第六周学习总结

最新推荐文章于 2022-07-11 14:24:16 发布
最新推荐文章于 2022-07-11 14:24:16 发布
阅读量128 收藏
点赞数
分类专栏： 笔记
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_41882866/article/details/107715890
版权

第六周学习总结


PyTorch：本周继续学习了基本操作，包括tensor的合并与分割、数学运算、属性统计等；另外复习了随机梯度下降算法，并通过一个demo实现了自动求梯度和反向传播；此外还实现了一个2D函数的模型构建与优化。
PyTorch自用笔记（第三周-进阶篇）
计算机视觉：本周学习了一些CNN框架，包括LeNet-5、AlexNet、VGGNet、GoogLeNet、ResNet、DenseNet等，了解了主流框架的基本结构和主要特点。 李飞飞计算机视觉-自用笔记（第四周）

代号06009
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
第六周总结内容
D3309330的博客
11-27 178
本周内容总结
第四周学习总结
weixin_75187824的博客
01-01 420
逻辑函数的基本规则和定律逻辑函数表达形式和逻辑函数的代数化简法
.Net平台开发的技术规范与实践精华总结(转)
曾飞龙的专栏
04-05 445
以下是本人对.Net平台开发实践的一些点滴总结。这里的技术规范主要是开发过程的代码规范、数据库设计规范、Com和.Net互操作规范；实践精华是对技术实践过程中的部分总结。一、代码规范良好的代码风格来自于同一的代码规范。风格良好的代码不仅具备可读性和可维护性，同时也给人行云流水、赏心悦目之快感。据Microsoft公司统计，基于微软平台的开发中，有70-80%的印度工程师在完成同类算法或者模块时，使
第六周学习进度总结
weixin_33995481的博客
04-06 258
记录时间： 第六周 所花时间（包括上课） 10h 代码量（行） 约1500行 博客量（篇） 2篇 了解到的知识点 正在做老师留的地铁售票系统，现只能完成单条线的售票，之后会继续努力，在下次课前做出来。 转载于:https://www...
Java学习第六周学习总结
最新发布
10-16
内容包括集合框架，泛型以及实用类
520_第六周学习总结1
08-08
在本篇520第六周学习总结中，主要讨论了动态规划（Dynamic Programming，简称DP）、深度优先搜索（Depth First Search，简称DFS）以及字典树（Trie）的应用，并涉及了双向广度优先搜索（BFS）的模板代码。...
第六周实习总结实习学习总结.doc
12-06
在第六周的实习过程中，我深入参与了多项关键的建筑工程任务，这不仅加深了我对理论知识的理解，也强化了我的实践技能。以下是我对本周实习学习的一些主要总结。 首先，我参与了承台梁线的放射与浇筑工作。放射线是...
520_第七周学习总结1
08-08
六、python实现 在python中，我们可以使用列表来实现排序算法。python提供了多种排序算法的实现，例如 Sort()函数和sorted()函数。我们也可以手动实现排序算法，例如使用python的列表来实现选择排序、插入排序和冒泡...
学院第六周政治理论学习活动总结.docx
02-19
学院第六周政治理论学习活动总结.docx
paper reading(2)-HOTR: End-to-End Human-Object Interaction Detection with Transformers
qq_41882866的博客
05-12 1165
注：该文章取自CVPR2021 源码： Abstract 首先介绍了一下HOI任务：检测人与物体交互关系的任务，包含 i)定位交互的主体和客体 ii)交互标签的分类 大多数现有的方法是通过检测人和对象，分别推断每一对直接的关系，但这种方法是间接地解决问题。 本文提出了HOTR框架，基于transformer的encoder-decoder结构直接预测（人，物体，交互）的三元组集合。这种预测集合的方法，有效地利用了内部语义关系，节约了时间成本。 1. Introduction 先前解决HOI的方法是，先进行对
PyTorch自用笔记（第六周-实战2）
qq_41882866的博客
08-21 765
PyTorch自用笔记（第六周）十一、循环神经网络RNN&LSTM11.1 时间序列表示方法11.2 RNN 十一、循环神经网络RNN&LSTM 11.1 时间序列表示方法 [seq_len, feature_len]：[序列长度, 特征长度/维度/表示方法] 文本信息： 1.one-hot编码： 特定的位置编码为1，其余为0 缺点：稀疏 2.[words, words_vec] Batch： [word num, b, word vec] [b, word num, word vec] 编
paper reading(1)-Meta Batch-Instance Normalization for Generalizable Person Re-Identification
qq_41882866的博客
05-06 682
注：该文章取自CVPR2021 源码：https://github.com/bismex/MetaBIN Abstract 有监督的person re-id方法已经具有良好性能，但对于不可见的域，泛化能力较弱。 许多现有的方法采用instance normalization(实例正则化，消除风格)，但instance normalization会丢失关键的判别信息。 本文提出的MetaBIN方法main idea：通过元学习的pipeline预先模拟不成功的泛化场景（Under-style-normaliz
PyTorch自用笔记（第四周）
qq_41882866的博客
08-07 493
PyTorch自用笔记（第四周）七、神经网络与全连接层7.1 逻辑斯蒂回归7.2交叉熵7.3 多分类问题实战7.4 全连接层 七、神经网络与全连接层 7.1 逻辑斯蒂回归 线性回归回顾：机器学习-吴恩达（第一周）二、模型描述 目标：pred = y 方法：最小化dist(|pred - y|) 逻辑斯蒂回归：机器学习-吴恩达（第二周）六、分类问题 目标：benchmark如精确度 方法1：最小化dist 方法2：最小化divergence 7.2交叉熵 softmax复习： enlarger the lar
李飞飞计算机视觉-自用笔记（第六周）
qq_41882866的博客
08-14 385
李飞飞计算机视觉-自用笔记（六）11 图像分割、定位、检测11.1 语义分割11.2 图像分类+定位11.3 对象识别 11 图像分割、定位、检测 11.1 语义分割 方法1：滑动窗口 问题：效率低下 方法2：全连接卷积网络 问题：计算量太大，耗费内存 方法3：卷积与下采样结合 上采样：按某规则扩充像素 转置卷积：不再是对应元素与卷积核做内积，而是用输入做权重处理卷积核，使输出是带有权重的卷积核的叠加 11.2 图像分类+定位 通常有两个全连接层，其中一个输出类别及得分，另一个输出坐标及图像的长、宽 分别
前端面试高频知识点（持续更新版）
qq_41882866的博客
07-11 362
前端面试高频知识点（持续更新版）
PyTorch自用笔记（第五周-实战1）
qq_41882866的博客
08-14 356
PyTorch自用笔记（第五周）十、10.1 十、 10.1
李飞飞计算机视觉-自用笔记（第一周）
qq_41882866的博客
07-10 351
李飞飞计算机视觉经典课程-自用笔记1 课程介绍-计算机视觉概述1.1 课程介绍-历史背景1.2 课程介绍-课程后勤2 图像分类-数据驱动方法2.1 图像分类-K最近邻算法2.2 图像分类-线性分类3 损失函数和优化介绍 1 课程介绍-计算机视觉概述 1.1 课程介绍-历史背景 1.2 课程介绍-课程后勤 2 图像分类-数据驱动方法 2.1 图像分类-K最近邻算法 2.2 图像分类-线性分类 3 损失函数和优化介绍 ...
李飞飞计算机视觉-自用笔记（第七周）
qq_41882866的博客
08-28 338
李飞飞计算机视觉-自用笔记（六）13 生成模型13.1 13 生成模型 属于无监督学习的一种，在该任务中，通过给定训练数据的情况下，我们的目标是从相同的数据分布中生成新的样本 生成式模型可以解决密度估计的问题，关于估计训练数据的潜在分布的任务，这也是无监督学习的核心问题 13.1 ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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