![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
优质文章
文章平均质量分 92
AI Bro
如梦幻影,做现实的演员,演内心的独角戏。
展开
-
docker之传染病可视化系统
传染病可视化系统罢了原创 2022-07-28 16:17:39 · 792 阅读 · 1 评论 -
字符集与编码的前世今生
Unicode与UTF系列编码的共性与区别翻译 2022-03-26 16:36:57 · 362 阅读 · 0 评论 -
爆肝总结:神经网络大杂烩
文章目录purpose:来龙去脉LeNet5AlexnetVGGGoogle InceptionResNetDenseNetpurpose:论文里面经常会有对比实验,经常会用到一些较经典的网络。例如Alexnet网络是从Imagenet大赛中脱颖而出的模型,但是其原始的输入大小与输出大小可能与我们的任务并不相符。这种情况我们怎么使用经典的网络结构来做对比实验呢?看过了一些论文复现的代码,大多数作者是这样处理的:尽量保留经典模型的网络结构。如果任务不同,该改的还是要改。也就是说,他们复现的经典网络结原创 2021-10-02 16:44:29 · 455 阅读 · 0 评论 -
数字水印保护你的神经网络
文章目录1 前言2 数字水印2.1 白盒方法2.2 黑盒方法3 总结1 前言最近了解到数字水印技术在神经网络上的应用。我觉得蛮有意思的,就拿出来讲一讲,主要从大方向上讲解,生人亦可进。可能提到数字水印,大家第一印象是,把带有个人象征的内容嵌入到原创作品中,如下图。但考虑到通过p图技术可以把这种水印去掉,那么就有人这样做。在如下小姐姐的照片中,嵌入“老司机”图片。你敢信,一张小姐姐的图片,通过计算可生成“老司机”字样图片。我有个大胆的想法【手动狗头】。具体实现,可见 https://www.z原创 2021-09-25 01:29:17 · 3411 阅读 · 0 评论 -
PCA原理详解
目录标题1 前言2 原理3 总结附录1 前言PCA作为一种降维策略,在数据过于巨大时经常使用。这方面的文章也遍地都是,但我问一个问题,你真的懂了PCA吗?你能自己推导它的原理吗?疑问三连,bro,我并没有在贩卖焦虑。实际上,作为一个AI领域从业者,我们除了被动接收这些知识之外,还得知道为什么。这样一个降维的问题交给你,你会怎么设计算法?以这种主动学习的心态去思考一个问题,学习一个算法,毫无疑问,你会学到更多。这篇文章会以一个解题者的角度,带你如何从零到一,彻底和PCA说baibai。2 原理原创 2021-08-18 20:50:58 · 400 阅读 · 0 评论 -
域自适应实战&coding
目录1 前言2 原理3 coding3.1 加载数据集3.2 搭建网络3.3 训练及测试3.4 对比3.5 可视化特征分布4 总结附录1 前言好几天前我就想做关于域自适应的文章。可能你觉得我不务正业【手动狗头】,但是别急,这个还真挺有意思。还能加深自己对网络的理解,所以这几天,我一直在肝这方面的内容。好的,什么叫做域自适应?举个例子哈,有些人微信头像喜欢换成动漫的自己,当然了,作为好朋友,你肯定认得出动漫的他。这是因为我们视觉系统比较强大,偷偷做了域自适应。梦回正文,单纯的神经网络却认不出来。你训练原创 2021-08-17 18:27:39 · 3156 阅读 · 8 评论 -
使用torch进行迁移学习
文章目录1 前言2 process2.1 加载resnet18模型2.2 加载cifar10数据集2.3 冻结并改网络2.4 训练并测试3 源代码附录1 前言什么叫迁移学习?迁移学习(Transfer learning) 顾名思义就是把已训练好的模型(预训练模型)参数迁移到新的模型来帮助新模型训练。大白话:你学过了英文(预训练模型),之后你想学法文(新模型),在学习过程中,你会利用英文的基础,来帮助自己理解法文。That is Transfer Learning .更专业的表述可以参考迁移学习与域自适原创 2021-08-14 11:00:38 · 1385 阅读 · 1 评论 -
迁移学习与域自适应
文章目录1 摘要2 思路2.1 Question:2.2 理论公式2.3 任务场景2.3.1 同样的域,不同任务2.3.2 同样任务,不同的域3 总结附录1 摘要本文会介绍迁移学习与域自适应的具体区别首先,解答一个问题:如果说两个image服从同一种分布,到底是什么意思?之后通过数学理论公式,严谨的将迁移学习与域自适应区分开来,并介绍两者相应的应用场景。坚持看下去,我会讲清楚,我也相信你会有所收获。2 思路2.1 Question:如果说两个image服从同一种分布,到底是什么意思?原创 2021-08-13 12:30:13 · 5185 阅读 · 5 评论 -
强化学习之QLearning实战
目录1 前言2 如何做2.1 gym使用2.2 QLearning介绍2.3 生成Q表2.4 Q表决策3 源代码(可直接运行)4 总结5 附录1 前言玩个游戏(滑动杆CartPole),看下图。我们的目标是,我们通过向左或向右滑动滑块来保证杆子始终在滑块的上方。下图我设置随机滑动滑块,展现出来就是这样一个效果。经过该篇文章学习后,你能通过强化学习操控滑块,达到如下的一个效果。Amazing?Let’s make it .回到正题首先需要安装Gym,即游戏仿真平台。使用pip install原创 2021-08-11 22:48:25 · 1524 阅读 · 5 评论 -
对抗样本之FGSM原理&coding
文章目录1、FGSM原理2、pytorch实现2.1 建立模型2.2 FGSM模块2.3 测试2.4 可视化对比2.5 对比样本与对抗样本1、FGSM原理论文 Explaining and harnessing adversarial examples. 这篇论文由Goodfellow等人发表在ICLR2015会议上,是对抗样本生成领域的经典论文。FGSM(fast gradient sign method)是一种基于梯度生成对抗样本的算法,属于对抗攻击中的无目标攻击(即不要求对抗样本经过mod原创 2021-05-13 13:56:37 · 8988 阅读 · 13 评论 -
pytorch从基础到实战
1、前言受博士学长推荐,入手了pytorch,用过都说好基础部分:pytorch优势以及其自动求导模块实战部分:pytorch拟合log函数曲线,代码逐句解释,让你真正明白pytorch的运行原理要求:提前安装好pytorch库,官方文档入口2、基础部分1.pytorch优势...原创 2021-05-08 22:05:30 · 2873 阅读 · 2 评论 -
python+selenium实战之无限评论
目录概要1、登录模块2、生成评论3、主要内容4、源代码汇总(可直接运行)概要功能:对csdn门户网站进行无限评论和点赞操作该实战项目使用的是firefox浏览器,进行selenium进行自动化操作对selenium使用不熟,可转至Python Selenium库的使用要求:安装selenium库,安装代码 pip install selenium使用firefox(如果你想用google,相应的驱动自己去装也行)下载geckodriver(是Firefox的官方webdriver),原创 2021-02-08 22:00:24 · 2460 阅读 · 58 评论 -
keras之模拟线性回归(一)
目录0 前言1 搭建模型2 源代码0 前言要求:安装keras库如有疑问,评论区留言1 搭建模型#这个demo,做一个简单的线性回归预测# 步骤:# 目标:是使得网络模型拟和一条 y=2*x+1 的函数图像,# 1、首先在 y=2*x+1 附近生成一些点,其中的x作为输入数据,y作为输出数据# 2、训练一个神经网络模型,包括100个神经元的全连接层和最终1个神经元的输出层。下面会提供网络模型图片# 3、训练大概1万次左右,即更新一万次参数。最后随机给出几个x,预测是否符合 y=.原创 2021-01-30 10:28:19 · 616 阅读 · 0 评论 -
Google colab使用之手把手教学
目录0 前言1 极速开始2 “持久化”使用方式3 一些重要的使用经验0 前言相信各位看到这篇文章,是因为自己电脑跑神经网络代码太慢了。这里我谈一下我个人经历。前几天我要跑一个tensorflow的项目——官方提供的一个28*28*3的手写数字生成项目。由于我没有配cpu,一个很简单的项目跑了很久都没成功。我开始了探索之路。刚开始我尝试在自己电脑上配置gpu环境,网上配置gpu教程参差不齐,我试了很久也无法成功 经同学推荐入手了baidu AI Studio。发现不支持te.原创 2021-01-27 23:24:44 · 3487 阅读 · 1 评论