- 博客(6)
- 收藏
- 关注
RSS订阅原创 转置卷积（逆卷积）A guide to convolution arithmetic for deep learning 阅读笔记
首先 ， 转置卷积有时被称为逆卷积 但这是不准确的，因为这个过程不是数学的逆运算 不推荐使用转置卷积的说法input->卷积->转置卷积->outputinput 与output并不同有时被称为逆卷积 是因为 output与input有相同的shape然后keep in mind that 对于转置卷积 都有一个与其等价的普通卷积的形式 不过要在输入上做一些变化众所周知 一般卷积操作会使图片shape越来越小 而转置卷积可以用来增大shape 故一般用于上采样众所周知
2020-12-09 12:04:46
379
原创 pytorch中的张量切片操作
#对这个问题的思考来源一pointnet++中farthest_point_sample函数的一个奇怪的操作 基础不好的问题在这里被放大了....举例 points为(4,2048,3)的张量（rand出的）points[[0,1,2,3],[24,566,78,2],:]输出tensor([[0.6144, 0.0547, 0.0585], [0.8749, 0.9532, 0.7850], [0.2360, 0.9665, 0.3970], [0.
2020-11-08 22:34:53
1140
1
原创 二叉树的建立与遍历显示与“访问权限冲突”
嘛 首先以麻烦的链表方式定义一个栈的结构体其中数据为树的节点 用于创建二叉树过程中存储树的节点（顺便来个全局变量（栈）防止函数中来回传递typedef struct binode{ char s;//方便起见 用字符型 struct binode *lchild; struct binode *rchild;}bitree;typedef struct node{ bitree* data; struct node *next;}linkstack;linkstack* ls;
2020-10-16 19:24:51
794
原创 一个简单的全连接层loss不更新的问题（可能网课有点老了）
跟着课上讲的打的import torchimport torch.nn as nnN,D_in,H,D_out=64,1000,100,10model=torch.nn.Sequential( torch.nn.Linear(D_in,H,bias=True), nn.ReLU(inplace=True), torch.nn.Linear(H,D_out,bias=True))#torch.nn.init.normal_(model[0].weight)#torch.n
2020-09-26 10:38:40
597
原创 循环队列基本操作及遍历 C语言实现（数组）
与栈不同 队列基本原则：先入先出 后入后出约定一个下标（rear）指向当前入队元素要插入的下标 即最后一个入队元素下标的下一位即 如果要加入新的元素x 执行elem[s->rear]=x一个下标（front）指向最先出队的元素typedef struct { int elem[MAX]; int front; int rear;}squene;初始化 把front 和rear的值置为 0squene * initsquene(){ squene *s=(squene *)m
2020-09-20 19:41:15
4132
原创 《python从入门到实践》16.2.6 TypeError: object of type ‘int‘ has no len()
#coding:utf-8import pygalimport jsonfrom itertools import groupbydates,months,weeks,weekdays,close=[],[],[],[],[]with open('btc_close_2017.json','r')as f: btc_data=json.load(f) for btc_dict in btc_data: dates.append(btc_dict['date']).
2020-08-05 15:57:54
3468
3
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