- 博客(39)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 Word2019公式居中编号右对齐
1. 问题2. 标尺 + 制表位 + tab键 实现编号右对齐将上述过程创建为样式对于用 word 来写论文的小朋友，不知道有没有和我一样被公式编号折磨的。翻了很多帖子，有些无效，有些直接把我 word 卡死，真真头大了好几天。这个方法只在 word2019 中试过，其他版本的不确定能不能用奥~1. 问题正常我们在 word 中使用自带的公式编辑器打完公式后会自动居中；如果在公式后面（公式编辑框外）添加任一个字符，比如我们想要的编号，公式所在行又会自动左对齐，所以无法直接实现 公式居中、编号右对.
2022-03-26 19:04:54
7455
5
原创 智星云服务器之云主机使用教程简记
智星云服务器之云主机使用教程简记一、优缺点1. 优点2. 缺点二、服务器简介1. 官网2. 小程序的使用三、连接服务器流程1. 下载MobaXterm，检查系统运行状态是否无误2. 使用windows附件远程桌面连接服务器3. 搭建环境个人电脑性能不太高以至于难以满足一些模型的训练，上半年就一直在考虑租个服务器，但是太懒惰了~最近使用了智星云的 Geforce GTX 1080Ti（入门型） 训练模型，感觉还可以。一、优缺点1. 优点价格比较便宜，单独按小时来算，1 GPU 的情况下，Geforc
2021-12-22 19:00:41
5629
原创 1x1卷积(Conv 1*1)的作用
一、来源及应用二、作用1. 添加非线性特性2. 对通道数实现升维/降维3. 实现跨通道的信息交互与整合一、来源及应用Conv 1×1Conv\ 1\times1Conv 1×1 是 Network in Network 的简称。对于单通道图像，其作用仅是进行线性运算；对于多通道图像，Conv 1×1Conv\ 1\times1Conv 1×1 会遍历图像的所有位置，并将每个位置处所有通道的值作为其输入，与 1×11\times11×1 卷积核中对应通道的.
2021-09-03 17:02:14
10003
原创 目标检测(七)：FPN----特征金字塔网络
FPN一、简介1 人工特征之特征化图像金字塔2 卷积网络之单尺度特征图3 卷积网络之金字塔特征层级4 卷积网络之top-down结构一、简介FPN：Feature Pyramid Networks for Object Detection 这篇文章主要基于 特征金字塔(Feature Pyramids) 解决了 目标检测系统中识别多尺度目标的不足。尽管特征金字塔是识别任务中实现多尺度目标检测的基本技术之一，但因为其 计算量大、内存占用高 而难以应用在深度学习目标检测中，因此先前的深度学习目标检测网络会
2021-08-16 00:07:05
1624
原创 Pyotrch实现单幅图像边缘检测
随笔记~内容来自吴恩达老师的Coursera课程 Convolutional Neural Networks。参考代码：import torchimport torch.nn.functional as Ffrom PIL import Imagefrom torchvision import tranforms# 转换列表tfs = [transforms.ToTensor(), transforms.ToPILImage()]# 读取图片并进行类型转换src = Image.o
2021-07-14 00:15:53
1150
6
原创 python 实现按文件名初始顺序批量重命名
最近在某网站下载了一个数据集，想改下文件名，但是批量修改的时候总是改完就乱序了，很气。然后本着绿色共享的原则，我就开始在各大平台寻找可用代码~~话不多说，试了好多好多代码，都打着 按顺序批量重命名 的旗号，实际上是按文件的时间顺序去重命名了，导致修改以后文件的顺序都被打乱了。直到看到了它！！！Python 批量修改图片文件名，前面补0，实现00001开头（按照初始顺序改名）机智如我，在使用原文件修改前，拿出来了一小部分测试这些代码的可用性，以原文件被搞乱还得重新下载~1. 小批量测试我从数据里拿出来
2021-07-11 18:04:21
3139
5
原创 戴尔Win10笔记本连接wifi后显示“无internet,安全”但可正常上网
menu1 问题表现和一些解决方法2 我使用的且真实有用的方法3 谢谢评论区的这位大哥！自从上次因为把笔记本放在铁质书架上导致蓝牙不可用后，对这样的问题我真是不觉得奇怪了。 最easy的解决方式往下翻 ~~1 问题表现和一些解决方法问题具体表现如下：操作中心显示wifi已经连接，但提示“无Internet，安全”在已经连上wifi并且网络可用的情况下，操作栏的无线网络连接符是小地球的形状，说起来也没什么太大影响，但是强迫症就很难受，所以…查了某度、某乎等等，解决方式一大堆，真正有效的谁知
2021-06-30 18:25:40
11483
10
转载 时间复杂度和空间复杂度的计算！！
本文转载自 算法的时间与空间复杂度（一看就懂）博主个人页 不止思考(奎哥)目录一、时间复杂度1. 常数阶 O(1)O(1)O(1)2. 线性阶 O(n)O(n)O(n)3. 对数阶 O(logN)O(logN)O(logN)4. 线性对数阶 O(nlogN)O(nlogN)O(nlogN)5. 平方阶 O(n2)O(n^2)O(n2)6. 立方阶 O(n³)O(n³)O(n³)、K次方阶 O(nk)O(n^k)O(nk)二、空间复杂度1. 空间复杂度 O(1)O(1)O(1)2. 空间复杂度 O(n)O
2021-06-22 23:43:09
877
原创 Pytorch(五)：神经网络之 torch.nn——Convolution Layers
上一篇文章记录了 Pytorch 用于构建神经网络的容器，并且提到 一个神经网络模块是由其他子模块嵌套而成的结构，常用的就是卷积、池化等等，所以这篇简单介绍下 torch.nn 中的卷积类。目录
2021-06-12 16:05:52
1203
原创 Pytorch(四)：神经网络之torch.nn——containers
神经网络(Nueral Networks) 是由对数据进行操作的一些 层(layer) 或 模块(module) 所组成，而PyTorch 中的每个模块都是 nn.Module 的子类，在调用或自定义时均需继承 nn.Module 类。同时 torch.nn 包为我们提供了构建神经网络所需的各种模块，当然一个神经网络本身也是一个由其他 模块/层 组成的模块，这种嵌套结构就允许我们构建更为复杂的网络架构。在开始搭建神经网络之前先了解下 torch.nn 包，它包含了用于搭建神经网络的所有基础模块，其中有
2021-06-09 22:54:46
627
4
原创 目标检测(六)：DSSD
SSD 的提出为目标检测领域带来了一大改进，无论是准确性还是速度都要优于先前的检测模型，美中不足的是 SSD 对图像中的小目标不太友好，检测效果一般，可能是因为小目标在高层没有足够的信息。为解决该问题，出现了以下几种 SSD 的改进版本：DSSD: Deconvolutional Single Shot DetectorRSSD: Enhancement of SSD by concatenatingfeature maps for object detectionDSOD: Learning D
2021-06-08 16:31:27
2051
1
原创 Pytorch(三)：数据变换 Transforms
目录0. 简介1. PIL Image and Tensor Image 都可用的转换(1) torchvision.transforms.CenterCrop(size)一般情况下，预加载的数据集或自己构造的数据集并不能直接用于训练机器学习算法，为了将其转换为训练模型所需的最终形式，我们可以使用 transforms 对数据进行处理，以使其适合训练。0. 简介在介绍 Dataset 时，提到 torchvision.datasets 中的数据集都有两个参数：transform：可以对数据进行的变
2021-05-25 19:19:07
5286
1
原创 戴尔Win10笔记本蓝牙突然不能用且设备管理器中找不到蓝牙
感觉是个特别奇葩且搞笑的问题，解决方式也真的让人哭笑不得，所以特地记录一下嘎嘎~图书馆能够用来充电的座位比较少，但有一部分藏书架旁边是有充电口的，所以有些同学(包括我)会选择去藏书架边上，将电脑放在铁质书架上充电 (划重点啦，铁质书架)，谁知道问题就出在这里呢 ？？？电脑的蓝牙突然消失了，表现为以下两方面：操作中心找不到蓝牙符号；设备管理器中也同样找不到蓝牙。所以我就开始尝试百度上的各种方法，包括：进入设置检查更新Windows，无用！❌❌❌；进入BIOS查看是否有蓝牙，无用！❌❌❌；
2021-05-23 18:34:37
18091
40
原创 RuntimeWarning: Glyph xxxxx missing from current font. font.set_text(s, 0.0, flags=flags)
在使用 matplotlib.pyplot 画图和展示图片时，如果将标题设置为中文，那么就会出现警告：RuntimeWarning: Glyph XXXXX missing from current font. font.set_text(s, 0.0, flags=flags)像这个样子：然后本来应该是汉字的标题变成了框框，像红框中的这个样子：出现这个问题是由于python的字体警告，解决办法也很简单，最直接的就是不要设置中文标题哈哈哈哈，但是在特殊情况下必须要中文标题的时候，可以在代码开头添
2021-05-22 17:24:02
3142
原创 Pytorch(二)：DataLoaders 和 DataSets
为避免用于处理样本数据的代码与训练模型的代码混淆在一起，大家会希望将处理数据集的代码与模型训练的代码分离，以提高代码的整体可读性和模块化。因此PyTorch提供了两个数据集相关的类：torch.utils.data.DataLoader 和 torch.utils.data.Dataset，这两个类允许我们使用预加载的数据集或使用自己的数据构建数据集。 其中：Dataset 存储样本数据及其相应的标签；DataLoader 则能够将 Dataset 包装成一个可迭代对象，便于访问样本数据及其相应标签
2021-05-21 18:49:56
859
原创 Pytorch(一)：关于张量 Tensors
决定好好整理下学习的有关 Pytorch 的内容。系统性的梳理和笔记对我这种只有七秒记忆的来说真的太重要，撸起袖子加油干！！！我一直看的文档是这个 Pytorch官方教程中文版(提取码：pyto) ，以及参考百度来的各种博客。如果本文的某些内容存在错误或其他问题，希望各位大佬能够帮我指出来，互相学习共同进步！共勉！————————————————————————————————————目录0. Tensors 简介1. 创建 Tensortorch.tensor()torch.* (* 代表 te
2021-05-20 00:13:17
276
原创 目标检测(五)：用个人数据集实现SSD-Pytorch的训练与预测
简记步骤0：环境step0：环境配置步骤1：数据集转换step1: 用 `voc2ssd.py` 生成索引文件step2：用 `voc_annotation.py` 生成用于训练的文件步骤2：训练网络step3：修改 `config.py` 文件step4：运行 `train.py` 文件步骤3：预测step5：修改根目录下 `ssd.py` 文件step6：修改nets目录下 `ssd.py` 文件step7：运行 `predict.py` 文件踩坑步骤0：环境因为电脑配置比较差（NVIDIA Gef
2021-05-06 00:24:54
4960
33
原创 目标检测(四)：SSD之Pytorch源码解读
读完 SSD 的论文内容能大致了解这一算法的核心思想和算法流程，但要将其应用到实际问题上还需要去读代码。SSD 的作者是用 Caffe 框架实现的，但自己使用 Caffe 搭建 SSD 的环境实在是太复杂了(师弟说他用了半个月的时间都没有弄好，到处都是坑坑坑，最后还是用了搭建好的付费服务器)，且 Caffe 这个框架着实有点 outdated，所以我就准备看下 Tensorflow 或 Pytorch 的实现。恰好某站上有个超细节的up主录制了 Pytorch 实现 SSD 的视频，而且项目所需恰好也是Py
2021-05-03 22:21:31
1876
3
原创 目标检测(三)：SSD
Single-Shot MultiBox Detector01 目标检测背景想告诉刚进入研究生阶段的师弟师妹们不要划水哇，因为后期开始准备毕设时都要补回来/(ㄒoㄒ)/~~我就是活生生的例子…还是共勉！——————————————————————————————————————————————0SSDSSDSSD 是 RCNNRCNNRCNN 系列中做的很好的一个模型，它在目标检测的准确性和速度上都远超之前的模型。下面的图简单总结了基于 RCNNRCNNRCNN 的一系列模型。（图是之前在某个地方
2021-04-22 17:22:54
4044
4
原创 AI医学：使用CNN进行内窥镜图像胃癌检测
记1. 构建数据1.1 训练集1.2 测试集开学后拿到的第一篇文章，是关于利用CNN进行胃癌检测的，题目是《Application of artificial intelligence using a convolutional neuralnetwork for detecting gastric cancer in endoscopic images》。这是基于日本胃癌发生情况的一篇AI医学文章，发表于2018年。在人工智能＋神经网络+深度学习极大改善多个医疗领域中的图像诊断的大背景下，这是首篇
2021-03-30 17:14:25
5977
134
原创 目标检测(二)：RCNN
2020.12.30考完研究生期间的最后一门考试，就开始了毫无节制的寒假生活~颓废到今天已经两个多月了嘎嘎嘎嘎，终于是忍受不了内心的煎熬，准备在开学之前二十天好好学会习了。共勉！！！————————————————————————————————————文章目录简介1 如何进行目标定位？2 如何训练标注数据不足的大型CNN简介R-CNN是由于模型中结合了region proposals和CNN，因此被称为R-CNN：regions with CNN features。那么为什么要进行这种看起来很复
2021-03-23 18:43:13
306
转载 支持向量机之线性SVM
转载：作者知乎专栏作者CSDN博客专栏Github代码获取Python版本： Python3.x运行平台： WindowsIDE： Sublime text3本文为转载 @ Jack-Cui 的文章，有些地方按照个人理解进行了修改，原文的话可以去博主的专栏查看。线性SVM原理一 前言二 什么是SVM一 前言说来惭愧，断更快半个月了，本打算是一周一篇的。感觉SVM瞬间难了不少，推导耗费了很多时间，同时身边的事情也不少，忙了许久。本篇文章参考了诸多大牛的文章写成的，对于什么是SVM做出了
2020-12-05 22:17:46
201
原创 目标检测(一)：Selective Search
最近在看RCNN系列的目标检测相关文章，然后有好多不了解的名词，更令人讨厌的是，当翻看一个名词的时候又会蹦出来其他不熟悉的概念，简直就是一个恶性循环…既不想写字也不想打字，最终还是选择敲敲敲敲做些笔记，总不能看了就忘以至于白白浪费时间????????????RCNN系列的目标检测模型，均是基于 region proposal(区域建议) 的 (有些地方把region proposal翻译为区域建议，也有的翻译为 候选区域，这两种见的比较多，我更喜欢第二种翻译，直觉上会更容易理解点)。Q1：RCNN中为什
2020-12-03 15:26:29
552
2
原创 BLAS学习
导师突然通知要开始关于blas的讨论班，之前甚至都没听说过blas这个词，又要开始新一波的锤炼小白之路了…1. BLAS简介首先BLAS的全称是 Basic Linear Algebra Subprograms，即 基础线性代数子程序库，其中包含了一系列基本的线性代数运算函数的接口...
2020-11-30 15:52:05
742
3
原创 深度学习工程师之神经网络和深度学习4：深层神经网络
week44.1 Deep L-layer neural network4.2 深层网络中的前向传播4.2.1 单样本的前向传播学习大概是最可反应付出与回报成正比的事情了叭。共勉！——————————————————————4.1 Deep L-layer neural network在前三周学习了单隐层神经网络和单层神经网络(即逻辑回归)，通常隐藏层较少的神经网络，比如只有一两层的，就称之为 shallow model，也就是较浅的网络，如下图所示的前三种模型。相对应也有 deep model，
2020-11-23 14:32:51
387
原创 深度学习工程师之神经网络和深度学习3：浅层神经网络
week33.1 神经网络的表示3.1.1 神经网络的简单举例在寻求真理的长河中，唯有学习，不断地学习，勤奋地学习，有创造性地学习，才能越重山跨峻岭。 ——华罗庚共勉！！！以上。—————————————————————————————————3.1 神经网络的表示3.1.1 神经网络的简单举例以上周学习的Logistic回归为例，解释下神经网络的结构。神经网络是由许多个神经元构成的，每一个神经元都承担着不同的任务(为方便叙述称一个神经元为一个结点(node))。例1 对一个有着三个**输
2020-11-13 14:06:47
264
原创 深度学习工程师之神经网络和深度学习2：神经网络基础
毛主席曾经说过：情况是在不断的变化，要使自己的思想适应新的情况，就得学习。所以！继续学习！！！以上。———————————————————————————————————week2：神经网络基础2.1 二分分类2.1.1 分类器的输入与输出2.1.2 符号注记2.1 二分分类整个第二周的课程会以逻辑回归-Logistic Regression为例进行讲解，逻辑回归是一个用于二分分类的算法，对该算法不太了解的同学可以去看一下吴老师的机器学习课程，里面讲的超级简单易懂。附上网址：吴恩达机器学习分
2020-10-22 23:14:06
144
原创 深度学习工程师之神经网络和深度学习1：深度学习概论
《深度学习工程师》是吴恩达教授与网易合作的一项免费公开微专业，可以在网易云课堂上进行学习，这个微专业包含了五个公开课，分别是：神经网络和深度学习改善深层神经网络：超参数调试、正则化以及优化结构化机器学习项目卷积神经网络序列模型去年学习了吴老师最经典的机器学习课程(不得不说的是网易真的很不错，中英双字幕真的救了英语听力极差的我)，可惜没有做太多笔记，甚至有些知识点已经还给老师了????，于是痛下决心，决定这次听课的时候好好做笔记！！！时不我待，加油！！！以上。———————————————
2020-10-17 10:45:55
406
原创 图像语义分割及常用评价指标
最近要看师兄的论文，狂补各种知识，翻了很多帖子看的云里雾里，只能理解到表面的皮毛知识，完全没办法转化为自己脑袋里的东西，仙女哭泣????，真的不想动笔也不想码字，然鹅只有真正的捋一遍才能get到点在哪里，没办法，还是硬着脑壳上来码字了，只希望不要掉头发了☹。语义分割。。是的，我连语义分割都没太搞懂，当年怎么就脑子一抽换了专业????。不叭叭了，学习！！！参考一：什么是语义分割、实例分割、全景分割语义分割概述语义分割是像素级别的分割，即把一副图像中的像素划分为不同的类别。这里有几个不同的概念：图像分
2020-09-21 20:57:18
3801
3
原创 DenseNet论文学习与理解
DenseNet简介DenseNet概述相关概念密集连接(dense connection)与ResNet不同之处融合方式传递方式DenseNet的优点关于特征重用关于参数量减少网络架构非线性转化函数Hl(⋅)H_l(\cdot)Hl(⋅)池化与密集块(dense block)增长率(growth rate)瓶颈层(bottleneck layer)压缩层（compression）实验细节关于CIFAR、SVNH关于ImageNet实验结果小结DenseNet出自《Densely Connected C
2020-09-21 13:27:20
551
原创 ResNet论文学习与理解
ResNet出自于2016年的论文《Deep Residual Learning for Image Recognition》，该论文可以在IEEE中检索到。核心思想引入残差的原因——网络退化作者在文中提出了一种残差学习，目的是为了简化对deeper network的优化和训练。事实上，网络的深度非常重要，这是因为不同深度的网络提取到的特征是不同的，而我们希望获得更深的语义信息。那么从理论上讲，当网络层数加深时，网络达到的效果应当是更好的，但实践表明，单纯的增加网络深度会引起梯度消失/梯度爆炸，但这
2020-09-18 23:24:01
324
原创 U-Net论文学习与理解
简介论文信息U-Net出自2015年Olaf Ronneberger等人的论文 《U-Net: Convolutional Networks for Biomedical Image Segmentation》，该论文可在IEEE explore中检索到。U-Net提出背景在过去几年里，深度卷积网络不仅广泛地应用于各种视觉识别任务，同时也达到了非常好的效果，尤其是在医学图像分割任务方面。然而由于医学图像可用训练集大小的限制以及考虑到网络大小，卷积网络难以取得更好的成果，幸运的是Hence, Cir
2020-09-12 20:07:42
3620
原创 FCN论文学习与理解
简介FCN的全称是Fully Convolutional Network，出自2015年Jonathan Long等人的《Fully Convolutional Networks for Semantic Segmentation》，FCN的提出可以说是图像分割领域的一个里程碑，下面从该论文的内容架构记录个人理解。FCN的提出背景FCN出现之前，已有许多CNN 网络模型出现，比如AlexNet，VGG net和GoogLeNet等。本文的FCN也是基于CNN网络架构提出的。我们首先对CNN和FCN做一
2020-09-10 17:17:28
1256
原创 LeNet论文学习与理解
LeNet-5初理解一. 模型介绍二. 各层详解1. 输入层-INPUT2. 卷积层-C13. 池化层-S24. 卷积层-C3一. 模型介绍LeNet-5出自1998年YE Cun的论文《Gradient-Based Learning Applied to Document Recognition》，在上篇blog中有网盘链接可以下载~这篇文章指出LeNet-5对于手写数字识别是一个非常高效的网络。下图是该网络的结构：可以看到：除了输入层之外，LeNet-5一共含有7层；每层都包含可训练参数；
2020-08-11 13:55:05
1345
3
原创 卷积神经网络
CNN简介1. 什么是CNN？CNN即Convolutional Neural Network，也就是卷积神经网络，可以认为它是一种特殊的多层感知器或是深层神经网络。最早的卷积神经网络模型被认为是1979年日本学者 Fukushima 提出的神经认知机模型，而真正的现代卷积神经网络的基础模型是1998 年，LeCun 等人将卷积层和下采样层相结合而提出的LeNet模型。在此之后，CNN演化产生了许多不同类型的网络模型。(下图源自《深度学习：卷积神经网络从入门到精通》)2. CNN的组件一个卷积神经
2020-08-10 23:55:49
565
原创 人工神经元(二)
S型神经元背景每个神经网络都具有其独特的学习算法，对于感知器网络而言我们希望网络可以学习weightweightweight(简记为www)和biasbiasbias(简记为bbb)，从而实现网络的正确输出。因此如果我们对www和bbb做一些微小改动，我们希望网络的输出也会有微小变化，同时希望网络的表现是按照我们需要的方向改变，这样我们便可以通过不断地修改www和bbb来产生更好的输出。然而当网络包含上文所提及的感知器时，我们无法通过修改www和bbb来产生符合我们意愿的输出。原因在于对网络中单个感知
2020-07-04 11:53:30
231
原创 人工神经元(一)
感知器单一感知器模型多层感知器模型感知器的逻辑功能实例单一感知器模型一个感知器接受几个二进制的输入，x1,x2,⋯x_1,x_2,\cdotsx1,x2,⋯，并产生一个二进制的输出：在该模型中有三个输入，x1,x2,x2x_1,x_2,x_2x1,x2,x2，通常可以有更多或更少的输入。 引入权重 w1,w2,⋯w_1,w_2,\cdotsw1,w2,⋯，表示各输入相应于输出的重要性参数。神经元的输出outputoutputoutput，由分配权重后的总和∑jwjxj\sum_j{w_j
2020-06-30 17:30:40
507
原创 Win10+anaconda+pytorch
Win10下Anaconda安装Pytorch1⃣️安装Anaconda在官网下载需要的版本，下载之后双击安装包即可开始安装，需要注意的：第一个是安装路径，若C盘存储不够可以选择安装在其他盘；第二个是注意勾选上Add Path，不选的话需要在安装完成后手动配置环境变量2⃣️安装pytorch+torchvision我的版本是：conda python3.7 None(cpuonly)对应安装命令为：conda install pytorch torchvision cpuonly -c pyt
2020-06-13 15:37:02
169
原创 LaTex缺少宏包问题
LaTeX缺少宏包之手动安装首先latex安装前一定要备份环境变量！！！！！编译时提示缺少宏包，在线安装失败可手动安装缺少的宏包：1⃣️ 进入https://ctan.org/pkg搜索所需宏包并下载（一般是zip）2⃣️解压后若已包含.sty文件则将整个文件复制到CTEX下的MiKTeX/tex/latex（如果解压之后的包里只有.ins文件没有.sty文件，说明需要编译。从WinEd...
2020-03-10 14:19:51
8487
5
空空如也
电脑D盘突然少了60g
2021-12-10
TA创建的收藏夹 TA关注的收藏夹
TA关注的人