- 博客(15)
- 收藏
- 关注
RSS订阅原创 WIN10下在Jupyter Notebook(anaconda3)中使用conda虚拟环境，设置代码提示
1.在（base）环境中安装nb_conda组件conda install nb_conda2.在新建的环境中，安装ipykernelconda install ipykernel也可以使用conda install -n python_env ipykernel给ipykernel命名
2021-06-10 14:46:59
432
原创 pytorch官方教程学习笔记2—— Datasets & DataLoaders
官方教程地址目录加载一个Dataset迭代和可视化Dataset为你的文件创建一个自定义的Dataset使用DataLoader为训练准备数据遍历DataLoader为了使数据集代码与模型训练代码解耦以获得更好的可读性和模块化，Pytorch提供了两个数据基元：torch.utils.data.DataLoader和torch.utils.data.Dataset。Dataset存储样本和相应的标签，DataLoader在Dataset上封装了一个迭代对象以更方便地访问样本。Pytorch提供了一些预
2021-03-28 13:57:11
357
原创 pytorch官方教程学习笔记1——Tensors
官方教程地址目录张量Tensor张量初始化直接从数据初始化从Numpy数组初始化从另一个张量初始化用随机值或常量初始化张量属性张量运算标准的类似于numpy的索引和切片连接张量张量乘法in-place运算与NumPy的关系张量toNumpy数组Numpy数组to张量张量Tensor张量是一种特殊的数据结构，相似于数组和矩阵。在Pytorch中，我们使用张量来对模型的输入、输出和参数进行编码。张量和Numpy相近，但是tensor可以运行在GPU上import torchimport numpy a
2021-03-27 19:43:26
272
原创 Task01：初识数据库与SQL——SQL学习笔记
目录初识数据库初始SQL练习题初识数据库数据库（Database，DB）：通过计算机加工而成的可以进行高效访问的数据集合。用来管理数据库的计算机系统称为数据库管理系统（Database Management System，DBMS）。数据库的类型：1.层次数据库2.关系数据库Oracle Database：甲骨文公司的RDBMSSQL Server：微软公司的RDBMSDB2：IBM公司的RDBMSPostgreSQL：开源的RDBMSMySQL：开源的RDBMS3.面向对象数据
2021-03-27 15:05:01
257
原创 西瓜书第六章笔记及答案——支持向量机
目录第6章 支持向量机6.1间隔与支持向量6.2对偶问题6.3核函数6.4软间隔与正则化6.5支持向量回归第6章 支持向量机6.1间隔与支持向量支持向量（support vector）：距离超平面最近的且满足一定条件的几个训练样本点间隔（margin）：两个不同类别的支持向量到超平面的距离之和支持向量机（support vector machine）：最大化间隔6.2对偶问题对偶问题（dual problem）：实质相同但从不同角度提出不同提法的一对问题。支持向量机本身是一个凸二次规划问
2021-01-27 16:59:38
8256
1
原创 西瓜书第五章笔记及答案——神经网络
目录第5章 神经网络5.1 神经元模型5.2感知机和多层网络5.3误差逆传播算法5.4全局最小和局部极小5.5其他常见神经网络5.5.1RBF网络5.5.2ART网络5.5.3SOM网络5.5.4级联相关网络5.5.5Elman网络5.5.6Boltzmann机5.6深度学习习题5.1试述将线性函数f(x)=wTxf(x)=w^{T}xf(x)=wTx用作神经元激活函数的缺陷。5.2试述使用图5.2(b)激活函数的神经元与对率回归的联系。5.3对于图5.7中的vihv_{ih}vih试推导出BP算法中的更
2021-01-25 17:26:33
9481
2
原创 论文阅读《Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks》
目录论文连接基于多任务级联卷积网络的联合人脸检测与校准1.介绍2.方法3.实验论文连接https://kpzhang93.github.io/MTCNN_face_detection_alignment/基于多任务级联卷积网络的联合人脸检测与校准摘要：由于各种各样的姿势、光照和遮挡情况，无约束条件下的人脸检测和校准具有挑战性。最近的研究表明，深度学习方法在这两个任务上可以达到很好的性能。在本篇文章，我们提出了一个深度级联多任务架构，利用它们内部的关联来提升它们的性能。尤其是，我们的架构采用了一个具有
2020-12-31 20:52:15
953
1
原创 西瓜书第二章笔记及答案——模型评估与选择
第2章 模型评估与选择2.1经验误差与过拟合错误率error rate：分类错误的样本占总样本的比例精度accuracy：1-错误率误差error：实际预测输出与真是输出之间的差异，在训练集上的误差成为训练误差training error或经验误差empirical error，在新样本上的误差成为泛化误差generalization error训练的最终目标是获得较小的泛化误差，但是实际能做的是努力使训练误差较小，然而经验误差小的模型，其泛化误差不一定小。为了获得较小的泛化误差，需要从训练集上
2020-12-22 16:18:23
2611
1
原创 西瓜书第一章笔记及答案——绪论
第1章 绪论1.1引言机器学习：研究如何通过计算手段，利用经验来改善系统自身的性能研究的主要内容：学习算法——关于在计算机上从数据中产生模型的算法模型——全局性结果 模式——局部性结果1.2基本术语数据集dataset：一组数据的集合示例instance、样本sample：数据集中关于对象的一条描述属性attribute、特征feature：反映对象的性质属性值attribute value：属性的取值属性空间attribute space、样本空间sample space、输
2020-12-19 21:49:00
845
2
原创 Task03 Python基础进阶：从函数到高级魔法方法——阿里云天池
目录学习目标学习内容学习时间学习产出函数1.定义2.函数文档和调用3.函数参数3.1位置参数3.2默认参数3.3可变参数3.4关键字参数3.5命名关键字参数3.6参数组合4.函数返回值5.变量作用域Lambda表达式匿名函数匿名函数的应用类与对象公有和私有继承组合类、类对象和实例对象一些相关的内置函数（BIF）魔法方法基本魔法方法算术运算符反算术运算符增量赋值运算符一元运算符属性访问描述符序列迭代器生成器学习目标初步掌握python函数、类相关知识学习内容1.函数2.Lambda表达式3.类与
2020-12-05 18:06:36
140
原创 Task01 关于运算符优先级和位运算的学习研究 复习笔记 ——阿里云天池
目录学习目标：学习内容：学习时间：学习产出：运算符优先级研究优先级结合性位运算研究1.按位与&2.按位或|3.按位取反~位运算使用场景参考学习目标：复习Task01内容，并对关键内容进行总结学习内容：主要复习了运算符优先级、位运算两块内容，对运算符的优先级进行了背诵和记忆，对位运算相关知识进行了总结首先说明的是，本文所有内容是本人对python客观性能的主观分析，只对python语言的宏观表现加以理解，目的在于更好更方便的推理出相关语句的行为结果，可能与实际的python解释器的底层行为
2020-12-03 14:56:38
322
原创 Task02 Python基础练习：数据结构大汇总 ——阿里云天池
学习目标：完成Task02，进一步学习Python数据结构学习内容：1、 列表2、 元组3、 字符串4、 字典5、集合6、序列学习时间：2020/12/1 13:30—18:00学习产出：1.列表定义1.有序2.没有固定大小（可以创建空列表[]）3.元素类型不限(可以创建混合列表)4.使用[]包含元素，使用逗号分隔元素列表保存的是指向对象的指针（或者说是对象的引用），而不是对象数据本身。创建方式1.直接创建x = ['Monday', 'Tuesday',
2020-12-01 17:15:51
399
原创 Task01 Python基础入门：从变量到异常 ——阿里云天池
目录变量、运算符和数据类型1.注释2.运算符算术运算符比较运算符逻辑运算符位运算符赋值运算符成员运算符身份运算符其他运算符运算符优先级3.变量和赋值4.数据类型和转换5.print()函数位运算1.原码、反码、补码2.位运算3.利用位运算实现快速计算快速2倍运算快速交换整数其他4.利用位运算实现整数集合条件语句1.if语句2.if-else语句3.if-elif-else语句4.ass..
2020-11-30 17:36:11
465
原创 论文翻译《Fields of Experts: A Framework for Learning Image Priors》
专家场：一个学习图像先验的框架摘要我们开发了一种可以用于学习一般的具有表现力的图像先验的框架，它捕获了自然场景的统计数据并可以用于多种机器视觉任务。这种方法通过在扩充的像素邻域上学习潜在的功能来推广MRF模型。”专家产品“框架利用许多线性滤波器响应的非线性函数来建模场势。对比于之前的MRF，这种模型的所有参数，包括线性滤波器本身，都是通过训练数据习得。我们使用两个典型应用——图像去噪、图像修复，来展示专家场模型的性能，这两个例子使用一个简单的近似的推理方案实现。虽然这个模型是在一般图像数据库上进行训
2020-10-11 15:59:54
1063
原创 WIN10关于QT Widgets Application项目打包的详细说明
环境win10系统、MSVC2017（64bit）、Qt Widgets Application项目工具1.windeployqt：qt自带打包工具，通过命令行使用，用于搜集所需要的dll2.360任务管理器：用于查找windeployqt不能自动搜集的dll，手动添加3.enigma virtual box：用于将配置好dll以及各种资源的项目文件夹打包成exe链接：提取码：fwzn流程在Release模式下，构建，运行，生成release版本的build目录首先用QtCreator打
2020-07-05 09:45:42
1229
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人