- 博客(17)
- 问答 (2)
- 收藏
- 关注
RSS订阅原创 如何使用python快速将大批量图片合成为视频？
目前程序运行已无问题，合成较为迅速，但合成后的视频清晰度相较于图片会大幅降低，如何解决此缺陷还有待探索。由于CSDN大批量导入图片容易出现乱序，本程序将支撑图片转为视频，便于用视频的方式展示文件内容。由于图片名称复杂多样，为便于统一化处理，增强程序的通用性，使用改名程序可以降低手动调整的复杂度。注意此部分的图片大小仍需要手动修改或输入。
2023-04-26 16:48:07
1647
原创 如何在Latex中直接引用py文件(python 代码）呢？
下载地址https://github.com/olivierverdier/python-latex-highlighting。链接：https://pan.baidu.com/s/1Spuz3jpKrR1GWfpyFSzCtA?下载文件pythonhighlight.sty, 放到自己的.tex文件目录下。这种方法比直接输\begin{python}\end{python}成功率高。将程序代码源文件也放到.tex文件目录下。但是这种方法的缺点是不能有中文注释。在需要插入代码的地方。
2023-04-25 22:01:39
1002
原创 神经网络与深度学习第四篇
这样的计算非常缓慢，并且可能会发生梯度爆炸， 因为初始条件的微小变化就可能会对结果产生巨大的影响。也就是说，我们可以观察到类似于蝴蝶效应的现象， 即初始条件的很小变化就会导致结果发生不成比例的变化。门控循环神经网络可以更好地捕获时间步距离很长的序列上的依赖关系。重置门有助于捕获序列中的短期依赖关系。更新门有助于捕获序列中的长期依赖关系。重置门打开时，门控循环单元包含基本循环神经网络；更新门打开时，门控循环单元可以跳过子序列。长短期记忆网络有三种类型的门：输入门、遗忘门和输出门。
2023-04-16 17:23:26
684
原创 神经网络与深度学习第三篇
AlexNet的更高层建立在这些底层表示的基础上，以表示更大的特征，如眼睛、鼻子、草叶等等。批量规范化和其他层之间的一个关键区别是，由于批量规范化在完整的小批量上运行，因此我们不能像以前在引入其他层时那样忽略批量大小。在模型训练过程中，批量规范化利用小批量的均值和标准差，不断调整神经网络的中间输出，使整个神经网络各层的中间输出值更加稳定。包含许多特征的深度模型需要大量的有标签数据，才能显著优于基于凸优化的传统方法（如线性方法和核方法）。批量规范化，这是一种流行且有效的技术，可持续加速深层网络的收敛速度。
2023-04-02 20:03:12
141
原创 神经网络与深度学习第二篇
由于深度学习知识点和算法庞杂，看过一些算法之后，很难记忆长久，本周的主要工作是完成了从开课到现在的内容的框图整理，框图中依据个人对于知识点的理解和掌握情况，适当进行了删减和强调。
2023-03-26 16:54:33
60
原创 无线电测距误差的来源
视距传播是获取准确测量值的重要前提，然而在实际传播环境中，障碍物的遮挡是极其常见的现象，特别是在城市区域等密集多径环境下，当不存在从发射端到接收端的直线传播路径时，发射信号只能通过反射、衍射等传播形式到达接收端，此时定位过程就将面临非视距问题。与LOS相比，NLOS环境下的偏差明显大于LOS情况下的定位误差，这将会导致额外的功率损耗，同时严重制约定位系统的性能。因此，为了获得高精度的目标位置估计，复杂环境中的NLOS误差抑制是研究重点之一。
2023-03-06 19:53:53
937
1浏览器 python脚本的问题
2020-05-06
TA创建的收藏夹 TA关注的收藏夹
TA关注的人