AI
文章平均质量分 71
娃乐呵
这个作者很懒,什么都没留下…
展开
-
使用latex将png/jpg/pdf/...转换成eps
bmeps -c example.jpg example.eps原创 2020-09-09 11:09:15 · 1234 阅读 · 0 评论 -
Projected Gradient Methods for Nonnegative Matrix Factorization
非负矩阵因式分解(NMF)可以表述为具有约束约束的极值问题。 虽然约束优化在理论和实践上都得到了广泛的研究,但是到目前为止,还没有研究将其技术应用于NMF。 在这篇文章中,我们提出了两种适用于NMF的投影梯度方法,它们都具有很强的优化特性。 我们讨论了这些算法实现的效率,并证明了所提出的方法之一比流行的乘法更新方法收敛的更快。 还提供了一个简单的Matlab代码。1. 简介非负矩阵分解(NMF)对于寻找非负数据的表达十分重要。给定一个n×mn\times mn×m的数据矩阵VVV,有Vij≥0V_{ij翻译 2020-07-22 16:32:13 · 748 阅读 · 0 评论 -
近端算子及其FBS优化问题
1. 近端算子给定以下的优化问题:minimizeh(x)=f(x)+g(x)(t01)\operatorname{minimize} h(x)=f(x)+g(x)(t01)minimizeh(x)=f(x)+g(x)(t01)其中,x∈RNx\in R^{N}x∈RN,fff是凸函数并且可微,ggg是任意的凸函数(不必保证光滑)。在很多情形下,函数ggg 既不可微,也不是有限值,在这种情况下,上面的式子不能用梯度下降的方法进行求解。然而在实际的计算中,对于很大一类ggg都可以高效地计算其近端算子翻译 2020-07-07 11:00:51 · 1707 阅读 · 0 评论 -
A Singular Value Thresholding Algorithm for Matrix Completion
前提假设假设存在一个未知的方阵M∈Rn×nM\in R^{n\times n}M∈Rn×n,其中存在有mmm个采样得到的实例:{Mij:(i,j)∈Ω}\{M_{ij}:(i,j)\in \Omega\}{Mij:(i,j)∈Ω},其中Ω\OmegaΩ是基数为mmm的随机子集。换句话说,就是在MMM中,存在mmm个已知的元素。前言大部分秩为rrr的矩阵MMM可以通过求解下面的优化问题来解决:minimize∥X∥∗ subject to Xij=Mij,(i,j)∈翻译 2020-06-29 18:23:24 · 1725 阅读 · 1 评论 -
YALMIP学习笔记-基础知识
基本知识下面的代码介绍了你可能需要的一些基础知识.YALMIP通过spdvar来定义变量,利用通过使用sdpsettings来定义约束(constraints),目标函数(objectives)以及包含设置求解器的选项(options).通过利用optimize来求解问题,检查结果以及取得最终的解.YALMIP默认使用QUADPROG来求解问题,该优化器Matlab默认包含.假设我们想求:...翻译 2019-06-12 21:34:33 · 30315 阅读 · 11 评论 -
Colab使用流程
这里写自定义目录标题Google Colab使用流程设置后端硬件挂载Google Drive授权挂载Google Drive备注Google Colab使用流程设置后端硬件代码执行程序->更改运行时类型->硬件加速器->GPU挂载Google Drive授权!apt-get install -y -qq software-properties-common pytho...原创 2019-05-30 11:52:36 · 1348 阅读 · 0 评论 -
解决在命令行运行python工程出现的“ModuleNotFoundError: No module named 'XXX' ”错误
在ide中执行python程序,都已经在默认的项目路径中,所以直接执行是没有问题的。但是在cmd中执行程序,所在路径是python的搜索路径,如果用户自定义的包在进行导入的时候,该包又恰好不在搜索路径中,就需要将报的路径加入到当前路径中:方法一:导入当前运行代码同级目录下的包import sysimport oscurPath = os.path.abspath(os.path.dirna...原创 2018-12-06 10:41:01 · 27271 阅读 · 2 评论 -
利用C++调用Pytorch的模型
第一步:将Pytorch模型转化为Torch scriptTorch Script是连接C++和Python的桥梁,Pytorch模型的表示,可以被Torch Script编译器理解,编译和序列化.如果想要C++使用Pytorch的模型,就必须先将Pytorch模型转化为Torch Script.在大多数情况下,这样的工作量都比较小,如果已经有了模型的Torch Script,那么下面的内容就...翻译 2018-10-29 11:28:06 · 21155 阅读 · 13 评论 -
Pytorch中计算卷积方法的区别(conv2d的区别)
在二维矩阵间的运算:class torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)对由多个特征平面组成的输入信号进行2D的卷积操作。详解torch.nn.functional.conv2d(input, weight, bi...原创 2018-09-28 16:45:35 · 6637 阅读 · 1 评论 -
学习计划2017
Machine-Learning一 前言 建议代码基础部分不要单独看太久,了解基本思想理论即可。关键要掌握理论算法的技术细节以及尽量尝试让自己通过代码独立实现这些理论。二 基础知识课程课程机构参考书Notes等其他资料单变量微积分MITCalculus with Analytic Geometry链接多变量微积分MITMultivariable ...原创 2018-10-07 10:08:02 · 38 阅读 · 1 评论 -
SPPNet论文笔记
这篇文章讲的特别好原创 2018-09-12 15:51:27 · 157 阅读 · 0 评论 -
SENet论文笔记
《Squeeze-and-Excitation Networks》该文章提出了一种新颖的网络结构,用于对每个通道的特征进行加权处理。在网络的训练过程中,会得到不同数量通道特征,在进行识别的过程中,每一个通道的特征的重要性都被视为是相同的来参与接下来的计算。SENet将不同特征通道的全局池化信息融合到了神经网络的训练过程中,从而能够利用网络的代价函数来对不同通道的权重进行训练。网络结构:...原创 2018-09-11 16:31:27 · 1503 阅读 · 1 评论 -
Pytorch使用的一些注意事项
加载预训练好的模型torch.load('xxx.pkl')在加载训练好的模型时,一定要将该模型所对应的结构脚本放到特定目录下(这个特定目录取决于训练模型时这些文件的目录结构)在使用模型时,之前的模型结构不能更改,否则会报错。如果模型使用了GPU模式,则输入到模型中的数据也必须是GPU上的数据。否则会报错...原创 2018-07-25 19:31:49 · 905 阅读 · 0 评论 -
VGG_Net实现人脸性别识别
一,数据处理部分VGG_Net包含两个部分,一个是特征提取部分,一个是分类器部分。 实际应用中,由于样本的缺失,很少有人会从头开始训练整个卷积神经网络(以随机初始化权重的方式)。相反,通常的做法是在一个很大的数据集上对神经网络进行预训练(例如ImageNet,该网络包含1000种类别的100多万张图片),然后将训练好的卷积神经网络用来权重初始化或者作为特征提取器。 这两个迁移学习的主要场景...原创 2018-05-19 16:53:10 · 1595 阅读 · 1 评论