荆傲-CSDN博客

原创滑动窗口提取特征-torch.unfold的应用

假设我们希望提取一个矩阵每一个点上3*3窗口的均值或其他特征，直接使用循环的方法速度太慢，在pytorch中可以利用torch.unfold函数大大简化这个流程。首先简单说明torch.unfold函数，其作用是按照选定的尺寸与步长来切分矩阵。举个例子，原始输入为H=4，W=5的矩阵12345678910111213

2020-12-30 11:18:35 5440

记录一下常用的网络操作小技巧有三个相同结构的网络模型, 并且参数名也相同，将其中两个模型的参数取平均作为第三个模型的参数。只融合某一层。# model # alice_model# bob_model# 网络参数 ['conv1.weight', 'conv1.bias', 'conv2.weight', 'conv2.bias', 'fc1.weight', 'fc1.bias', 'fc2.weight', 'fc2.bias'] # 只融合一层with torch.no_

2020-12-01 15:05:36 267 1

原创 C语言实现Multiresolution Bilateral Filtering for Image Denoising（双边滤波与小波变换可参考）

入职一周速成C语言后写的第一个程序。。纪念下好啦。双边滤波原理比较简单，小波变换阈值降噪学了半天也不知道怎么实现，多谢这位博主的文章帮助我迅速理解了小波变换。数字图像处理，小波变换一维Mallat算法的C++实现（matlab验证）处理对象为YUV数据，分辨率为1920*1080，小波选择的是db8波，目标是去噪，小波分解了两级。在算法模型中小波阈值变换基本没太大作用。。。（论文里自己也承认了）权当作学习了吧。。代码如下：#include <stdio.h>#inclu

2020-08-28 14:32:48 675

原创 EDVR结合PyTorch代码分析

官方GitHub论文地址1. 先看整体流程： EDVR为视频质量增强一般性框架，比如超分辨率或者去噪均适用。2020NTIRE比赛 vider quality mapping中很多方法都是在EDVR基础上做改进，或者借鉴了里边的融合模块，因此非常重要哈。图中预去模糊模块可以自己设定，主要流程为特征提取-PCD（Pyramid, Cascading and Deformable convolution）模块-TSA（Temporal Spatial Attention）模块-重建模块。总体框架代码如

2020-08-14 15:27:45 2032 2

原创 python 光照补偿

import cv2import numpy as npdef unevenLightCompensate(img, blockSize, min_num,max_num): gray = img average = np.mean(gray) rows_new = int(np.ceil(gray.shape[0] / blockSize)) cols_n...

2020-01-07 15:55:55 2521 1

原创 pytorch_geometric运行报错Segmentation fault (core dumped)

可能原因：检查pytorch与cuda版本是否匹配，如果版本不匹配或者都过老有可能发生上述问题。如果linux环境下，请检查GCC版本，本人版本为默认的4.8.5，出现了上述问题。解决方法：对版本进行升级，具体命令见pytorch官网创建conda新环境，升级GCC并重新安装配置pytorch_geometric，具体流程如下：创建新的conda环境：conda create...

2019-12-05 09:47:49 2640 1

原创 pytorch_geometric自制数据集

1. 无权无向图数据格式与说明‘x’ :节点特征矩阵，默认shape为[num_nodes, num_node_features],num_nodes为数据集节点数，node_features为每个节点的特征数。（如果输入一副完整的image，那么特征数可以是像素数嘛？待验证。。）‘y’ :label，可以是节点label也可以是图graph的label。shape根据目标进行设点。‘edg...

2019-11-20 10:38:55 6799 3

原创 torch.load()报错：OSError: [Errno 22] Invalid argument

torch.load(path)存储命令出现OSError: [Errno 22] Invalid argument错误后发现过于庞大的文件读取会报错，下图为同一数据集按照2：8划分。利用torch.load()后发现小的数据集可以顺利读取，大的不行。解决方法：提前将大的数据集划分后分别读取。。。...

2019-11-18 15:32:23 1233

转载图神经网络基础

拉普拉斯矩阵1.1 图的拉普拉斯矩阵L=D-A,其中D是顶点的度矩阵（对角矩阵），对角线上元素依次为各个顶点的度， A是图的邻接矩阵。如下图所示：1.2 对称归一化的拉普拉斯矩阵Lsym=D−1/2LD−1/2=I−D−1/2AD−1/2L^{sym}=D^{-1/2}LD^{-1/2}=I-D^{-1/2}AD^{-1/2}Lsym=D−1/2LD−1/2=I−D−1/2AD−1/2...

2019-10-22 11:21:53 480

原创序列预测

import torchimport torch.nn as nnimport numpy as npimport torch.nn.functional as Fimport torch.backends.cudnn as cudnnfrom data_loader import get_train_set, get_test_setfrom torch.utils.data imp...

2019-09-04 09:50:36 258

原创拼多多笔试记录

拼多多2：class solution(): def judge(self,s): self.res = False self.dfs(s,'') print(self.res) def dfs(self,s,visited): if self.res: return if ...

2019-07-29 16:40:39 127

weixin_41377325的博客