自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(44)
  • 收藏
  • 关注

原创 C++primer十万字笔记 第十四章 运算符重载

 运算符是具有特殊名字的函数,它们的名字由关键字operator和其后要定义的运算符号共同组成。 如果一个运算符函数是成员函数,则第一个(左侧)运算对象绑定到隐式的this指针上,因此成员运算符函数(显式)的数量少一个。 对一个运算符函数来说,它或者是类的成员或者至少含有一个类类型的参数:int operator+(int,int)就是错误的。[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-K9yMKFk8-1641812567952)(C:\Users\15401\Ap

2022-04-07 10:00:48 1089

原创 c++primer十万字笔记 第十三章 拷贝控制

 当定义一个类时我们显式的或者隐式的指定再次类型中的对象拷贝、移动、赋值、销毁时都会发生什么。一个类通过定义五种特殊的成员函数来控制这些操作。包括:**拷贝构造函数、拷贝赋值运算符、移动构造函数、移动赋值运算符、和析构函数。**所有的这些我们称之为拷贝操作控制。拷贝、赋值与销毁拷贝构造函数 如果一个构造函数的第一个参数是自身类型的引用,切任何额外参数都有默认值,则此函数是拷贝构造函数。class Foo{ public: Foo(); //默认构造函数 Foo(cons

2022-04-07 10:00:30 359

原创 C++primer十万字笔记 第十二章 动态内存

 全局对象在程序启动时分配,结束时销毁。局部自动对象进入其定义的所在程序块中分配在离开时销毁。局部static对象在第一次使用前分配,在程序结束时销毁。 C++还支持动态内存。动态分配的对象的生存期与它们在哪里创建时无关的,只有当显式的释放时这些对象才会销毁。但是动态内存是最容器出错的地方。为了更安全的使用动态内存,标准库定义了两个智能指针来管理动态分配对象。当一个对象应该被释放时,指向它的智能指针可以确保自动释放它。 静态内存用来保存局部static对象、类static数据成员以及定义在任何函数外的变

2022-01-10 19:00:54 336

原创 C++primer十万字笔记 第十一章 关联容器

 关联容器支持高效的关键字查找和访问,两个主要的关联容器是map和set。map中的元素是一些关键字-值(key-value)对:关键字起到索引的作用,值表示与索引相关联的数据。set中每个元素只包含一个关键字;set支持高效的关键字查询操作:检查一个关键字是否在set中,例如在某些文本处理过程中可以使用一个set保存想要忽略的此。字典则是一个很好的map的例子:可以将单词作为关键字,将单词释义作为值。 标准库提供8个关联容器,如表11.1所示。这8个关联容器的不同体现在3个维度上:每个容器:或者是一

2022-01-10 18:56:47 507

原创 C++primer十万字笔记 第十章 泛型算法

泛型算法 大多数算法都定义在algorithm中 ,标准库中还在 numeric中定义了一组数值泛型算法。一般情况下算法不直接操作容器而是由两个迭代器指定的范围来进行骚操作。find(c.begin(),c.end(),val);//找到在两个之间的值初识泛型算法 标准库提供100多个算法。幸运的是这些算法有一致的结构。除了少数的情况下,标准库算法都对一个范围内的元素加进行操作。我们将此元素范围称之为输入范围。接收输入范围的算法总是使用前后两个参数来表示此范围——尾后指针和首元素指针。只读算法 

2022-01-10 18:55:55 345

原创 C++primer十万字笔记 第九章 顺序容器

顺序容器  容器就是特定类型对象的集合,顺序容器为程序员提供了控制元素存储和访问顺序的能力。这种顺序不依赖于元素的值,而是与元素加入容器时的位置相对应。标准库提供了三种容器类型。顺序容器概述 标准库中的顺序容器:vector可变大小数组,支持快速随机访问。在尾部之外的位置插入或者删除元素可能会很慢deque双端列表。支持快速随机访问。在头尾插入删除很快list双向链表。只支持双向顺序访问。任意地方插入删除都很快forward_list单向链表只支持单向顺序访问

2022-01-10 18:55:04 475

原创 C++prime十万字笔记 第八章 IO类

io库 之前已经介绍了一些IO库中的内容:istream(输入流)类型,提供输入操作ostream(输出流)类型,提供输出操作cin,一个istream对象,从标准输入读取数据cout,一个ostream对象,向标准输出写入数据cerr,一个ostream对象,用于输出程序错误信息,写入到标准错误>>运算符,用来从一个istream对象读取输入数据<<运算符,用来向一个ostream对象写入输出数据getline函数,从一个给定的istream读取一行数据,存入一

2022-01-10 18:53:50 178

原创 C++primer十万字笔记 第七章 类

类定义抽象数据类型 类的成员函数的声明一定要在类中,而作为接口组成部分的非成员函数,他们的定义和声明都在类的外部。struct Sales_data{ //新成员关于Sales_data对象的操作 std;:string isbn const{return bookNo;} //const的函数是 Sales_data& combine(const Sales_data&); double avg_price()const; //数据成员

2022-01-10 18:52:44 242

原创 C++primer十万字笔记 第六章 函数

函数基础函数返回类型 大多数类型都能用作函数的返回类型,一种特殊的返回类型是void就,这表示函数不返回任何值。函数返回类型不能是数组类型或者函数类型,但是可以返回指向数组或者函数的指针。局部静态对象有时候需要让局部变量的生命周期贯穿函数以及调用之后的时间,可以将局部变量定义为static类型从而获得这样的对象。用static修饰。函数声明 和其它名字一样函数的名字也必须在声明之后使用。函数声明也叫做函数原型。分离式编译 分离式编译就是把一个程序的各个部分存储在不同的文件内。每个文件单独编译

2022-01-10 18:52:04 213

原创 C++primer十万字笔记 第五章 语句

一些语句怕自己忘记switch格式,写一下switch(ch){ case 'a': cout<<'a'<<endl; break; default: cout<<"nothing"<<endl; break;}几种for语句格式传统: for(init-statement;condition;expression) statement;//其中init-statem

2022-01-10 18:51:02 170

原创 C++Primer十万字笔记 第四章 表达式

运算符介绍 cpp定义了一元运算符和二元运算符,服用与一个运算对象的运算符是一元运算符,如&和*,作用于两个运算对象的是二元运算符,如相等运算符==,还有一个三元运算符。函数调用也是一种特殊的运算符其对运算对象没有限制。 &和*运算符看上下文,不同的上下文下是完全不同的运算符。 cpp的表达式要不是右值要不是左值。在c语言中是这样子的:左值可以位于赋值语句的左侧,但是右值不行。 但是在cpp中:一个左值表达式的求职结果是一个对象或者是一个函数,然而以常量对象为代表的某些左值不能作为赋

2022-01-10 18:50:10 316

原创 C++ Primer十万字笔记 第二章 变量和基本类型

cpp中:0开头的整数表示8进制0x或者0X开头的表示16进制//cpp中如果两个字符串位置紧临并且仅仅由这些空白字符组成的时候实际上表示的是一个整体 因为写在一行内不合适cout << "wat aputopau wp upa " "hahah hah ah";常用的转义符号如下:这些转义符号被当成一个字符而不是占两个字符符号意思\n换行符\t \v横向制表符 纵向制表符\a报警符号\\反斜线?问号

2022-01-10 18:45:55 503

原创 针对mmdetection中的data文件夹被索引如导致pycharm索引很慢的问题的结果方法。

针对mmdetection中的data文件夹被pycharm索引从而导致pycharm索引很慢的问题的结果方法。注意:如果单纯的在mmdetection这个项目下,只需要将data文件夹标记为exclude即可 1. 首先正常安装mmdetection 2. 然后修改系统中的环境变量PYTHONPATH,比方说在bash中修改:#这里我的mmdet装在~/Desktop/od/mmdetection目录下,根据自己需要替换即可。export PYTHONPATH=$PYTHONPATH:/home

2021-12-23 13:19:57 1176

原创 深度学习闭坑指南

机器学习中一些建议,希望以后的自己可以参照模仿,(自己很懒,/doge)1 在构建模型之前 或许遇到数据你熊周周气昂昂的就要训练和评估模型。但是花时间思考一下自己要解决的问题,看看已经有的数据是能保证之后的工作顺利进行并满足预期的重要决定。1.1 花时间理解你的数据垃圾数据生产垃圾模型,数据是否可靠,质量如何,如果被很多论文使用也说明数据的信誉很好。针对特定的目标进行特定的分析,比方说图像分类中的类别不平衡问题,目标检测中的框和物体的大小的问题。1.2 别看所有的数据小心不可测试陷阱,如果一开

2021-08-12 21:47:27 1737

原创 Data augmentation

图像增强技术有FlipColor Space TransformRotationTransationNoiseCrop 在几何变换中可以增加最多的准确性Kernel filters 既可以锐化也可以模糊,机理类似于CNN的卷积核Mixing images 乍一看有一点违反人的直觉,但是的确有效的降低了err像素级别的mixmixing这种效果的一个可能的解释是增加了的数据集尺寸导致了网络对于低层次的特征(类似于线和边)有更鲁棒的表达。实验发现更好的结果出现在mix整个数据集而不是在.

2021-08-12 15:14:09 258

原创 Dynamic Head :Unifying Object Detection Heads with Attentions

Dynamic Head :Unifying Object Detection Heads with Attentions 作者针对目标检测中通过backbone提取特征金字塔后的输出后,会形成

2021-07-01 12:47:24 856 4

原创 YOLO系列笔记

YOLO 系列论文笔记YOLOV11. 整体框架1.1 思想 可以从上图看出来思想就是切分为S*S个cell,最后是化为一个(S,S,N)(S,S,N)(S,S,N)的一个特征图来进行类别和边框的预测。 每一个边界框应该包含x,y,w,h,confidencex,y,w,h,confidencex,y,w,h,confidence五个变量,每一个cell包含BBB个bbox,同时一共有C类,所以上段话中的N=B∗5+CB*5+CB∗5+C1.2 模型模型的图片可以见下图通过Maxpool

2021-05-14 16:00:32 208

原创 笔记

torch.gather(input, dim, index, *, sparse_grad=False, out=None) → Tensor例如对于一个3D的输入来说,index就是让输入的第几维的索引变成index[i,j,k]例如index=1,那么ouput[i,j,k[ = input[i,index[i,j,k],k]sample.cuda(non_blocking=True)#不阻塞的把一些东西放入cuda中...

2021-05-14 11:52:31 179

原创 CNN in Transformer

Convolution Transformer 是一种对Vision Transformer的改进,作者主要是从两个方面来改进了Trasformer。替换Position Embedding,和Linear Projection 为卷积操作。。。。。

2021-04-23 18:06:11 246 2

原创 VisionTransformer

VisionTransformer,这是首次将Transformer引入CV的一篇文章simple way to achieve SOTA in vision classification with only a single transformer encoder, in Pytorch. Significance is further explained in Yannic Kilcher’s video. There’s really not much to code here, but may a

2021-04-21 22:08:16 290

原创 常见希腊字母的读音和打法

常见希腊字母的读音和打法αΑ α alpha a:lf 阿尔法βΒ β beta bet 贝塔γΓ γ gamma ga:m 伽马δΔ δ delta delt 德尔塔ϵΕ ε epsilon epsilon 伊普西龙ζΖ ζ zeta zat 截塔ηΗ η&

2021-04-16 13:54:43 1174

原创 深度学习常见数学公式解释

深度学习常见公式解释卷积和反卷积的介绍1. 对于卷积,我们一般有如下的参数:2. 对于反卷积EMA(Exponential move average)指数滑动平均卷积和反卷积的介绍1. 对于卷积,我们一般有如下的参数:input size Win∗HinW_{in}*H_{in}Win​∗Hin​kernel size kernel∗kernelkernel*kernelkernel∗kernelstride s stride,stridestride,stridestride,st

2021-04-09 21:18:01 1172

原创 Conda和Pip换源

conda 换源:在自己的主目录修改自己的配置文件 .condarc 文件即可把文件修改为:channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ssl_v

2021-04-09 14:39:22 393

原创 各种归一化的总结BN,LN

各种归一化的总结前提:以图像为例,假设输入的维度为(B,C,H,W)(B,C,H,W)(B,C,H,W) BBB的意思是批量输入。1. BatchNormtorch.nn.BatchNorm2d(num_features, eps=0, momentum=0, affine=False, track_running_stats=False)保留了通道的维度,按照通道分开分成C个(B,1,H,W)然后求得C个均值。然后利用这C个均值和C个方差。然后学习仿射变换,变换到一个具有新的方差和均值的高斯分布

2021-04-09 10:17:08 144

原创 Swin Transformer !!

Swin Transformer 一种旨在设计通用的backbone,却在应用了屡屡刷屏 自从2017年Google Brain 提出了 Transformer之后,便掀起了一股研究transformer的热潮,随着BERT在NLP领域的频繁刷屏,Transformer也开始在CV领域大展身手,从ViTa到DETR,卷积和Transformer之间的结合应用变得越来越紧密。有关以Transformer为backbone的研究也在如火如潮的进行当中。Swin Transformer提出了Transform

2021-03-30 21:00:36 1659 3

原创 DETR:vision transformer在目标检测中的应用

End-to-End Object Detection with Transformers

2021-03-29 20:51:39 1035

原创 谷歌(百度)搜索的一些技巧

@TOC谷歌搜索技巧使用位操作(当然也可以使用 and or等,不过对于一个程序员来说使用位操作更加的接地气吧)A & B搜索既包含A又包含B的关键词A | BA或者B使用 * 作为模糊匹配符号*pple就能搜索到apple()来控制优先级 比方说(iphone | ipad) & apple强制匹配 +: apple + watch 会强行匹配这两个,而不是采用推断,尤其是搜索冷门的词时候更加有用使用双引号来缩小搜索结果,来进行精准的搜索只获得一个特定站点的搜索结果使用

2021-03-27 20:56:49 290 2

原创 python语法糖 lambda函数的简单使用和应用方式

lambda函数的用法:lambda的形式lambda的形式是唯一的就像是下面这样子:lambda arugment_list:expression‘‘‘语法中的argument_list是参数列表,它的结构和python中的function的参数列表是一样的,例如:a,b a=1,b=2 *args **kargs语法中的expression是一个关于参数的表达式并且:表达式中出现的参数需要在argument_list中有定义 ,并且表达式只能是单行的,如下是一些合法的表达式1None

2021-03-27 14:46:07 183 2

原创 typora安装

Ubuntu下ypora的安装# or use# sudo apt-key adv --keyserver keyserver.ubuntu.com --recv-keys BA300B7755AFCFAEwget -qO - https://typora.io/linux/public-key.asc | sudo apt-key add -# add Typora's repositorysudo add-apt-repository 'deb https://typora.io/linux

2021-03-27 11:41:56 134

原创 DCGAN和CGAN的解读和学习

DCGAN和CGAN的解读和学习1.DCGAN网络结构一些的DCGAN结构指南训练的一些细节:代码实现:最后的图像生成效果 待跑完。。。2.CGAN1.DCGAN网络结构DCGAN其主要贡献在于把原始GAN中的全连接层替换为了卷积层。具体如下:首先是全卷积网络,这使用了跨步卷积代替了确定性的空间池化功能(例如最大池化等操作),从而能让网络能够学习自身的空间下采样。其次是再卷积层特征上消除全连接层的趋势,全局池化就是一个最好的例子。第三是采用了BatchNormalization,这个通过将输入

2021-03-26 10:41:27 1537

原创 Python logging模块的使用技巧

python logging模块的使用技巧几个重要的概念LoggerHandler处理器Formatter格式化器Filter过滤器Logger Handler Filte Formatter几种关系,该关系可以使用如下图进行描述:Logging的工作流程几种配置方式一个例子日志的级别:DEBUGINFOWARNNINGERRORCRITICAL几个重要的概念Logger:记录器,是应用程序直接使用的借口Handler处理器,将(记录器)产生的日志记录发送往合适的借口

2021-03-26 10:22:43 152

原创 StyleGAN代码解读

 注:__所有解读__均参考了tvi和http://www.seeprettyface.com/mydataset.html。

2021-03-26 10:22:14 924 1

原创 再生希尔伯特空间和一些其他空间的定义

参考了这个网址线性空间是定义了数乘和加法的空间度量空间就是定义了距离的空间赋范空间就是满足范数的三条规定的空间这里都是矩阵论的知识。

2021-03-26 10:21:45 116

原创 SVD分解和矩阵的Lipschitz条件等

Lipschitz条件可以用如下的公式来表示Lipschitz条件:∣∣f(x)−f(y)∣∣≤K∣∣x−y∣∣||f(x)-f(y)||\leq K||x-y||∣∣f(x)−f(y)∣∣≤K∣∣x−y∣∣这个公式限制了函数的上升的速率不可能太快,在二维笛卡尔坐标上可以表示为函数的斜率不能够超过一个常数kkk。矩阵的Lipschitz条件对于一个矩阵A如果想让其满足Lipschitz条件,那么需要满足下面的公式:∣∣Ax∣∣≤∣∣Kx∣∣其中K为一个常数,x为向量,A为一个变换矩阵||A

2021-03-26 10:21:35 1614 2

原创 Conda常用的命令总结

Conda常用的命令总结**1.Conda Management**Show the version of condaCheck more info about CondaUpdata Conda**2. Manage the virtual enviroment**Show the info of help about *conda create*Create vitual enviromentDelete the vitual envCreate the specific version of pyth

2021-03-25 19:54:18 517

原创 Git的常用用法总结

Git的一般用法Git的一般用法.配置仓库的别名和域名.在一个文件夹内创建git仓库.添加文件到这个仓库.推送和拉取.查看仓库状态.查看提交日志.分支操作.一些其他的操作Git的一般用法首先把自己的公密匙放到gitee或者github上面的对应位置然后在网站上建立一个仓库,建立仓库后根据提示进行本地仓库的创建后同步,如建立了名称为 how-to-build-it 的仓库,然后可以执行如下的操作进行本地和在线的绑定#Gti全局设置git config --global user.name "Brot

2021-03-25 19:53:19 135

原创 SSH配置

1.生成rsa类型的密匙说明:命令执行后会有提示,输入三次回车即可,执行完成后会在当前用户的.ssh目录下生成两个文件:id_rsa、id_rsa.pub文件,前者时私钥文件,后者是公钥文件(拷贝到其他主机只需要拷贝这个文件的内容)代码如下:ssh-keygen -t rsa #rsa可以省略,默认就是生成rsa类型的密匙2.将公匙复制到被登录的主机上的~/.ssh/authorized_keys 文件中,拷贝的方法有两种,即可以用scp也可以用如下的方式:ssh-copy-id #只需要指定

2021-03-25 19:52:17 110

原创 MarkDown中的公式编辑

MarkDown中的公式编辑MarkDown 中的公式编辑MarkDown 中的公式编辑如果这里找不到对应的可以参照如下的两个网址:常用数学符号Latex符号使用一般的公式分为两种形式,一种是行内和行间公式$\Gamma(z) = \int_0\infty t^{z-1}e^{-t}\,.dt$$$Gamma(z) = \int_0\infty t^{z-1}e^{-t}\,.dt$$Γ(z)=∫0∞tz−1e−t .dt\Gamma(z) = \int_0\infty t^{z-1}

2021-03-25 19:51:36 206

原创 GAN可解释性解读:Closed-Form Factorization of Latent Semantics in GANs

GAN可解释性,利用范数寻找语义向量论文名:Closed-Form Factorization of Latent Semantics in GANs摘要原理介绍实验在对这种方式进行的复现中,我选用了animeface这个数据集。论文名:Closed-Form Factorization of Latent Semantics in GANs摘要 GAN的latent sapcelatent\,sapcelatentsapce中存在很多丰富的语义信息,这在之前的很多研究中就已经做了介绍,而以往的很多

2021-03-25 19:50:25 976

原创 StyleGAN学习,Nvidia在PGGAN后的继续探索

StyleGAN学习,Nvidia在PGGAN后的继续探索1.摘要2.Style-based generator1.摘要 作者提出,在当前生成对抗网络发展如此迅猛的情况下,生成器仍然属于一个黑盒子的性质。我们对于其图像生成的变化因素的控制和理解不够,对于latent codelatent\,codelatentcode的作用仍不能更多的理解。并且,对于各种生成器进行定量的评估仍然没有很好的方法。文章中的style更多的指的生成图像的属性,只是类似的结构经常被用在style transfer上面,所以取

2021-03-25 19:42:51 321

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

提示
确定要删除当前文章?
取消 删除