积极心态建设：3P调试法

已于 2022-03-26 19:20:15 修改
阅读量480 收藏
点赞数
文章标签： pytorch 深度学习 python
于 2021-07-11 14:42:48 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_41375318/article/details/118654282
版权

积 极 心 态 建 设 ： 3 P 调 试 法 积极心态建设：3P调试法 积极心态建设：3P调试法

https://www.bilibili.com/video/BV1T64y1m76S

一 The Permission To Be Human（允许自己有负性情感存在）

容许自己是个人，有喜怒哀乐，允许自己有正常人的情感，容许自己存在苦恼，嫉妒，愤恨，失望、痛苦等等，有痛苦、有委屈、有压力，人之常情，要允许自己有这种感受，不要硬求自己一定要幸福，一定要快乐。

有时候越想把这些苦恼抛弃掉，越抛弃不掉。

二 Postive Attitude（积极看待事物）（积极态度，积极的角度，采用有效的方法）

方法

烂事+我依然开心+因为***

跟恋人吵架+我依然开心+因为***

开心的理由，很努力不一定找的到，但是不找，就一定不开心，到底找不找，不是显而易见的吗！

人的一生从自己的哭声中开始，在别人的哭声中结束，中间短短几十年，再自寻点烦恼，这才是真正的无聊！

三 Taking Perspective（从更宏观、或者未来的视角，来看待当前的痛苦）

半年之后这个失恋带来的痛苦基本就平衡掉了

参考文献

  1. 哈佛幸福课
  2. 《幸福的方法》
*Major*
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
什么是张量
2301_76924624的博客
08-14 1056
学习使用pytorc库进行深度学习网络搭建时，张量这个词总是不定时会出现。其实，Pytorch中的所有操作都是在张量的基础上进行的，今天就来了解张量到底是什么由PyTorch官网官网介绍可知，一个Tensor是一个包含单一数据类型的多维矩阵。
详细介绍pytorch重要的API
hello！
08-14 665
Tensor 是 PyTorch 中最基本的数据结构，提供了多种创建和操作张量的函数。Autograd 提供了自动求导功能，可以跟踪 Tensor 上的操作并计算梯度。损失函数用于衡量模型预测值与真实值之间的差异，提供了多种损失函数。是构建神经网络的基础类，提供了定义网络层和前向传播的方法。提供了 GPU 计算的支持，包括设备管理、内存管理等。提供了一些常用的函数式操作，如激活函数、损失函数等。提供了常用的数据集、模型架构和图像转换工具。提供了数据加载和预处理的工具，包括。
详细介绍Pytorch中torchvision的相关使用
hello！
08-14 371
如果需要使用自定义数据集，可以继承类，并实现__len__和方法。import os# 使用自定义数据集。
Pytorch常用训练套路框架(CPU)
hello！
08-14 459
定义一个神经网络模型，通常继承自，并在__init__方法中定义网络层，在forward方法中定义前向传播过程。return x# 定义损失函数# 定义优化器。
pytorch，用lenet5识别cifar10数据集（训练+测试+单张图片识别）
08-12 444
LeNet-5 是由 Yann LeCun 等人在 1998 年提出的一种经典卷积神经网络（CNN）模型，主要用于手写数字识别任务。它在 MNIST 数据集上表现出色，并且是深度学习历史上的一个重要里程碑。
详细介绍Pytorch基于GPU训练的一般套路（device)
hello！
08-14 814
检查 GPU 可用性并选择设备。将模型移动到 GPU。在训练和评估循环中，将数据移动到 GPU。在保存和加载模型时，确保模型参数在 GPU 上。在 PyTorch 中，使用 GPU 进行模型训练可以显著提高训练速度，尤其是在处理大规模数据集和复杂模型时。以下是基于 GPU 训练的一般套路，包括数据准备、模型定义、损失函数和优化器的选择、训练循环、评估和测试，以及模型保存和加载。定义一个神经网络模型，通常继承自，并在__init__方法中定义网络层，在forward方法中定义前向传播过程。
Attention注意力机制
russwest44的博客
08-13 325
【代码】Attention注意力机制。
【深度学习】【语音】TTS，最新TTS模型概览，扩散模型TTS，MeloTTS、StyleTTS2、Matcha-TTS
q742971636的博客
08-14 355
MeloTTS: MeloTTS 是 MyShell.ai 开发的一个多语言语音合成模型，支持包括英语、西班牙语、法语、中文、日语和韩语等多种语言。它以高质量的语音合成为特色，尤其擅长处理中英混合内容。该模型优化了在 CPU 上的实时推理能力，使其在多种应用场景中都能高效运行【6†source】。StyleTTS2: StyleTTS2 旨在通过风格扩散和对抗训练达到人类级别的语音合成。它通过将风格建模为潜在变量，生成自然且富有表现力的语音。
TILs 评分：TCGA 肿瘤浸润淋巴细胞病理切片深度学习评分！图片下载与可视化
weixin_49214410的博客
08-15 878
生信碱移TCGA 数据库是最大的肿瘤组学公开数据库之一。尽管如此，更多的研究往往仅局限于关注 TCGA 中各类肿瘤样本的上游组学信息或基本病理特征，。▲早在 2018 年一篇的] 文章中，研究人员便针对 13 种 TCGA 肿瘤类型的 H&E 图像，使用卷积神经网络对图像块进行建模，预测了切片区域内肿瘤浸润淋巴细胞（TILs）的映射强度。▲由于13 种肿瘤的 TILs 评分都已经计算出来了，所以直接应用就好。: 乳腺癌 (Breast Invasive Carcinoma)
基于深度学习的图像特征优化识别复杂环境中的果蔬【多种模型切换】
迷茫与徘徊只会让你陷入绝境，欢迎私信博主，带你开始提升变现价值！
08-15 1027
基于深度学习的图像识别技术广泛应用果蔬分类和质检，助力智慧农业发展。当前果蔬图像识别研究集中在单一或无背景环境的图像，通过纹理、颜色等特征提取，利用浅层学习技术，实现图像识别。本项目聚焦果蔬运输、超市零售复杂环境中，包装袋和保鲜膜内附水珠等视觉挑战下的果蔬精准识别。运用深度学习方法结合图像去雾、去雨水、去模糊等图像优化算法，设计基于深度学习的果蔬图像识别模型，并进行模型识别效果评价。
遗传算法与深度学习实战（4）——遗传算法详解与实现
盼小辉丶的博客
08-13 1260
在遗传算法 (Genetic Algorithms, GA) 中，使用选择、交叉、突变和适应度来模拟生物减数分裂或繁殖的基本操作。适应度是衡量个体优劣的指标，可以用于量化模拟个体成功解决给定问题的能力。通过修改遗传算法超参数，如种群大小、世代数、交叉率和突变率等超参数，能够调整和修改进化进程。在本节中，我们介绍了遗传算法基本概念及算法流程，并使用 Python 实现遗传算法解决 OneMax 问题。
Transformer架构；Encoder-Decoder；Padding Mask；Sequence Mask；
ZJQ的博客
08-13 470
Transformer架构；Encoder-Decoder；Padding Mask；Sequence Mask；
Transformer和LSTM相结合--应用场景
GDHBFTGGG的博客
08-14 998
将Transformer和LSTM相结合可以在多种自然语言处理（NLP）任务中取得显著效果，特别是在需要捕捉长短期依赖的场景中。结合的目的是利用Transformer的全局注意力机制和LSTM的短期记忆能力，实现更强大的序列建模。
【深度学习】单层神经网络
TeamLee的博客
08-15 1045
本文介绍了单个神经元模型和具有两个输出单元的单层神经网络，也称为感知机，以及它们的算法和示意图。
基于深度学习的结合物理定律的预测模型
最新发布
weixin_42605076的博客
08-16 521
基于深度学习的结合物理定律的预测模型，通过将深度学习的强大非线性映射能力与物理定律的先验知识相结合，提升预测模型的准确性、可解释性和稳定性。这种方法在科学计算、工程预测和数据分析等领域都有着广泛的应用潜力。
基于深度学习的迁移学习
weixin_42605076的博客
08-14 641
基于深度学习的迁移学习（Transfer Learning）是将从一个或多个源任务中学到的知识应用到目标任务中的一种技术。它可以有效地解决因数据不足或计算资源有限而导致的深度学习模型训练困难的问题。
深度学习基础—Dropout正则化(随机失活正则化)
sniper_fandc的博客
08-13 258
这种神经元依赖上下文神经元的现象也被成为协同适应），在训练网络的过程中，由于去除了某些神经元，那么网络就失去了该神经元的部分表征，因此在训练后，网络能学习更加独立丰富的特征（这种效果类似L2范数正则项，每个神经元不会被赋予更大的权重，从而产生了收缩权重平方范数的效果），使模型更加鲁棒。2.网络中每层的keep_prob都可以不同，对于输入层通常不设置keep_prob，对于节点较多的层keep_prob的值应该要比其他层小（也就是更大概率删除更多的节点，因为节点多的层容易过拟合）。对应位置的输出就是0。
深度学习碎碎念——碎片知识2
m0_59704905的博客
08-15 668
假设训练了一个模型来预测天气，使用过去几年的数据来训练模型，但随着时间的推移，气候变化导致某些因素（如温度、湿度等）与天气之间的关系发生了变化，这意味着即使温度和湿度的分布没有变化，它们与天气的关系可能已经改变了，这就是概念偏移。学习如何区分苹果和橙子。如果训练模型时使用的苹果和橙子的比例是 50:50，但在实际应用中，苹果和橙子的比例变成了 80:20。深度学习框架可以自动计算导数：我们首先将梯度附加到想要对其计算偏导数的变量上，然后记录目标值的计算，执行它的反向传播函数，并访问得到的梯度。
基于深度学习的物理现象模拟
weixin_42605076的博客
08-15 888
基于深度学习的物理现象模拟利用深度学习模型对复杂的物理系统进行近似和预测。传统的物理模拟需要解决复杂的微分方程或离散化问题，而深度学习模型可以通过学习数据中的模式，快速、准确地模拟物理现象。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值