- 博客(23)
- 收藏
- 关注
RSS订阅原创 RF- GNN：随机森林增强图神经网络
对于所有模型，GNN 层的输入和输出维度都是一致的，分别为 128 或 256。RF-GCN 的 a 的最佳值为 0.5，在Cresci-15数据集上，RF-GCN的性能随着α的增加而逐渐提高。为什么要用GNN来当基分类器，原因是：随机森林的基分类器是DT，DT的缺点是：容易过拟合，它们对复杂非线性关系的建模能力较弱（那就需要提取更多的特征）。输出对齐和聚合：每个子图和FCN都会产生一个输出，然后将它们对齐并聚合，生成最终的预测结果，这可能包括简单的平均或投票。这样做会导致基分类器之间的相似度很高。
2024-04-24 17:36:07
498
原创 移动端CPU和桌面端CPU的区别
移动端CPU是为笔记本电脑跟其他便携式设备设计，所以更小，更轻。桌面端CPU是为台式机设计，体积更大，功耗也更高。CPU要看的参数有哪些？
2024-04-11 17:29:04
96
原创 显卡（纯小白）
Geforce是英伟达的公版卡，什么4090ti都是这个下面的，有十几种产品，游戏卡，在国内不售卖。其余的比如七彩虹之类的都是英伟达的合作伙伴，是运用了英伟达自己的芯片技术。可以从一些代理商那里买，不知道能不能买到单独的显卡，可以以采购服务器整机的形式来买。买显卡的时候，需要了解的参数就是：预算多少，买几张。现在为了让其他小白也少走弯路，补两句h h h h。采购服务器也是，采购几个？好家伙，小白入门深度学习真的寸步难行。连显卡怎么买都不知道。
2024-04-10 10:36:52
96
原创 模型部署的时候需要用到C++算子，涉及cuda问题
使用C++编写算子可以更方便地与这些框架进行集成，实现模型部署的自定义需求。：C++是一种高性能的编程语言，具有更接近底层的控制和更高的执行效率。在模型部署阶段，特别是对于需要实时推理或对计算资源要求较高的场景，使用C++编写算子可以提高模型的执行速度和效率。：有时候需要根据具体的部署需求编写定制化的算子，以满足特定的性能、内存或其他要求。使用C++编写算子可以更灵活地实现这些定制化需求。综上所述，使用C++编写算子可以提高模型部署的性能、适配性、集成性和定制性，因此在许多情况下是一个合理的选择。
2024-03-21 16:34:32
369
1
原创 Z-score归一化
而不是data_zcore_1=preprocessing.StandardScaler.zscore_scaler.fit_transform(data)preprocessing.StandardScaler是sklearn的一个类，里面有fit、transform跟fit_transform。方法才可以加点进行调用。
2024-03-20 10:44:43
155
1
原创 权值初始化(用于pytorch学习记录)
三层的全连接网络，第二个隐藏层的权值梯度是怎么求取的loss是不是每层都产生一个loss？然后前后都会有一个传播。会指导前面后面的值。
2024-03-15 11:11:52
284
1
原创 Discovery of a structural class of antibiotics with explainable deep learning
通过测定39312个化合物的抗生素活性和人类细胞毒性，并应用集成的模型来预测12076365个化合物的抗生素活性和细胞毒性。利用可解释图算法，确定了预测具有高抗生素活性和低细胞毒性化合物的机遇字结构的基本原理。麻省理工在Nature上发表的研究论文，该研究发现了一种新型抗生素结构类别，用于对抗耐药性黄金色葡萄球菌，并且分析了模型的可解释性。（目的：高抗生素活性和低细胞毒性）
2024-03-15 09:27:46
82
1
原创 UniRepLKNet模型-pycharm学习
函数：cosine_scheduler（参数：base_value, final_value, epochs, niter_per_ep, warmup_epochs=0, start_warmup_value=0, warmup_steps=-1)2、模型参数4个：model、drop_path、input_size、layer_scale_inti_value（Layer scale initial values 图层比例初始值）world_size、local_rank等。
2024-03-14 10:02:32
906
1
原创 预训练权重跟checkpoint文件的区别
checkpoint文件的主要作用是在训练过程中保存模型状态，以便在训练过程中发生中断或结束后能够恢复模型的状态，或者在推断时使用已经训练好的模型参数。预训练权重通常用于初始化模型参数，而checkpoint文件则用于保存模型状态以便在训练过程中回复或者在推断中使用。预训练权重是一个概念，不一定要保存在checkpoint文件中，通常情况下，预训练权重可以通过提供的链接或下载方式获取，然后直接加载到模型中，不需要额外的操作。
2024-03-13 09:09:49
149
原创 nn.Module（补充知识包括torch.nn、模块和类）
三要素：类名、属性、方法定义一个类：然后在里面要有属性、要有行为。调用方法：类名.方法名（必要参数）
2024-03-11 23:37:51
503
原创 github里面的README怎么看
code跟checkpoints已经通过了测试，large-kernel convolution with PyTorch尝试使用。
2024-03-11 17:01:01
735
原创 重参数化-卷积神经网络
是一种深度学习的优化方法，它的目的是：针对现在已有的建模方法进行一种新方法的替代。举例：例如inception文章中的提到的用3*3卷积来替代5*5卷积。重参数化的原因是为了减少参数量，提高模型运行速度，提高设计灵活性。
2024-03-11 10:05:48
117
原创 Dilated convolution Networks
卷积网络逐渐降低分辨率，直到图像由tiny feature maps直到空间结构不再可辨。在不增加模型深度和复杂性的情况下，扩展空洞残差卷积能使图像分类优于非扩展网络。增加feature map的输出尺寸。
2024-03-11 09:54:07
81
原创 SE block
2018发表，2017年获得了分类大赛的冠军即插即用模块。论文出发点或背景：卷积神经网络注重抽取一些特征，用局部感受野来融合空间和通道信息来获取信息。为了促进网络的表达力，。为了关注通道关系并提出了一个新架构，就叫SE block。。（不太理解）原文：that adaptively recalibrates channel-wise feature responses by explicitly modelling interdependencies between channels.
2024-03-11 08:46:57
594
原创 UniRepLKNet详解
描述 "Dilated Reparam Block" 的模块，其设计旨在通过等效转换来增强非扩张大核卷积层。以下是关键点的解释：这是一个模块，用于增强非扩张大核卷积层。它由一个非扩张的小核和多个扩张的小核层组成。超参数：这个模块有一些超参数，包括大核的大小 K、并行卷积层的大小 k，以及扩张率 r。在示例中，模块使用了四个并行的卷积层，其中 K=9，r=(1,2,3,4)，k=(5,3,3,3)。灵活性：并行分支的核大小和扩张率是灵活的，唯一的约束是它们的等效核大小不应超过大核的大小 K。
2024-03-08 23:21:21
1041
1
原创 web开发的几个关键环节
ecs-java+html用于托管并提供java编写的web应用程序，java通常用作后端语言，处理业务逻辑，数据库操作等，html用于构建web应用程序的前端界面，ecs提供了弹性的计算资源，用于灵活部署和扩展应用程序。阿帕奇作为web服务器软件，用于托管和提供web应用程序，接收来自客户端的http请求，并将这些请求转发给后端应用程序，再将响应返回给客户端。mysql存储应用程序中的结构化数据，是web应用程序中的核心数据存储部分。oss存储非结构化数据，如图片，视频等。
2024-03-03 22:25:12
185
原创 算法岗跟开发岗的区别
零基础入门到找工作，大概五到六个月时间（看视频，然后查漏补缺）（1）reserch类型：读读论文，像高校里面。（2）工程岗：寻找算法，解决问题。
2024-03-03 21:15:40
205
原创 服务器和公有网络及私有网络的关系
个人搭建的网络，跟公有网络不同，不能随意接入，可能由防火墙来实现这种功能，里面的网络要由自己来设置端口等，私有网络就像局域网，是一种小范围的网络，通常用于组织、企业或个人的内部通信。4G或者5G网络等，是网络运营商给予的网络，用户接入之后可以访问公网里的公开信息。服务器有两种，一种是自己搭建的服务器，另一种是云服务器，例如阿里云。服务器不能用个人笔记本代替，里面要有算力的要求。对计算机知识过于匮乏，以后争取多多补充。
2024-03-03 20:48:03
99
原创 numpy库
1、numpy继承于C语言，跟python有一些区别。2、数据处理的过程中，如果遇到向量化、矩阵化操作的时候，优先考虑numpy使用numpy数组的原因：python中的列表，里面的数据有很多种类型，每次用到里面的元素都要判断它的类型，耗时很长，但是numpy里面的数据，只需要知道一个就可以了。3、numpy切片时，切的是一个视图，而不是副本如果想要一个副本，加入.copy。
2024-02-29 23:34:37
290
1
原创 K折交叉验证
通过将数据集划分，进行K折交叉验证测试，如果K折的结果都很差，就说明是模型训练的不好，需要对模型进行优化。如果是K折里面有好有坏，那么就是数据集不均匀或者数据集太少。
2024-02-27 22:40:55
72
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