qq_44901773的博客

原创 卷积、傅里叶级数、傅里叶变换、快速傅里叶变换、pytorch中的fft，rfft

卷积： 连续形式： 离散形式： ‘卷’ ： 翻转 和 滑动 ‘积‘： 积分 翻转：g(t) - > g(-t) 滑动：g(-t) - >g(n-t) 平移n个单位 举个例子：信号分析 (摘自(6 封私信 / 10 条消息) 如何通俗易懂地解释卷积？ - 知乎 (zhihu.com)) f(t) ：输入的信号 g(t)：为衰减函数 ，在0时刻的信号，经过T时刻以后，衰减为f(0)g(T) 因为考虑到T时刻的输出信号，会受到前面0，1，，，T-1时...

原创 深度学习—简单理解

原创 程序理解：Neural Operator_ Graph Kernel Network__for Partial Differential Equations

论文：Neural Operator_ Graph Kernel Network__for Partial Differential Equations 代码网址：https://github.com/wumming/graph-pde 对论文中程序的理解： 测试结果：分辨率为31x31 ，radius 为 0.04 （设备有限，只能算这种尺度） UAI1_r31_n100train UAI1_r31_n100test16 UAI1_r31_n1...

原创 yolov3程序中的一些难点

def helloa(*args,**kargs): lala = {"lala":"lalala"} lala["caca"] = "cacaca" lala.update(kargs) return lala helloa(caca="papa",dada="dada") 运行结果： {'caca': 'papa', 'dada': 'dada', 'lala': 'lalala'} from keras import backend as K input = K.on

原创 机器学习中的模型评价策略metric(ROC,PR,AUC,F1)

TP(真阳性 true positives)TN(真阴性 true negatives) FP(假阳性 false positives) FN(假阴性 false negatives) 混淆矩阵：图一

原创 yolov3详细解释（内附代码详细说明）

这里写目录标题yolo3是如何构想的 并且网络结构是什么样的锚框anchor的含义（锚框anchor的构建用于训练时期 和预测时期）交并比的意义非最大值抑制是什么（用在模型训练完以后，进行预测时）主要的模型model的构建 darknet53 19损失函数loss function 锚框anchor在损失函数中的应用 yolo3是如何构想的 并且网络结构是什么样的 论文地址：https://pjreddie.com/media/files/papers/YOLOv3.pdf yolov3在yolov1和v