qq_37534947的博客_CSDN博客-深度学习,线性代数,深度学习实验领域博主

原创加班刷题-----数组模块（java）---中等题

文章目录

2021-01-13 10:57:32 7

原创可变形卷积 Deformable Convolution的简单理解

可变形卷积 Deformable Convolution：分析步骤：1）如下图，先经过一个普通的卷积学习到每个每个特征点的位置偏移量dx和dy，所以大小变为（bhw*2c）2)然后就是用原图的特征和偏移量相加，得到偏移后的位置—大多数情况为小数。所以取值就不能直接取（当然偏移后位置不能越界）。3）因为偏移后可能为小数，所以需要双线性插值法来计算在此位置的值，插值法见后面，就是偏移后的位置和每个特征值（窗口大小）的位置做线性差值的累加和，其中要保证每个特征值的作用是小于1的，这种方法可以参照下边缘检

2021-01-11 17:58:14 16

原创加班刷题-----数组模块（java）---简单题

文章目录一.867. 转置矩阵----2021/1/11二：面试题 17.10. 主要元素----2021/1/11一.867. 转置矩阵----2021/1/11class Solution { public int[][] transpose(int[][] A) { int[][] B = new int[A[0].length][A.length]; for(int i = 0;i<A.length;i++){ for(

2021-01-11 16:30:50 12

原创加班刷题-----递归模块（java）---中等题

文章目录待待

2021-01-11 11:20:59 37 1

原创加班刷题-----递归模块（java）---简单题

文章目录1.剑指 Offer 10- I. 斐波那契数列----2021/1/8解法1-----递归解法2----动态规划1.剑指 Offer 10- I. 斐波那契数列----2021/1/8解法1-----递归class Solution { int constant = 1000000007; public int fib(int n) { if(n==0){ return 0; } if(n==1){

2021-01-08 17:24:51 43 3

原创 Windows系统下Anaconda安装pytorch与temsorflow（cpu版本）

文章目录1：Anaconda创建虚拟环境2：配置conda镜像3：Anaconda安装pytorch4：conda基本命令1：Anaconda创建虚拟环境新建一个虚拟环境，因为自带的3.7版本的python不稳定，并且可以之后根据不同的需求单独使用不同的环境（有着不同的包）。首先在anaconda的文件夹下创建你的虚拟环境名，如：cmd打开命令行：conda create -n pytorch python=3.6或者conda create -n pytorch python=3.6

2021-01-07 22:40:15 17

原创 Windows系统下Anaconda安装与使用

文章目录1：Anaconda是什么2：下载anaconda33：测试是否安装成功1：Anaconda是什么Anaconda是Python的包管理器和环境管理器。（1） Anaconda附带了一大批常用数据科学包，它附带了conda、pandas等150 多个科学包及其依赖项，因此可以用Anaconda立即开始处理数据。（2）管理包。Anaconda 是在 conda（一个包管理器和环境管理器）上发展出来，在数据分析中，用到很多第三方的包，而conda可以很好的在计算机上安装和管理这些包，包括安

2021-01-07 16:29:33 16

原创 windows重装系统简易版--不需要u盘

文章目录1：下载原版win10光盘映像文件2：顺利进入安装向导，检查安装环境3.为了加快安装进度，建议不更新，如需要以后再进行设置4.选择自己需要安装的版本（一般为专业版）5.强迫接受的许可条款6.看个人需要选择是否保留个人文件安装7.确认无误后选择”安装”8.开始安装系统，期间会进行多次的重启，请耐心等待9.国家默认即可10.可选择微软拼音或微软五笔输入法11.后面看自己的选择了就不多说了！12.最后，成功1：下载原版win10光盘映像文件链接：https://pan.baidu.com/s/

2021-01-02 13:31:28 22

原创腾讯云centos7安装jdk1.8

文章目录1：配置yum源2：搜索jdk安装包3.安装jdk1.84.配置环境5.验证是否安装成功1：配置yum源在 https://dev.mysql.com/downloads/repo/yum/ ，找到 yum 源的rpm 安装包，进行安装，因为我是租用的腾讯云，其包含了yum，所以就不在叙述。2：搜索jdk安装包# yum search java|grep jdk3.安装jdk1.8# yum install java-1.8.0-openjdk注：下载之后默认的目录为：

2021-01-02 12:48:27 103 6

原创腾讯云centos7安装mysql5.7，并开启3306端口

文章目录一：配置yum源二：安装 mysql 源3.安装Mysql4.启动 MySQL 服务5.设置开机启动6.修改root本地密码7.Mysql在腾讯云查看3306端口1.如上图，则说明默认被127.0.0.1占用。2.如果什么都没有，则无需以上操作（因为我的服务器是新租用的，所以什么都没有）8.Mysql在腾讯云开启3306端口一：配置yum源在 https://dev.mysql.com/downloads/repo/yum/ ，找到 yum 源的rpm 安装包，进行安装，因为我是租用的腾讯

2021-01-01 11:56:05 71

原创 PointCNN: Convolution On X-Transformed Points

PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation一：摘要二：介绍三：相关工作四：PointCNN五：实验六：结论七：补充一：摘要二：介绍三：相关工作分别比较：优劣：优劣：优劣：四：PointCNN五：实验六：结论七：补充分类训练结构：...

2020-12-08 17:22:10 28

原创角点检测汇总

https://www.cnblogs.com/ronny/p/4009425.htmlhttps://senitco.github.io/2017/06/18/image-feature-harris/https://littletomatodonkey.github.io/2018/12/09/2018-12-09-harris%E8%A7%92%E7%82%B9%E6%A3%80%E6%B5%8B/

2020-12-06 20:49:23 11

原创边缘检测汇总

简书–总：https://www.jianshu.com/p/ff4c1a6a68d8https://www.jianshu.com/p/effb2371ea12csdn-总：https://blog.csdn.net/qq_44736333/article/details/109152380霍夫变换：https://blog.csdn.net/zhu_hongji/article/details/81632611python：np.arctannp.arctan2np.filp..

2020-12-06 14:35:36 17

原创半正定矩阵和正定矩阵的一些理解和补充

文章目录一：半正定矩阵二：正定矩阵3.直观理解正定、半正定矩阵一：半正定矩阵设A是实对称矩阵。如果对任意的实非零列向量x有xTAx≥0，就称A为半正定矩阵。等价条件： &nbs

2020-12-05 17:19:20 57

原创 L1、L2范数理解--Ridge以及Lasso回归

文章目录一：范数对比二：范数作用三：L0范数和L1范数之间的比较四：L1范数和L2范数的比较五：L1范数和L2范数之反向传播的理解一：范数对比L0范数: 指向量中非0的元素的个数。(L0范数很难优化求解)L1范数: 指向量中各个元素绝对值之和L2范数: 指向量各元素的平方和然后求平方根注: L0范数,指向量中非零元素的个数。无穷范数,指向量中所有元素的最大绝对值。二：范数作用L1范数：可以进行特征选择，即让特征的系数变为0.L2范数：可以防止过拟合，提升模型的泛化能力，有助于处理

2020-12-05 13:37:04 54

原创 pytorch实现循环神经网络实验

一：手写循环神经网络的实现实验：手动实现循环神经网络RNN，并从至少一个数据集上进行实验，这里我选取了高速公路传感器数据PEMS04（后面的实验都是用的高速公路传感器数据），主要根据数据集的大小以及特征维度，手动实现循环神经网络，包括输入层、隐藏层、输出层，其中注意的是下一层的输入是本身和上一层的隐藏层的同时输入，最后的RNN的返回值为最后一步的隐藏状态，以及每一步的输出状态。实验目的：利用手动实现的循环神经网络RNN，利用高速公路车流量数据集，学习回归模型，使得该模型可以很好的根据历史的车流量数据

2020-12-01 18:07:31 87 2

原创 PointNet++:Deep Hierarchical Feature Learning on Points Sets in a Metrci Space 学习笔记

PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation一：摘要二：介绍三：问题陈述四：方法五：实验六：实验七：结论一：摘要二：介绍三：问题陈述四：方法五：实验六：实验七：结论...

2020-11-24 17:25:49 14

原创常见滤波（高斯滤波、均值滤波等）的简单理解

高斯滤波：高斯滤波对图像邻域内像素进行平滑时，邻域内不同位置的像素被赋予不同的权值，对图像进行平滑的同时，同时能够更多的保留图像的总体灰度分布特征。高斯滤波手动实现代码：# -*- coding: utf-8 -*-"""Created on Sat Jul 11 14:53:28 2020@author: 陨星落云"""import imageioimport numpy as npdef GaussianFilter(img): h,w,c = img.shap

2020-11-21 22:41:11 191

原创 pytorch实现空洞卷积+残差网络实验（torch实现）

一：pytorch实现空洞卷积实验（torch实现）要求：从至少一个数据集上进行实验，同理，这里我选取了车辆分类数据集（后面的实验都是用的车辆分类数据集），主要在之前利用torch.nn实现二维卷积的基础上，为解决感受野比较的问题，将普通的卷积修改为空洞卷积，并且卷几率符合HDC条件（这里我选取了1,2,5），并且堆叠了2层HDC，即一共六层卷积层。实验过程：注：所谓的空洞卷积，与https://blog.csdn.net/qq_37534947/article/details/109726153的

2020-11-16 19:10:11 202 3

原创 Pytorch实现经典模型AlexNet模型

一：Pytorch实现经典模型AlexNet模型要求：使用pytorch实现经典的分类模型AlexNet,这里主要因为没有GPU环境，而其完整参数达到了6000万个，所以如ppt要求，在该模型的基础架构上，修改卷积核的大小以及卷积操作的步长等来模拟实现。实验设计：实验过程：注：这里主要介绍一下AlexNet模型的定义，其中因为参数量过大，以及图片的输入大小变为了64*64，所以对于每层的卷积核大小以及步长等做了相关变化。1.1AlexNet模型定义1. # 定义神经网络 2. cl

2020-11-16 18:12:02 56

原创 pytorch实现卷积神经网络实验

一：手写二维卷积的实现要求：手写二维卷积的实现，并从至少一个数据集上进行实验，这里我选取了车辆分类数据集（后面的实验都是用的车辆分类数据集），主要根据数据集的大小，手动定义二维卷积操作，如：自定义单通道卷积、自定义多通道卷积、自定义卷积层等。实验过程：1.1相关包的导入1. import torch 2. import numpy as np 3. import random 4. from IPython import display 5. from matplotlib imp

2020-11-16 18:04:06 76

原创数学知识补充（一）度量空间

文章目录一：度量空间1.1定义1.2更多细节二：欧几里得度量空间2.1定义2.2理解三：其他度量空间--待一：度量空间1.1定义1.2更多细节https://zh.wikipedia.org/wiki/%E5%BA%A6%E9%87%8F%E7%A9%BA%E9%97%B4二：欧几里得度量空间2.1定义2.2理解三：其他度量空间–待参考链接：https://www.zhihu.com/question/27903807...

2020-11-16 16:52:28 14

原创线性代数（七）对称矩阵和二次型

文章目录一：对称矩阵的对角化1.1定义1.2对称矩阵对角化1.3正交对角化1.4谱定理1.5谱分解二：二次型2.1定义2.2例子2.3二次型的变量代换2.4主轴定理2.5二次型分类2.6特征值和二次型分类三：奇异值分解一：对称矩阵的对角化1.1定义注：对于对角化可以参照，https://blog.csdn.net/qq_37534947/article/details/1096203781.2对称矩阵对角化注：对于之前对角化，P应该是列向量是A的线性无关的特征向量，这里说明了当矩阵A是

2020-11-15 22:39:50 21

原创线性代数（六）正交性

文章目录一：内积、长度、正交性1.1内积1.2长度1.3正交向量1.4总结二：正交集2.1定义2.2定理--正交基2.3正交投影2.4单位正交集三：正交矩阵3.1单位正交列向量3.2性质3.3正交矩阵初入门四：拉格姆-施密特方法4.1定义4.2步骤4.3例子4.4QR分解一：内积、长度、正交性1.1内积1.定义：2.定理：注：从上面的性质可以简单总结出其是符合“对加法、对乘法封闭的”。1.2长度1.定义：2.单位向量3.n维空间的距离1.3正交向量注：补充定理

2020-11-15 16:25:55 24

原创 PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation

PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation一：摘要二：介绍三：相关工作四：问题陈述五：点集上的深度学习六：实验七：结论一：摘要二：介绍三：相关工作四：问题陈述五：点集上的深度学习六：实验七：结论...

2020-11-11 22:07:41 16

原创 PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation-ppt版学习笔记

PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation注：注：注：注：注：注：注：注：注：详细参考：

2020-11-11 21:58:18 18

原创线性代数（五）特征值和特征向量

文章目录一：特征值与特征向量二：特征方程2.1行列式求解的另一种方法--初等变换2.2可逆矩阵定理以及行列式性质的补充2.3特征方程![在这里插入图片描述](https://img-blog.csdnimg.cn/20201111151913734.png#pic_center)2.4相似性三：对角化一：特征值与特征向量1.定义：注：必须是方阵！！！2.给定特征值求特征向量：注：已知特征值，可利用行化简求特征向量，即此时的齐次方程有无穷解则有特征向量，即一个特征值对应多个特征向量。

2020-11-11 15:26:13 53

原创最优化理论（二）拉格朗日乘子法

文章目录一：无约束条件二：等式约束条件引入：优化问题通常是指对于给定的某一函数，求其在指定作用域上的全局最小值(因为最小值与最大值可以很容易转化，即最大值问题可以转化成最小值问题)一：无约束条件这是最简单的情况，解决方法通常是函数对变量求导，令求导函数等于0的点可能是极值点。将结果带回原函数进行验证即可。二：等式约束条件这种方法可以将一个有n个变量与k个约束条件的最优化问题转换为一个解有n + k个变量的方程组的解的问题。这种方法中引入了一个或一组新的未知数，即拉格朗日乘数，又称拉格朗日

2020-11-10 20:08:21 34

原创最优化理论（一）梯度直观理解

文章目录一：全导数二：方向导数三：梯度3.1为什么所有方向导数中会存在并且只存在一个最大值？3.2 这个最大值在哪个方向取得？值是多少？四：如何直观形象的理解方向导数与梯度以及它们之间的关系？五：总结一：全导数参考：https://www.zhihu.com/question/26966355/answer/154857139，直接看后面的评论，前面的太复杂了，有能力的可以看看！！二：方向导数三：梯度引出梯度：是一个矢量，其方向上的方向导数最大，其大小正好是此最大方向导数。

2020-11-10 19:48:38 30

原创概率论笔记（六）一维正态分布/二维正态分布/多维正态分布

文章目录一：一维正态分布二：二维正态分布/多维正态分布三：各向同性正态分布一：一维正态分布二：二维正态分布/多维正态分布三：各向同性正态分布各向同性的高斯分布（球形高斯分布）指的是各个方向方差都一样的多维高斯分布，协方差为正实数与identity matrix（单位矩阵）相乘。注：即方差都是一样的，均值不一样，方差的值可以单独用标量表示。参考链接：https://www.cnblogs.com/jiangkejie/p/12939776.htmlhttps://blog.cs

2020-11-10 16:29:58 128

原创概率论笔记（五）随机向量/多元随机变量

文章目录一：联合分布1.1联合分布函数1.2二维离散型随机向量及其联合分布列1.3二维连续型随机向量及其联合密度函数二：边缘分布与随机变量的独立性2.1边缘分布2.2随机变量的独立性2.3两个随机变量下的函数的分布2.3.1离散型2.3.2连续型一：联合分布引入：1.1联合分布函数注：相比于一维的分布函数，其增加了一维空间，成了二维空间，测试整体的二维空间变成了整体的1；之后同样是概率的累计。1.2二维离散型随机向量及其联合分布列1.3二维连续型随机向量及其联合密度函数性

2020-11-10 16:03:02 81

原创概率论笔记（四）概率分布的下期望和方差的公式总结

文章目录一：伯努利分布/0-1分布二：二项分布三：泊松分布四：正态分布五：均匀分布六：指数分布一：伯努利分布/0-1分布如果随机试验仅有两个可能的结果，那么这两个结果可以用0和1表示，此时随机变量X将是一个0/1的变量，其分布是单个二值随机变量的分布，称为伯努利分布。注意伯努利分布关注的是结果只有0和1，而不管观测条件是什么。推导过程：注：就是一次实验下的结果。不是0就是1.二：二项分布本质：就是n次实验下的伯努利分布。期望和方差三：泊松分布1.引入很多场合下，我们感兴

2020-11-09 22:43:41 335

原创概率论笔记（三）几种常见的概率分布

文章目录一：伯努利分布/0-1分布二：二项分布三：泊松分布一：伯努利分布/0-1分布如果随机试验仅有两个可能的结果，那么这两个结果可以用0和1表示，此时随机变量X将是一个0/1的变量，其分布是单个二值随机变量的分布，称为伯努利分布。注意伯努利分布关注的是结果只有0和1，而不管观测条件是什么。推导过程：注：就是一次实验下的结果。不是0就是1.二：二项分布本质：就是n次实验下的伯努利分布。期望和方差三：泊松分布1.引入很多场合下，我们感兴趣的试验进行了很多次，但其中成功的却

2020-11-08 21:37:50 54

原创概率论笔记（二）概率分布

文章目录一：随机变量的理解二：分布函数三：离散型分布四：连续型分布一：随机变量的理解注：其实随机变量就是一个实数，它是把随机事件映射成了一个实数，方便表示！！！二：分布函数注：随机变量是一个数，此时事件利用数来表示了，这样在其基础上，我们就可以利用将其事件的概率（数的大小）转换成一个函数，主要是关于小x的函数。而分布函数就是一个事件累计的过程，也就是概率累计的过程。这里的事件累计可以看成是多个随机事件的组成。三：离散型分布1.离散事件2.分布函数3.例子四：连续型

2020-11-08 19:39:14 52

原创概率论笔记（一）重要公式

文章目录一：基本公式二：互斥事件三：独立事件四：条件概率五：全概率公式六：贝叶斯公式一：基本公式二：互斥事件三：独立事件1.什么是独立注：独立，如：今天中午下雨的概率和你玩不玩游戏的概率，毫无关系，可以认为是两个不同的维度的比较；而互斥，你12点去吃饭或者去玩游戏，同一维度，只能有一个发生。2.公式四：条件概率1.理解2.公式五：全概率公式六：贝叶斯公式总结：可以看到其实所谓的全概率公式和贝叶斯公式其实就是简单的条件概率和基本概率的推导，由条件概率

2020-11-08 19:11:43 24

原创线性代数（三）行列式

文章目录一：行列式简介二：行列式的性质三：克拉默法则、体积和线性变化一：行列式简介1.定义：前提：方阵A可逆------------A的行列式非02.行列式求法：即包含按行展开和按列展开：3.三角矩阵的行列式二：行列式的性质根据这些性质可以得出求行列式的另一种方法，就是利用初等行变化，其中过程中要有变号、K倍的计算，最后化简为三角矩阵，利用三角矩阵的性质直接求出行列式的值。三：克拉默法则、体积和线性变化1.克拉默法则求行列式注：该法则其实对手工计算没有什么

2020-11-04 19:46:27 463

原创线性代数（二）矩阵代数

文章目录一：矩阵运算二：矩阵的逆三：向量方程四：矩阵方程五：线性方程组的解集六：阶段总结七：线性无关一：矩阵运算1.和与标量运算：这里比较简单，就不再赘述。2.矩阵乘法：本质：其实就是线性变化，线性变化见：https://blog.csdn.net/qq_37534947/article/details/1094513903.矩阵的乘幂4.矩阵的转置：二：矩阵的逆1.阶梯型以及行简化阶梯型任何非0矩阵都可以行化简为阶梯形矩阵、但用不同的方法可以化为不同的阶梯形矩阵

2020-11-03 22:12:07 71

原创线性代数（一）矩阵和方程组

文章目录一：线性方程组二：行化简与阶梯形矩阵三：向量方程四：矩阵方程五：线性方程组的解集六：阶段总结七：线性无关一：线性方程组1.线性方程：2.解的情况：3.系数矩阵、增广矩阵：系数矩阵：方程组对应的系数组成的矩阵。增广矩阵：方程组对应的系数以及最后的常数组成的矩阵。4.求解线性方程组：基本思想：初等行变换：注：可以对比一下基本思想和初等行变换，其实本质是一样的，因为求结过程是一样的，所以对于等价的矩阵来说，其具有相同的解集。其实很重要的一点，就是行变换是可逆的：5

2020-11-02 17:44:16 131

原创 pytorch实现前馈神经网络实验（torch实现）

手动实现请参考：https://blog.csdn.net/qq_37534947/article/details/109394648二：“利用torch.nn实现前馈神经网络解决回归、二分类、多分类任务”实验注：因为相比于手动实验其主要是在模型的构建中利用了torch.nn模块，其他的部分都是一样的，这里我主要介绍如何利用torch模块构建的模型。2.1“利用torch.nn实现前馈神经网络解决回归”实验实验过程：2.1.1 利用torch.nn构建模型以及初始化参数1. #实现Flatte

2020-10-31 14:35:39 258

原创 pytorch实现前馈神经网络实验（手动实现）

一：“手动实现前馈神经网络解决回归、二分类、多分类任务”实验1.1“手动实现前馈神经网络解决回归”实验实验过程：1.1.1 导入所需要的包1. import torch 2. import numpy as np 3. import random 4. from IPython import display 5. from matplotlib import pyplot as plt 6. import torch.utils.data as Data 1.1.2自定义数

2020-10-31 00:04:07 375 2