有10个神经元的输出层。最后，使用测试数据评估了模型的性能。它由来自美国国家标准与技术研究所（NIST）的来自 250 个不同人手写的数字构成，其中 60,000 个样本用作训练集，10,000 个样本用作测试集。MNIST数据集的每个样本都是28x28像素的灰度图像，代表着0到9中的一个数字。因此，每个图像都可以表示为一个784维的向量（28x28=784），其中每个元素代表像素的亮度值。
2024-04-03 08:51:01
1239
1
原创 Numpy基础代码学习
unpack=True：一个可选的参数，如果设置为True，则将加载的数据以行为单位进行解压缩，即每一行的数据将存储在一个单独的数组中。#shape(3,3,2)可以和shape(3,2)计算,shape(3,3,2)也可以和shape(3,3)计算。# random.uniform(a, b)：返回一个在指定范围[a, b]内的随机浮点数，可以包括a和b。unpack是否旋转。unpack是否旋转。#改变数据类型eg: t3=np.array([1,1,0,0,1],dtype=bool)
2024-04-02 09:03:50
1180
1
原创 Matplotlib代码实操学习
xtick_labels=['3月{}'.format(i) for i in x_3]+['10月{}'.format(i-50) for i in x_10]plt.plot(x,y_2,label='别人',color='cyan',linestyle='--')plt.plot(x,y,label='自己',color='orange',linestyle=':')categories = ['A', 'B', 'C', 'D', 'E'] # x轴的类别。
2024-04-01 14:58:50
1056
原创 K均值聚类算法（K-Means Clustering Algorithm）代码学习
定义一个名为kmeans的函数，接受三个参数：data（数据集）、k（簇的数量）、max_iters（最大迭代次数，默认为100）。：表示输入的数据点集合，应该是一个二维数组或矩阵，每一行代表一个数据点，每一列代表一个特征。如果当前聚类中心和新的聚类中心非常接近，则表示聚类已经收敛，不再发生变化，因此可以退出迭代。: 找到距离当前数据点最近的聚类中心的索引，确定该数据点所属的簇。列表的长度为聚类数量。: 计算每个簇中数据点的平均值，作为新的聚类中心。，最后，将新的聚类中心添加到新的聚类中心列表中。
2024-03-29 09:48:05
816
1
原创 神经网络代码初步感知速成（非CNN）
例如，如果有一个数组 arr = np.array([1, 2, 3])，调用 np.exp(arr) 将返回一个新的数组，其中每个元素的值分别为 e 的 1、e 的 2 和 e 的 3 次幂。#定义输入数据和目标输出数据：X 是一个 4x3 的矩阵，表示输入数据的特征，y 是一个 4x1 的矩阵，表示输入数据对应的目标输出。对于一维数组，它计算的是这两个数组的内积；#当我们使用相同的种子时，可以确保每次生成的随机数序列是一样的,但是，如果我们将种子更改为不同的整数，将会生成不同的随机数序列。
2024-03-29 09:32:49
636
1
原创 卷积神经网络(CNN)初步学习（参考小土堆）
对于RGB图像，每个颜色通道（红、绿、蓝）都有自己的均值和标准差。#在transforms.Normalize函数中，[0.5, 0.5, 0.5]是用于指定图像的均值（mean）参数，而[0.5, 0.5, 0.5]是用于指定图像的标准差（standard deviation）参数。#在transforms.Normalize函数中，[0.5, 0.5, 0.5]是用于指定图像的均值（mean）参数，而[0.5, 0.5, 0.5]是用于指定图像的标准差（standard deviation）参数。
2024-03-28 19:47:54
1287
原创 Resnet初步学习
在实际应用中，残差结构被广泛应用于深度卷积神经网络（CNN）和深度残差循环神经网络（Residual Recurrent Neural Network）等模型中，取得了很好的效果。的神经网络中，信息通过层与层之间的权重传递，而每一层的输出都需要经过非线性变换（如ReLU激活函数）。权重病态：当网络层数较多时，权重的值容易出现病态（ill-conditioned）情况，即权重值之间的差异很大，使得网络变得不稳定。，从而产生当前层的输出。此外，残差结构还有助于模型的优化和训练，以及提高了网络的表示能力。
2024-03-27 19:32:11
906
原创 Python笔记
如果你删除该变量或程序结束时，该对象就会被垃圾回收。(3)①print(‘+’.join(fruits)).........................join前面是连接的字符串,(),[]都可以,因为fruits是列表。8.字典元素的值访问 eg. person={‘name’:’name’,’age’:12,’habit’:[‘tiaowu’,’changge’]}(‘sti’,’zwo’,’a’)....建立映射表,s映射z,t映射w等等,结果是字典类型,一一对应.第三个参数就是去掉该参数。
2024-03-25 16:08:43
785
原创 Anaconda环境搭建并与Pycharm关联（简化）
①Pycharm尽量是PyCharm Community Edition 2020.1.3 x64这个版本，原因如下：能自动导入虚拟环境，不需要手动查询（有的版本手动查询也找不到）②如果不是上述原因，重新再试一试（请务必按照教程来，版本也是，不要自己去找，并且，专业版和社区版有差别！①如果是按照教程命名DL，那么，这一次请修改你的虚拟环境的名称为其他除DL以外的。但是，安装的pytorch不要分开装（容易出错！(2)（不着急）全部删完，按教程重来。一.注意事项(很重要！(pytorch下载链接)
2024-03-24 12:10:03
382
1
原创 配置Qt5.11.1与vs2017教程（简化）
2.vs开发qt程序提示无法打开源文件 #include ＜QtWidgets/QApplication＞ VS2019报错。1.VS2019 Qt5.12.x 集成后，新建项目时找不到 “Qt GUI Application”的问题。2.vs2017版本（不要去下一些奇怪的版本，下面是网盘分享，提取码：ub6c）处下载qt-vsaddin-msvc2017-2.2.1文件。2.本文主要是引用大佬的文章（侵权请联系，马上删除）解决方法：（参考一下文件，非常有效）1.下载Qt(参考一下流程)
2024-03-24 11:34:30
306
视频编辑王的压缩包（解压即可）
2024-04-17
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人