python深度学习
文章平均质量分 69
小杜今天学AI了吗
努力日更的小蜜蜂博主,喜欢健身,喜欢学习
展开
-
Transformer 解析 超级详细版
推荐学习视频transformer是谷歌大脑在2017年底发表的论文中所提出的seq2seq模型. 现在已经取得了大范围的应用和扩展, 而BERT就是从transformer中衍生出来的预训练语言模型.应用:上游应用(训练一个预训练语言模型) 下游任务 (情感分析、分类、机器翻译)原创 2024-05-06 11:17:45 · 657 阅读 · 0 评论 -
论文研读 ——用于医学图像分类的双引导的扩散网络
在训练阶段,我们将扩散过程应用于ground truth y0和不同的先验,生成三个噪声变量yg t, yl t和yt (yg t的全局先验,yl t的局部先验和yt的双先验)。我们评估了我们的DiffMIC在三个具有不同图像模式的医学分类任务上的有效性,包括超声图像的胎盘成熟度分级、皮肤镜图像的皮肤病变分类和眼底图像的糖尿病视网膜病变分级。基于扩散概率模型在生成图像建模中的成就,我们提出了一种新的基于扩散去噪的模型DiffMIC,用于准确分类不同的医学图像模式。图1显示了我们的医学图像分类网络的示意图。原创 2024-05-03 23:37:05 · 723 阅读 · 0 评论 -
深度学习图像处理基础工具——opencv 实战信用卡数字识别
2.处理输入的带数字的银行卡 (1)预处理 我们需要拿到的是 一组一组的数字 一共四组 读取文件——变换大小——转化为灰度图——形态学操作(礼帽操作突出明亮区域——梯度操作计算轮廓信息——闭操作将数字连在一起——二值化操作寻找合适阈值——再来一个闭操作——计算轮廓——遍历轮廓(选择合适区域 排除不是数字的轮廓)——轮廓排序——遍历轮廓的每一个数字——预处理计算每一组轮廓——计算每一组中的每一个值——匹配得分——得到数字画出来——得到结果——打印结果)# 找到当前数值的轮廓,resize成合适的的大小。原创 2024-04-14 14:40:18 · 1288 阅读 · 0 评论 -
python 今日小知识3—— vars() 函数
总结来说,vars() 函数用于获取对象的属性和属性值,并以字典的形式返回。它在调试、动态查看对象的属性和值以及进行反射等场景下很有用。对于内置类的实例对象(如列表、字符串等),vars() 函数返回的字典通常只包含内置属性和方法,并不包含实例化时添加的自定义属性。当在全局作用域内调用 vars() 函数时,它返回当前全局作用域中的变量和值的字典。对于自定义类的实例对象,vars() 函数返回的字典将包含实例的属性和属性值。当在函数内部调用 vars() 函数时,它返回当前函数的局部变量和值的字典。原创 2024-04-14 09:22:20 · 417 阅读 · 0 评论 -
python 今日小知识2—— globals() 函数
globals()原创 2024-04-13 09:50:28 · 300 阅读 · 0 评论 -
python 今日小知识1——parser
它将检查命令行,把每个参数转换为适当的类型然后调用相应的操作。— 应该读取的命令行参数个数,可以是具体的数字,或者是?— 在 usage 说明中的参数名称,对于必选参数默认就是参数名称,对于可选参数默认是全大写的参数名称.— 参数的帮助信息,当指定为 argparse.SUPPRESS 时表示不显示该参数的帮助信息.程序定义它需要的参数,然后 argparse 将弄清如何从 sys.argv 解析出那些参数。— 解析后的参数名称,默认情况下,对于可选参数选取最长的名称,中划线转换为下划线.原创 2024-04-13 09:42:26 · 936 阅读 · 0 评论 -
神经网络分类和回归任务实战
将xb 经过model 得到输出后 和xb 求损失函数 model 是定义的一个简单的模型有两个隐藏层一个输出层 784——128——256——10。loss 和num 鲜橙 求每64个batch 的总loss 再将datalosder的所有batch 相加除以总数得到训练损失。loss 是一个带有梯度的tensor .item()返回的是loss 的值 len(xb )是为了求精度的时候算。在fit h函数之前有一个get_model 函数 得到model和优化器。yb是64个图片对应的数字值。原创 2024-04-06 20:34:24 · 510 阅读 · 0 评论 -
python深度学习笔记3—— 卷积神经网络简介
深度学习用于计算机视觉原创 2022-02-09 17:52:57 · 3005 阅读 · 0 评论 -
python深度学习笔记2--机器学习基础
小白深度学习入门 记录一下学习过程 美好的一天从深度学习开始原创 2022-02-08 19:37:37 · 1359 阅读 · 0 评论 -
python深度学习笔记--预测房价回归问题
@python深度学习1–笔记预测房价回归问题美好的一天从深度学习开始1新概念1.标量回归:预测单一连续值的回归2.均方误差(MSE):预测值与目标值之差的平方3平均绝对误差(MAE) 预测值与目标值之差的绝对值4.K折验证(对模型进行可靠评估的方法):将数据划分为K个分区(通常4或者5)过程实例化K个相同的模型,将每个模型在K-1个分区上训练,在剩下的一个分区上评估,模型的验证分数是k个验证分数的平均值2过程1.区别:分类问题目标是预测输入数据点单一离散标签回归问题是预测一个连续值 如根原创 2022-02-08 17:15:22 · 1139 阅读 · 0 评论