- 博客(45)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 研1日记17
ai station1. shell窗口下：tmux apt-get install tmuxtmux new -s abc ，创建一个名为abc的窗口，进入窗口。按下ctrl+b 再按下d 转为后台运行。注意：如果类别标签是中文的，需要设置安装字体才能正常显示，一般情况下Windows无需安装，Ubuntu需要安装。如果Windows确实是确实字体，只需要字体文件这里下载.ttf格式的文件，复制到C:\Windows\Fonts即可。Ubuntu系统操作如下。安装字体1。
2024-09-26 12:47:06
305
原创 研1日记16
这个函数将一个给定的数组沿着指定的轴重复指定的次数，从而创建一个新的、更大的数组。这意味着每个 MFCC 特征向量大约覆盖 46.5 毫秒的音频，而每 11.6 毫秒就会生成一个新的特征向量。默认是 512，这意味着默认情况下每帧有 2048 个样本，并且每帧之间有 512 个样本的重叠。来指定的，它代表进行快速傅里叶变换（FFT）的窗口大小。值会导致每帧的时长较长，从而得到较平滑的频谱，但时间分辨率较低；函数中，一个时间帧的大小通常是通过参数。）决定了帧与帧之间的重叠程度，较小的。通常是 2048，而。
2024-09-25 09:32:59
321
原创 研1日记15
这个层的作用是将输入的特征图（或称为张量）在一维上进行自适应平均池化，使得输出特征图的大小在指定的维度上变为1。这意味着，无论输入特征图在这个维度上的尺寸是多少，输出特征图都会在这个维度上被压缩到1，即输出特征图在该维度上的长度为1。这种自适应池化层的好处在于，它不需要指定池化窗口的大小和步长，而是自动根据输入特征图的大小和目标输出大小来计算这些参数，从而使得网络能够处理不同大小的输入。就是指定了输出特征图在一维上的大小为1。指定的维度），目的是在这个更高的维度空间中进行更复杂的变换。
2024-09-21 21:00:55
1035
原创 研1日记12
复现论文 ： 下载跑通代码，学系统架构，训练架构测试数据读取，损失函数，自己尝试去根据论文写代码。pytorch api and reference 通读一遍。大量论文输入，学习设计模型的技巧，扩充视野。合并两个样本数据 两种方式。后面RNN看不懂了。刘老师指导：深度学习花书。3.刘二大人 卷积操作。
2024-09-14 21:26:32
901
原创 研1日记10
字典中的键是参数和缓冲区的唯一标识符。这些键通常是字符串，并且它们的命名遵循一定的规则，通常与模型的结构和参数的位置有关。例如，在卷积层中，权重和偏置的键可能类似于。返回的是一个普通的 Python 字典，因此你可以直接修改这个字典中的值来修改模型的参数。但是，修改字典后，你需要使用。方法将加载的状态字典加载回模型，以恢复模型的参数。方法将修改后的字典加载回模型，以更新模型的参数。函数来保存状态字典到磁盘，然后在需要的时候使用。函数打开文件时，第二个参数指定了文件的打开模式。在Python中，使用。
2024-09-12 21:50:57
470
原创 研1日记9
点卷积，也称为1x1卷积，是一种特殊的卷积操作，其中卷积核的大小为1x1（对于二维卷积是1x1x输入通道数，对于一维卷积是1x输入通道数）。这种卷积操作不会改变输入数据在空间维度（对于一维数据是长度，对于二维数据是高度和宽度）上的大小，但它可以改变数据的深度（即通道数），常用于构建更复杂的网络结构。但是，重要的是要注意，尽管你使用的是训练好的参数，但在进行验证或测试时，你应该将模型设置为评估模式（使用。for x in zip（X）：，X形状为（3,4,5）,则循环3次，x的形状是（4,5）
2024-09-11 22:41:11
565
原创 研1日记8 pip seaborn
实际上如果您的数据集中标签 1 的样本非常少，而模型未能预测出任何标签 1 的样本，就会出现这种警告。今天 还是记录下改代码中的一些问题的解决吧。1. K折交叉验证，
2024-09-10 22:15:45
168
原创 讲座笔记1
扫视机制，凝视机制，校正机制 -> 特征和位置结合对应。知识怎么表示，计算，管理？未知的apt 防御模型，访问关键资源，可信验证，不的转到替身，开展隐蔽防御，模拟人脑结构 组成作用认知实现，模拟学习模型：时空和关联， 全面准确和实时。小波卷积提取不同频率，目标编码算子提取 邻域信息 + 表征开销和质量约束。逼真的极大化的仿真，真实的测试， 联邦，信息系统实战评测，复杂场景下目标识别不准？马尔科夫链，形象化，15分钟处。根：创新根，关机评测，攻防演练。网络靶场：仿真，安全的研判。巨规模 ，关联性，演化性。
2024-09-08 17:33:02
353
原创 研1日记6
1. 一般输入参数为batch_size×num_features×height×width。维度）开始，所有后续的维度都被合并成了一个维度。的表达式为：f(x) = max(0, x)。这是因为从第二个维度（索引为1的维度，即。当高度和宽度不一样时，分别计算即可。
2024-09-07 11:26:05
592
原创 研1日记5
在pytorch中，tensor有一个requires_grad参数 ，当requires_grad设置为False时,反向传播时就不会自动求导，在该模块下，所有计算得出的tensor的requires_grad都自动设置为False。x = torch.tensor(x),numpy 转tensor。screen -S pid 进入之前创建好的screen。可以一次操作多维数据，且必须传入所有维度数，torch.stack 默认按0维堆叠。只能一次操作两个维度；
2024-09-06 19:09:25
369
原创 研1日记4
是一个类，arrary是numpy的一个函数用于创建ndarray对象。Dateset 为DataLoader 提供长度和索引的数据集。np.vstack 一维增加，np.hstack 二维增加。
2024-09-06 08:57:35
577
原创 研1日记1
默认情况下只返回数字的描述，包括count std min max 和百分比，当字段类型非数字时，描述的是count unique top 和 freq。)\.', x) re.search匹配，以逗号和空格开头的，以点结尾的。方法而没有指定参数，因此它返回的是整个匹配的文本，包括逗号、空格、捕获组的内容以及点号。表示一个或多个），？方法，它只返回第一个捕获组（即括号内的部分）匹配的文本，不包括逗号、空格和点号。切片按照列名xy[['Embarked','Survived']]泰坦尼克号数据集训练。
2024-09-02 22:13:13
197
原创 安装gpu版本的pytorch
4. 安装pytorch GPU pip install torch==1.11.0+cu113 torchvision==0.12.0+cu113 torchaudio==0.11.0 --extra-index-url https://download.pytorch.org/whl/cu113。2.有的话在cmd命令行输入nvidia-smi看cuda版本，我的是11.6。，注意安装cuda不能超过这个版本，我选的11.4。1. 设备管理器 查看有无英伟达显卡。
2024-08-30 21:43:29
158
原创 重新安装pycharm和anaconda
参考教程 炮哥 1.3、pycharm和anaconda的安装_哔哩哔哩_bilibili安装pycharm：下载点进去后点击其他版本2022.3.3 记得全部勾选安装anaconda 用的清华源2022.05Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror修改虚拟环境的位置c盘下 .condarc文件里修改： envs_dirs: - D:\Anaconda3\envspkgs_dirs: - D:\A
2024-08-29 15:48:48
273
原创 博客摘录「 sklearn.datasets中的几个函数make_moons(), make_circles(), make_classification()」2024年7月21日
是 Matplotlib 提供的众多预定义颜色映射表之一，它涵盖了从深红色到亮黄色的光谱颜色范围，非常适合用于表示具有多个不同类别的数据。方法是最简单的插值方法之一，它选择最近邻的像素值作为新像素的值。这种方法在处理像素化图像或当你想要保持图像的“块状”外观时很有用，但它可能不会提供最佳的平滑效果。如果传递的是一个数组，Matplotlib 会根据这个数组的值来映射颜色。1. noise设置的越大，那么噪声就越大，factor设置的越大，两个环就越近,默认0.8控制两个圆的中心之间的距离与圆半径的比例。
2024-07-24 16:04:58
315
1
原创 优化算法提高训练速度
4.当mini-batch size=1时会变成新的算法，随机梯度下降，放弃了向量化对训练速度的提升。当mini-batch size=m时会变成新的算法，batch梯度下降，不适合数据量大的情况。1.样本太多时5万，尽管是向量化也解决不了问题，这时选择mini-batch 梯度下降。2.每个epoch会梯度下降m/mini-batch size 次。5.随机梯度下降只会到cost最小值附近，不会收敛。3.cost曲线会有更多的噪音走势向下。
2024-07-22 11:16:56
201
原创 2-2改善神经网络--超参数调参，正则化和梯度相关
输入样本归一化+初始化权重参数*默认的方差，使得参数也大致在这个范围=z基本也在这个范围。正则化技术（例如L2正则化）导致梯度下降在每次迭代时权重收缩------权重衰减。不同的激活函数*不同的偏小的数字，使得权重或梯度不会增长过快或消失过快。9. 梯度检验的调试------J的梯度和d(Seita)有什么关系。J的梯度和d(Seita)有什么关系？偏差高：1、使用更大的网络；3、挑选其他合适的网络。误差：测试集和验证集的loss值差别比较大。3. 如何处理高偏差和高误差。4. 高偏差和高误差并存。
2024-07-21 16:09:36
180
原创 d2l 安装失败 沐神
pip --default-timeout=100 install ipython -i https://pypi.douban.com/simple 解决。随后解压下载好的压缩包，放到venv\Lib\site-packages下，这时不报错。但是运行会出现ipython模块报错。
2024-07-01 11:28:49
270
原创 第三方库安装
pip install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple
2024-06-10 12:23:16
120
原创 文心一言笔记
NII文件是一种用于存储和交换医学成像数据的文件格式，特别是在神经影像学领域。它解决了之前医学图像格式（如ANALYZE 7.5 format）的一些限制，为医学影像的存储、交换和处理提供了更为便捷和全面的解决方案。NII文件是一种在医学图像处理中广泛使用的文件格式，具有通用性、完整性和灵活性等特点。它为医学影像的存储、交换和处理提供了重要支持，在神经影像学等领域发挥着重要作用。pydicom是一个Python包，专门用于处理DICOM格式的文件。
2024-06-09 02:35:40
837
原创 博客摘录「 脑电数据的预处理与降噪」2024年6月7日
EEG信号中的低频成分（低于0.5Hz）可能包含与呼吸、心跳等生理活动相关的信号，这些信号对于某些研究可能并不相关，甚至可能作为噪声干扰。EEG信号的主要频率范围大致在0.5-70Hz之间，因此选择这个范围的带通滤波器可以有效地提取与神经活动相关的信号。因为市电干扰以及一些低频或高频的噪声的存在，脑电数据预处理过程中常常涉及到滤波，其可以有效减少脑电数据中的噪声；使用0.5-70Hz的带通滤波可以有效地提取EEG信号中与神经活动相关的成分，去除噪声和干扰。去除50Hz市电的干扰。
2024-06-07 17:42:45
204
原创 python 入门配置
注意： add python 3.8 to PATH 运行安装包时要勾选，最后出现路经长度提示要点击确认为是。3. 运行pycharm 实验pip。2. 下载pycharm社区版本。应用商店下载 官网都可以。1. 下载python。
2023-04-30 10:47:02
66
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人