- 博客(47)
- 收藏
- 关注
RSS订阅原创 在训练心脏数据集时碰到的问题汇总
根据输出函数是否用到了sigmoid，有两种loss选取方法，如果选取错误可能会导致loss为负或者报错：output = net(input) # net的最后一层没有使用sigmoidoutput = net(input) # net的最后一层没有使用sigmoidoutput = F.sigmoid(output)#加入sigmoid。
2023-01-08 10:55:09
963
原创 图像分割笔记
目标：实现图像中多个物体的分割，多个物体的标注方式为0,1,2,3,0表示背景，1表示一种物体，2表示另一种物体，假设我们现在的分割任务里面有5个目标需要，如肺叶分割，5个肺叶的标注方式为：0表示背景，1表示右上叶，2表示右中叶，3表示右下叶，4表示左上页，5表示左下叶。前提：首先我们拿到的标注应该是单通道的，如大小为96 96 64 1，但在网络模型设计中输出通道数应该是分割类别数，即网络模型最后的输出大小为9696。
2023-01-07 11:52:32
728
原创 Pytorch学习笔记8——迁移学习与autoencoder
上一回我们使用自定义数据集完成了训练，但由于自定义数据集数量较少，准确度较低，因此我们可以考虑迁移学习。
2022-11-12 11:20:01
500
原创 Pytorch学习笔记7——自定义数据集
自定义数据及的训练train就用train数据集，test就用test数据集。自定义神经网络模型的搭建自定义数据集的训练与测试：实验效果：
2022-11-11 23:55:03
581
2原创 Pytorch学习笔记2
python的数据类型，pytorch中都存在tensor与之对应。pytorch中不存在string类型的tensor。
2022-11-01 00:38:03
316
原创 Pytorch学习笔记1——回归问题
编码方式：one-hot，数字之间没有大小关系。MNIST数据集——28*28手写数字体。未解析的引用plot_image。
2022-10-30 22:55:17
210
原创 机器学习——Transfer learning
当我们的data集与任务不直接相关时：用不相关的data来训练task生活中的例子：One-shot learning：用source data训练，用target data优化（fine-tuning）可以设置限制将一些层与参数别相差太大可以把一些层直接transfer希望能够去除domain的特征，使得黑白图与彩色图一样利用一个domain classifier，类似于GAN中的discriminator网络需要同时骗过domain，也要满足label predi
2022-10-29 23:45:54
331
原创 机器学习——GAN4
InfoGAN的内容：存在一个可以预测出生成图片x的code（c）的Classifier如果没有Discriminator，则generator可能不会生成正常图片，而是只生成能让classifer认出的图片C的每一个维度都必须对x有很明确的影响。z代表纯粹随机，无法解释的东西使用这种方法相比下面的方法，两者特性很大区别，auto-encoder语义捕捉清晰，但是图片可能不清晰。利用GAN增加training data当training 与testing数据在不同domain中时，直接
2022-10-27 23:44:35
197
原创 机器学习笔记——GAN3
如何定义一个通用的PG？（不一定非得是Gaussian）一个normal distribution经过generator产生的可能是一个很复杂的distribution（PG)目标是希望PG与Pdata越接近越好：Pdata：数据集的分布PG：generator生成的分布虽然不知道他们的分布，我们可以从他们中sample:用discriminator来train他们两者：与binary classify类似。
2022-10-27 17:11:07
455
原创 机器学习李宏毅2020hw11思路总结+函数解析
首先：创建一个FaceDataset(Dataset)一般在创建数据集时，需要重写init, getitem ,len函数glob模块的主要方法就是glob,该方法返回所有匹配的文件路径列表（list）；该方法需要一个参数用来指定匹配的路径字符串（字符串可以为绝对路径也可以为相对路径），其返回的文件名只包括当前目录里的文件名，不包括子文件夹里的文件。例如：glob.glob(r’c:*.txt’)读取C盘下所有txt文件。
2022-10-26 17:22:03
402
原创 机器学习笔记7
GAN基本介绍Discriminator：判断图片是机器生成的还是真实的（也在不断学习）Generator与discriminator相互对抗（adversarial）算法步骤：1.固定generator G，来更新discriminator D随机sample一些vector输入generator得到objects，他们的输出标签为0从database中sample一些真实图片，他们输出的标签为1利用这些正负样本训练更新discriminator D参数2.固定d
2022-10-23 23:42:49
322
原创 机器学习笔记6
为什么CNN用来处理图像？两个观察：1.一个神经元不需要看到整张图片就可以获取pattern，比如只要看一个区域就可以知道是不是鸟嘴。2.同样的patterns出现在不同的区域3.下采样不会改变物体。
2022-10-19 19:05:43
717
原创 机器学习李宏毅2020作业2（答案改正可运行版本）
作业2中， 助教给出的答案直接放在自己程序中会出现很多问题，大部分时由于np.dot（）维度不一致，或者星号*乘法维度不一致导致的，最后画图部分的错误是原代码没有将数组转为标量导致的。在网上搜了好久，也没找到一个能完全正常运行的程序，大部分博主都是无脑搬运，甚至参数都没有调整，可是原程序一是不能运行，二是运行效果根本无法达到给出的示例图中效果。本文给出了我自己整理并改正的作业2代码，同时修改了学习率与max_item，但是得到结果并没有那么好，需要更多的训练时间才能达到和实例图中短时间便能达到的效果。
2022-10-17 10:46:27
375
原创 机器学习笔记4
如果用回归方法做classification可能会出现远大于1的regression被认为是错误的情况。理想情况：假设两特征服从高斯分布首先我们利用已有的79个sample得到一个样本的高斯分布函数，也就是均值和方差对于一个新的x，我们已知高斯分布函数，于是便可以带入概率密度函数中，得到这个x在这个样本类别中的概率。如何利用sample获得最佳的高斯分布函数？给定一个高斯分布，我们可以利用这79个点得到每个点在这个分布下出现的概率。将他们连乘，得到似然。
2022-10-13 00:17:23
223
原创 机器学习（李宏毅）学习笔记2
（转https://blog.csdn.net/qq_39896020/article/details/120620126）Ada方法的核心原理。
2022-09-29 21:02:49
343
原创 Python数据结构——排序与搜素
时间复杂度：最好：O（n），最坏：O（n2），平均：O（n2）每次过程都能把最大的数放在最后，因此内层循环只需到n-j-1。
2022-09-18 23:39:55
137
原创 Python数据结构3——链表
Python独特的语法特性，保存对象的地址。None是一个对象，而NULL是一个类型。与c++不同，Python中没有NULL，只有None，None有自己的特殊类型NoneType。None不等于0、任何空字符串、False等。在Python中，None、False、0、“”(空字符串)、、()(空元组)、{}(空字典)都相当于False。
2022-09-09 19:08:25
903
原创 Python数据结构与算法1
list(range(10000):效率最高，尽量用。i for i inrange：效率较高，可以用。append：效率较低，谨慎用。
2022-09-06 23:15:56
156
原创 python语法学习笔记9（与C++的一些不同）
通常继承Exception或其子类即可。命名一般以Error、Exception为后缀自定义异常通常由raise语句主动抛出。
2022-09-02 22:15:25
293
原创 python语法学习笔记8（与C++的一些不同）
面向对象的三大特征：私有属性与私有方法与c++相同，有父类或者子类(派生类）一个子类可以继承多个父类class 子类类名(父类1[, 父类2，。。。]：类体继承的类也无法直接调用父类私有属性，需要特殊调用：类成员的重写：子类方法对父类方法的覆盖不推荐使用若父类中有相同名字的方法，在子类没有指定父类名字时，解释器将按照从左到右（继承参数表）按顺序搜索。super()获得父类的定义super()相当于父类类名例：同一个方法调用由于对象不同可能会产生不同的行为。1.多
2022-09-01 22:10:59
361
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