Cyan15-CSDN博客

原创运行SEAM实验的一些问题

使用SEAM出现的两个问题Running setup.py install for pydensecrf … error ERROR: Command errored out with exit status 1python版本太高了，创建python3.6的环境CUDA kernel errors might be asynchronously reported at some other API call,so the stacktrace below might be incorre

2021-11-13 09:56:24 1389

转载医学图像ct分割中的报错

TypeError: can only concatenate list (not “MultiValue”) to list #72If anyone is using pydicom=1.0.2 instead of the older pydicom=0.9.9, you will get an exception during the preprocessing step:TypeError: can only concatenate list (not “MultiValue”) to lis

2021-09-08 11:03:24 401

原创机器学习笔记——（HW01）

读取文件操作常见的读写操作：with open(r'filename.txt') as f: data_user=pd.read_csv(f) #文件的读操作with open('data.txt', 'w') as f: f.write('hello world') #文件的写操作相关参数：r: 以只读方式打开文件。文件的指针将会放在文件的开头。这是**默认模式**。rb: 以二进制格式打开一个文件用于只读。文件指针将会放在文件的开头。这是默认模式。r+: 打开一个文件用

2021-07-13 08:52:53 175

原创机器学习（李宏毅版）——12

终身学习LLL，通过终身学习进化为天网，最终控制人类。将训练好的模型上传到网络上，进行资料收集，用来再训练当前模型。先训练任务一再训练任务二，但是在训练完任务二之后，任务一被忘记。这里的多个任务不是指语音辨识、图像识别、文字辨识，而是指不同的domain。学完新任务后，旧任务就被忘记。如果新任务和旧任务同时学习，会对旧任务有更好的表现，说明机器是有能力学习多个任务的。Catastrophic Forgetting，机器学习的灾难性遗忘。如何解决？Multi-task training，多个任务

2021-07-11 22:37:19 180

原创机器学习笔记—9（李宏毅版）

概述领域自适应（Domain Adaptation）训练资料和测试资料有差异时，可能会坏掉，叫做Domain Shift训练资料与测试资料有差异时，如何做得更好？

2021-07-11 22:37:10 344 3

原创机器学习笔记—13（李宏毅版）神经网络压缩与元学习

1

2021-07-11 22:36:51 287

原创机器学习笔记—8（李宏毅版）

如何面对来自人类的恶意攻击在一个图片向量（benign image）上，每个维度加上一个很小的杂讯（attack image）后丢入network中进行训练加入杂讯后的判断结果无目标攻击：猫+杂讯=其他任何东西有目标攻击：猫+杂讯=海星人类看不出添加杂讯的影响，但是对于机器来说却造成了完全的判断错误。How to attacktargeted L(x)=-e(y,y.hat)+e(y,y.target)，结果应当接近海星而远离猫。L2-norm 修改每个像素一点点L-infinity 修改

2021-06-02 10:04:17 180

原创机器学习笔记—7（李宏毅版）

Self-Supervised LearningELMo 94MBERT 340MERNIEBig BirdGPT-2 1BMegatron 8B……BERT十分巨大，有340M的参数自监督学习 Data+训练，不需要Label，是Unsupervise-Learning的一种监督学习 Data+Label+训练Masking InputBERT transformer encoder，输入一排向量，输出一排长度相同的向量输入一个句子，随机盖住一些字，或者随机替换一些字盖住部分的

2021-05-26 10:53:10 110

原创机器学习笔记—6（李宏毅版）

GAN，生成式对抗网络Video PredictionPrevious frames – Network --> Frames让 Network 的输出不是单一的、固定的，而是有几率的分布输出。当同一个输入，有多种不同可能性的正确输出时，就需要 distribution。比如输出一个带翅膀的动物，那么就有多种结果，而很多种结果都是正确的。再比如输出辉夜是谁，可以输出秀知学院的四宫辉夜，也可以输出忍者世界的大筒木辉夜。Unconditional generation...

2021-05-22 09:27:38 105

原创机器学习笔记—5（李宏毅版）

TransformerTransformer 就是一个 Seq2Seq 的 model，output 的长度有可能确定、为一、或者未知（由机器自己决定，比如语音识别、中英翻译、语音翻译）。Seq2Seq 还可以应用于训练聊天机器人。收集大量人与人之间的对话进行训练。QA 类型训练可以作为训练的基础，而 QA 可以用 Seq2Seq 的 model 来解决，对于特定的任务使用特定的模型往往可以得到更好的结果。文法剖析，输入为一段文字，而输出是一个树状的结构体，可以使用括号和文字来表示。用 Seq2Se

2021-05-11 10:26:59 104

weixin_43567886的博客