qq_35912099的博客

转载 对焦方法简述

自动对焦方法学习_沧海一升的博客-CSDN博客_自动对焦

转载 DarkNet53

Darknet53网络结构及代码实现_Tc.小浩的博客-CSDN博客_darknet53讲的不错

原创 临检流水线仪器基本逻辑

临检流水线上的逻辑、每个模块干什么1、血常规（ 主要利用散射光进行统计 主要是白细胞、红细胞、血小板以及各自所占的比例,还有分布的宽度以及体积情况 贫血、感染 白血病初步判断）、2、CRP(C反应蛋白 区分病毒还是细菌感染 其余心梗 感染 炎症、创伤、肿瘤有关)、3、糖化（糖化血红蛋白 检测糖尿病）、4、全自动血细胞形态分析仪(镜检 各种指标在镜检下的明确确定病状)染色剂(着色的逻辑是什么 不同染色方法 针对不同目标 且颜色有差距)真菌镜检常用染色方法优缺点_化工

原创 lambda and filter

转载 激活函数简介

几种常见的激活函数_及后续工作的博客-CSDN博客

原创 softmax&&交叉熵损失

转载 自然语言处理与计算机视觉的发展

转载：自然语言处理(nlp)比计算机视觉(cv)发展缓慢，而且更难！1.抢跑的nlpnlp发展的历史非常早，因为人从计算机发明开始，就有对语言处理的需求。各种字符串算法都贯穿于计算机的发展历史中。伟大的乔姆斯基提出了生成文法，人类拥有的处理语言的最基本框架，自动机(正则表达式)，随机上下文无关分析树，字符串匹配算法KMP，动态规划。nlp任务里如文本分类，成熟的非常早，如垃圾邮件分类等，用朴素贝叶斯就能有不错的效果。20年前通过纯统计和规则都可以做机器翻译了。相比，在cv领域，那时候..

转载 TOP1&TOP5 ACC

Top-1准确率和Top-5准确率_a7_aaaaa的博客-CSDN博客_top1准确率

原创 模型优化-剪枝

参考文献: PRUNING FILTERS FOR EFFICIENT CONVNETS剪枝的目的：不降低正确率的基础上进行参数量的削减、正确率、高计算效率、小的网络大小(参数)、降低网络的推测时间。量化：量化是对数据存储中的数据类型进行变化蒸馏：蒸馏是迁移学习中的一种减少参数的方法：有从网络本身进行参数削减的如利用平均池化层、采用下采样缩小特征图的大小、或者采用一些相同感受野的缩小参数的结构如 1 3 1 结构剪枝本生的工作方法：1、通过某些度量值判读权重的重要性2、或者

原创 Linux 基本常用指令(个人记录 持续更新)

查看linux服务器磁盘容量 df -h查看进程状态 top查看G卡状态 nvidia-smi

转载 反卷积原理 + pytorch反卷积层参数output_padding

反卷积原理 + pytorch反卷积层参数output_padding_T-Jhon的博客-CSDN博客_pytorch 反卷积

原创 Triplet loss& 交叉熵loss

转载 Inception-V3

深度学习之基础模型-Inception-V3_whz1861的博客-CSDN博客

转载 Pycharm Debug

Pycharm Debug调试(纯干货)_醒了的追梦人的博客-CSDN博客

原创 Pytorch-数据保存载入

pytorch中保存模型相关的函数有3个：torch.save：利用python的pickle模块实现序列化并保存序列化后的objecttorch.load：利用pickle将保存的object反序列化torch.nn.Module.load_state_dict：通过反序列化得到的state_dict读取保存的训练参数有两种方法保存模型：1. torch.save(model, path) # 直接保存整个模型2. torch.save(model.state_dict(), pa

原创 计算机学术会议

附件是计算机领域的学术会议等级排名情况，分为A+, A, B, C, L 共5个档次。其中A+属于顶级会议，基本是这个领域全世界大牛们参与和关注最多的会议。国内的研究者能在其中发表论文的话，是很值得骄傲的成就。A类也是非常好的会议了，尤其是一些热门的研究方向，A类的会议投稿多录用率低，部分A类会议影响力逐步逼近A+类会议。B类的会议分两种，一种称为盛会级，参与的人多，发表的论文也多，论文录用难度比上两个级别要低很多，通常是行业内的学者们年度交流的好时机。一种是专业级的小会，圈子往往比较小，但是也有一

原创 np.tile()函数的作用

np.tile函数的作用np.tile()1.沿X轴复制2.XY轴都复制，或只沿着Y轴复制的方法np.tile()本着函数取名必有所依的原理，博主百度了一下tile的英文意思，发现tile有平铺的意思。1.沿X轴复制在numpy中，np.tile（a,(2)）函数的作用就是将函数将函数沿着X轴扩大两倍。如果扩大倍数只有一个，默认为X轴如图：2.XY轴都复制，或只沿着Y轴复制的方法np.tile(a,(2,1))第一个参数为Y轴扩大倍数，第二个为X轴扩大倍数。本例中X轴扩大一倍便为不复

转载 keras train_on_batch详解（train_on_batch的输出输入详解，train_on_batch多GPU训练详解，自定义学习率调整策略）

keras train_on_batch详解（train_on_batch的输出输入详解，train_on_batch多GPU训练详解，自定义学习率调整策略）_baoxin1100的博客-CSDN博客_train_on_batch

转载 CGAN中的label_embedding = Flatten()(Embedding(10, 100)(label))行代码解释

CGAN中的label_embedding = Flatten()(Embedding(10, 100)(label))行代码解释_plus_left的博客-CSDN博客

转载 Keras中的两种模型:Sequential和Model用法

Keras中的两种模型:Sequential和Model用法_Python_脚本之家

原创 Numpy-np.prod

转载 tensorflow教程:tf.contrib.rnn.DropoutWrapper

https://blog.csdn.net/abclhq2005/article/details/78683656

原创 Tensorflow-tf.split

在tensorflow 的代码里经常看到tf.split()这个函数，今天来扒一扒这个API的用法tf.split( value, num_or_size_splits, axis=0, num=None, name='split')Splits a tensor into sub tensors.If num_or_size_splits is an integer type, num_split, then splits value along dim...

原创 Bag of features 算法原理

Bag of features，简称Bof，中文翻译为“词袋”，是一种用于图像或视频检索的技术。而检索就要进行比对。两幅不同的图像如何比对，比对什么，这就需要提炼出每幅图像中精练的东西出来进行比较。一、Bag of features算法基础流程1、收集图片，对图像进行sift特征提取。2、从每类图像中提取视觉词汇，将所有的视觉词汇集合在一起。3、利用K-Means算法构造单词表。K-Means算法是一种基于样本间相似性度量的间接聚类方法，此算法以K为参数，把N个对象分为K个簇，以使簇内具有较高

原创 LSTM-长短记忆网络

选择性保留或丢弃上一层信息

原创 RNN-递归神经网络

传统的神经网络架构、递归神经网络、就是把多个传统神经网络进行了串联反向传播-链式法则

原创 Pandas之loc&iloc

loc函数：通过行索引 "Index" 中的具体值来取行数据（如取"Index"为"A"的行）iloc函数：通过行号来取行数据（如取第二行的数据）本文给出loc、iloc常见的五种用法，并附上详细代码。1.利用loc、iloc提取行数据import numpy as npimport pandas as pd#创建一个Dataframedata=pd.DataFrame(np.arange(16).reshape(4,4),index=list('abcd'),columns=li.

转载 视频数据数据集处理与加载(Pytorch)

之前写了一篇没有使用任何深度学习框架来处理视频数据集的文章：视频数据集UCF101的处理与加载（未使用深度学习框架）上面的处理方法简单粗暴，但仍有很多可以优化的空间，这两天又学习了一下PyTorch对于数据集加载的支持：PyTorch入门学习（七）：数据加载与处理之前说过要用PyTorch的方法重新实现一遍对于UCF101的处理，所以在这里做个记录。这篇文章里仅仅记录具体的实现方法，至于为什么这么做还是看前面转载的PyTorch入门学习（七）：数据加载与处

原创 使用torchvision.datasets.Imagefolder将数据分为训练集和测试集

orig_set = torchvision.datasets.Imagefolder(...) # your datasetn = len(orig_set) # total number of examplesn_test = int(0.1 * n) # take ~10% for testtest_set = torch.utils.data.Subset(orig_set, range(n_test)) # take first 10%train_set = torch.util.

转载 PIL-Image及其方法介绍

https://blog.csdn.net/leemboy/article/details/83792729

原创 conv&pool&padding

原创 ResNet - Conv-block&identity-block的区别

1、basic_block=identity_block2、左conv-block 右 identity-block本质区别就是有没有下采样downsample和通道转换downsample直接利用卷积完成

原创 Semantic_segmentation-PSPnet

一、语义分割二、整体结构1、不失真resize 473x473 可以了解下 灰条或者黑边2、特征提取 Mobilenetv2\ResNet3、PSP不同大小的池化核 划分成不同大小的区域 6x6 3x3 2x2 1x1 加强特征提取 像素点进行分类4、上采样+堆叠 最后Resize输出473x473三、主干 --本代码的逻辑框架结构改变Mobilenetv2inverted residuals调整维度与残差边维度相同 残差边还是经过卷积进行了尺寸的调整 主要看

原创 Pytorch上下采样函数--interpolate用法

def interpolate(input, size=None, scale_factor=None, mode='nearest', align_corners=None):根据给定 size 或 scale_factor，上采样或下采样输入数据input.当前支持 temporal, spatial 和 volumetric 输入数据的上采样，其shape 分别为：3-D, 4-D 和 5-D.输入数据的形式为：mini-batch x channels x [optional...

转载 Pytorch中nn.ModuleList和nn.Sequential的用法和区别

最近在定义一个多任务网络的时候对nn.ModuleList和nn.Sequential的用法产生了疑惑，这里让我们一起来探究一下二者的用法和区别。nn.ModuleList和nn.Sequencial的作用先来探究一下nn.ModuleList的作用，定义一个简单的只含有全连接的网络来看一下。当不使用ModuleList只用list来定义网络中的层的时候：import torchimport torch.nn as nnclass testNet(nn.Module): def ...

转载 Pytorch-nn.sequential

前言：类似于keras中的序贯模型，当一个模型较简单的时候，我们可以使用torch.nn.Sequential类来实现简单的顺序连接模型。这个模型也是继承自Module类的，关于这个类，后面的文章会详细介绍。一、关于Sequential类的简介先来看一下它的定义吧，在之前，我们首先需要明确一个特别重要的观念，那就是——torch的核心是Module类，Module类在下面这个模块中：D:\ProgramData\Anaconda3\envs\pytorch1.1.0\Lib\site-pack

转载 Python-assert()

使用assert断言是学习python一个非常好的习惯，python assert 断言句语格式及用法很简单。在没完善一个程序之前，我们不知道程序在哪里会出错，与其让它在运行最崩溃，不如在出现错误条件时就崩溃，这时候就需要assert断言的帮助。本文主要是讲assert断言的基础知识。python assert断言的作用python assert断言是声明其布尔值必须为真的判定，如果发生异常就说明表达示为假。可以理解assert断言语句为raise-if-not，用来测试表示式，其返回值为假，就会触

原创 L1&L2正则

原创 卷积-参数共享

每个通道的面阵共享一个核窗的参数核、尝试所有通道共享一个

原创 图像预处理

https://blog.csdn.net/weixin_44791964/article/details/102940768?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522162985784816780357263934%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=1629857848167803572639