- 博客(21)
- 收藏
- 关注
RSS订阅原创 深度学习中的超参管理方法：argparse模块
在深度学习方法中我们不可避免地会遇到大量超参数如（batch_size、learning_rate等）。不同的超参数组合可以得到不同的训练/测试结果。所以在训练和测试过程中我们需要不断调整超参数获得理想的结果（炼丹），如果每一次去找分布在不同的函数里的超参数是一个及其麻烦的过程，为了管理大量的超参数提高炼丹效率，出现了许多超参数管理方法，我将自己遇到的朝参管理方法在此记录，方便自己回顾。
2024-07-11 15:04:42
433
原创 CMake基础
总结一下：静态链接库与动态链接库的主要区别在于：代码链接的阶段不一样，静态库的链接发生在编译环节，生成的可执行文件中包含静态库的可执行文件内容，虽然输出的执行文件占用内存比较大，但是运行文件的时候不再需要库文件；相反，动态库的链接发生在执行阶段，链接动态库的可执行文件不包含数据库的可执行文件内容，但是需要在执行的时候调用相关库文件，节约了内存。而动态链接库（shared library）的链接发生在程序的执行过程中，其在编译环节仅执行链接检查，而不进行真正的链接，这样可以节省系统的开销。
2024-07-02 15:57:26
607
原创 深度学习中的Path问题
在深度学习中涉及到诸多的模块与代码之间的相互调用，如果使用基础的os.path来进行路径管理非常繁琐，所以在python3中一般使用自带的pathlib管理路径问题使得路径管理更加简单高效，下面介绍一些常用的Path方法，基本满足日常使用。
2024-06-28 17:03:35
193
原创 深度学习常见损失函数
在深度学习中，大致分为回顾任务与分类任务，回归任务常用均方误差损失（MSE）和平均绝对误差损失（MAE）；分类任务常用交叉熵损失。数学公式表达为：特点：MSE 对于离群点（outliers）非常敏感，因为误差被平方了，所以大的误差会对整体的 MSE 产生更大的影响；MSE 是凸函数（convex function），在很多优化问题中，尤其是使用梯度下降法时，非常有用，因为凸函数的局部最小值就是全局最小值。平均绝对误差（Mean Absolute Error, MAE）是一种衡量回归模型预测准确性的重要指标。
2024-06-23 10:27:00
257
原创 vscode+ssh开发记录
vs code安装方法网上诸多就不在记录了，这里只记录使用过过程以及相关问题。1.1 首先安装ssh插件：左侧出现小图标说明安装成功可正常使用：1.2 配置远程地址：输入：ssh @即可连接。想要修改远程名称或者添加新的远程都可以在config文件修改：配置之后即可连接到远程服务器中，进行编程调试了。
2024-06-22 16:42:41
666
原创 深度学习之目标检测yolo系列
是指bounding box的预测框的中心坐标相较于该bounding box归属的grid cell左上角的偏移量，在0-1之间。在上图中，绿色虚线框代表grid cell，绿点表示该grid cell的左上角坐标，为（0，0）；红色和蓝色框代表该grid cell包含的两个bounding box，红点和蓝点表示这两个bounding box的中心坐标。有一点很重要，bounding box的中心坐标一定在该grid cell内部，因此，红点和蓝点的坐标可以归一化在0-1之间。
2024-06-21 13:35:46
973
原创 深度学习之目标检测基础
1.1 交并比IOUIoU 的全称为交并比（Intersection over Union），在目标检测中即计算预测边界框与真实边界框的重叠程度，重叠程度越高，说明越接近真实框。
2024-06-19 13:56:00
684
原创 深度学习之VIT
详解Transformer中Self-Attention以及Multi-Head Attention_transformer multi head-CSDN博客Vision Transformer详解-CSDN博客
2024-06-17 18:05:19
143
1
原创 刷题笔记之数据结构
其中，LS 代表广义表的名称，an 表示广义表存储的数据，广义表中每个 ai 既可以代表单个元素，也可以代表另一个广义表。：若广义表不空，则广义表所包含的元素的个数，叫广义表的长度，数第一层括号内的逗号数目。：广义表中括号的最大层数叫广义表的深度。：当广义表不是空表时，称。
2024-06-12 12:59:54
127
原创 刷题笔记之深度学习
每一层输出的特征图（feature map）上的像素点在输入图片上映射的区域大小。再通俗点的解释是，特征图上的一个点对应输入图上的区域。感受野（Receptive Field）的定义是卷积。Lk-1:表示第k-1层的感受野；Fk:表示第k层卷积核的大小；Lk:表示第k层的感受野；Si:表示第i层的步长。
2024-06-12 11:51:24
295
原创 pytorch学习2
我们的神经网络是继承nn.Module这个类，即nn.Module为父类，nn.Module为所有神经网络提供一个模板，对其中一些我们不满意的部分进行修改。
2024-05-10 15:13:55
774
原创 pytorch学习1
torchvision中有很多数据集，当我们写代码时指定相应的数据集指定一些参数，它就可以自行下载。CIFAR-10数据集包含60000张32×32的彩色图片，一共10个类别，其中50000张训练图片，10000张测试图片。
2024-05-09 14:43:26
546
原创 数据结构day3
哈希表可以理解为一个加强版的数组。数组可以通过索引（非负整数）在O(1)的时间复杂度内查找到对应元素。哈希表是类似的，可以通过key在O(1)的时间复杂度内查找到这个key对应的value。key的类型可以是数字、字符串等多种类型。怎么做的？特别简单，哈希表的底层实现就是一个数组（我们不妨称之为table它先把这个key通过一个哈希函数（我们不妨称之为hash。
2024-05-08 16:20:55
395
原创 数据结构day2
前面实现的数组和链表，增删查改的 API 都实现过了，你可以对任意一个索引元素进行增删查改，只要索引不越界，就可以进行任意操作。计算机的两种存储方式，顺序存储（数组）和链式存储（链表）在之前的文章有详细介绍，可以去主页查看。图中把栈竖着画，队列横着画，只是为了更形象，但实际上它们底层都是数组和链表实现的。不同编程语言中，队列和栈提供的方法名称可能不一样，但每个方法的效果肯定是一样的。链表作为底层实现链表和栈是比较简单的，直接调用双链表的API即可。说它操作受限，主要是和基本的数组和链表相比，
2024-05-08 14:59:11
326
原创 嵌入式学习路线
嵌入式的模板类、基础控件、布局、对话框、主窗体、绘图、图形化视图框架、Qt文件编程、网络编程、数据库、事件处理、多线程、QML、最后的移植等等。基础特性（类、对象、派生、继承、运算符重载、友元、虚函数、多态、模板、STL的使用）指针、位操作、结构体的字节对齐、位段、宏的高级应用。掌握mysql按章、部署、设计、访问、增删改查。【嵌入式底层开发可以跳过第5个模块】重点：C++的面向对象的构建能力。路线记录一下，方便自己以后学习。了解sqlite轻量级数据库。7、嵌入式Linux开发。9、嵌入式上位机开发。
2024-04-29 14:17:54
262
原创 数据结构day1
静态数组在创建的时候就要确定数组的元素类型和元素数量。只有在 C++、Java、Golang 这类语言中才提供了创建静态数组的方式，类似 Python、JavaScript 这类语言并没有提供静态数组的定义方式。静态数组的用法比较原始，实际软件开发中很少用到，写算法题也没必要用，我们一般直接用动态数组。// 定义一个大小为 10 的静态数组// 用 memset 函数把数组的值初始化为 0// 使用索引赋值arr[0] = 1;arr[1] = 2;// 使用索引取值。
2024-04-23 16:50:14
990
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