qq_37840762的博客

Video-Text Retrieval:2020 CVPR ViT An Image Is Worth 16X16 Words Transformers for image recognition at scale 2021CVPR Dual Encoder Frozen in Time A Joint Video and Image Encoder for End-to-End Retrieval 2021ELSEVIER MAN Multi...

2.基本LSTM_Unit计算——基本LSTM_AE结构3.自定义LSTM_Unit计算——自定义LSTM_AE结构1.LSTM-Encoder-Decoder模型结构及简要解析图基本lstm计算单元

在为神经网络准备输入数据时，我们需要指导网络需要的数据各维度代表什么，比如网络需要的输入按照如下方式排列(seq_size,batch_size,input_feature_size);而我们手中的数据是按另一种方式排列的：(batch_size,seq_size,input_feature_size);这时有个十分方便的函数供我们使用，可以看到只需要将手中输入数据的第0维和第1维重新排列即可得到期望的输入格式，即简单调用[tensor].permute(1,0,2)以下是pytor..

目录9.1 卷积-kernel_size,stride,zero_padding9.2 Activation Function & Max pooling9.3 多输入多输出通道9.4 卷积神经网络-CNN使用GPU资源Torchvision模型9.1 卷积-kernel_size,stride,zero_padding位置无关性，近邻关系，更少的参数卷积通过查看相关位置而不是绝对位置来解决位置相关问题9.2 Activation Function...

目录8.1 Deep Neural Networks-nn.ModuleList()8.2 Dropoutdropoutpytorch实现dropout8.2 Neural Network Initialization Weights1.不初始化权重具有的问题2.不同的网络参数初始化方法：缺省方法，泽西尔方法，何方法8.3 Gradient Descent with Momentum1.什么是动量momentum,动量如何解决陷入鞍点问题2.什么是动量mome...

目录7.1 神经网络1.带有两个神经元的隐层的神经网络2使用nn.Module和nn.Sequential两种方法创建该神经网络3.训练神经网络7.2 神经网络-更多隐层单元7.3 神经网络-输入特征维度增加7.5 pytorch中backward()方法7.6 激活函数7.1 神经网络1.带有两个神经元的隐层的神经网络2使用nn.Module和nn.Sequential两种方法创建该神经网络3.训练神经网络1.带有两个神经元的隐层的神经网络...

目录6.1 Softmax1.softmax 1D2.softmax 2D6.2 Softmax函数6.3 pytorch用Softmax实现分类6.1 Softmax1.softmax 1D2.softmax 2Dsoftmax 1D，输入特征是一维的情况多类别分类线性模型softmax，如图所示，对于每一个一维样本，三条直线分别有不同的输出值，将样本点归于预测值的最大的那条直线代表的类别：图6.1-1 softmax对于一维情况softm...

目录5.0 Linear Classifier and Logistic Regression1.Logistic regression定义2.Logistic Regression用pytorch实现1.logistic function2.用nn.Modules创建自定义模型3.nn.Sequential5.2 Bernoulli分布和最大似然估计5.3 Logistic Regression Cross-Entropy Loss1.均方误差的问题2交叉...

目录3.1 Stochastic Gradient Descent1.随机梯度下降2.Data Loader+SGD3.2 Mini-batch Gradient Descent1.Mini-batch梯度下降2.pytorch中的mini-batch梯度下降3.3 pytorch中的Optimization3.4 Training,Validation and Test Split1 训练集和验证集的作用2 如何训练，验证模型并保存模型3.1 ...

目录2.1 Linear Regression in 1D prediction1.linear regression2.pytorch中：Linear类，如何通过nn.module自定义层2.2 Linear Regression Training1.训练Training2.损失Loss①梯度下降是什么②学习率learning rate选择的问题③何时停止梯度下降④Cost2.1 Linear Regression in 1D prediction1.lin

目录1.Overview of Tensors1维和2维张量2.导数和梯度3.Datasets类1.1Tensor 1D1.数据类型2.索引和切片3.基本操作4.通用函数1.2 Tensor 2D12D Tensor例子2.创建2D Tensor3. 2D Tensor索引和切片4.常用操作1.3 pytorch中导数和梯度1.4 简单的Dataset1.如何创建一个Dataset类2.如何创建Transform类3.如何Comp.

detach()方法 得到一个和源张量共享内存，但没有梯度信息的张量,不参与计算图的梯度计算clone()方法 开辟新内存空间，其值和源张量一样，参与计算图中梯度计算并可将梯度信息传递到源张量进行累积，但通过clone方法得到的张量其只是一个中间值，梯度为Noneimport torcha=torch.tensor(2.0,requires_grad=True)b=a.clone() #参与计算图梯度计算，但是和a不是同一内存，改变b值不影响a值c=a.detach() ...

两点说明：theano的语法习惯是先定义类型，最后赋值的做法 theano中scan函数是用来做循环使用的。 最简单的其形式如下：theano.scan(fn ,squences ,outputs_info ，non_sequences) 其中，fn是循环函数，squences ,outputs_info ，non_sequences都是fn的参数，简明解释如下：fn：循环函数squence：以时序方式给出的参数，形如[s1,s2,...st-1,st]...

2016 DVSH Deep Visual-Semantic Hashing for Cross-Modal Retrieval 2016 ICMR CAH Correlation Autoencoder Hashing for Supervised Cross-Modal Search 2016 SRH Supervised Recurrent Hashing for Large Scale Video Retr...

Hash deep 2021 ELSEVIER Classification-enhancement deep hashing for large-scale video retrieval 2021 Sensors A Supervised Video Hashing Method Based on a Deep 3D Convolutional Neural Network for Large-Scale Video Retri

Hash deep 2021 TIP Semantics-Aware Spatial-Temporal Binaries for Cross-Modal Video Retrieval

#测试python中的name mangle机制class A: __attr1=1 def __init__(self): self.attr2=2 @classmethod def getAttr1(cls): return cls.__attr1 def getAttr2(self): return self.__attr2

NonDeep Hash2017 ACM-MMEfficient Binary Coding for Subspace-based Query-by-Image Video Retrievalhttps://dl.acm.org/doi/abs/10.1145/3123266.31233922020 IEEE-TMBoosting Temporal Binary Coding for Large-Scale Video Searchhttps://ieeexpl...