- 博客(26)
- 收藏
- 关注
RSS订阅原创 非root权限安装git-lfs
非root权限安装git-lfs：https://blog.csdn.net/JNash/article/details/126180898。
2023-03-28 14:54:49
426
1
原创 pycharm sh: 1: cd: [Errno 2] No such file or directory
只用把先前添加的相同的解释器删除就可以。
2023-03-07 16:22:34
327
原创 Style GAN与styleCLIP的博客
style-GAN解读：https://mp.weixin.qq.com/s/_pFUqhqsFjOqFS4gDFg32ghttps://zhuanlan.zhihu.com/p/263554045styleCLIP：https://mp.weixin.qq.com/s/JzrnCt0ZPmVyxkPDWj9CQQ
2022-10-11 09:30:52
274
原创 pytorch安装、torch_geometric安装
特别注意，使用pip install 安装时，会自动下载cpu的torch，卸载掉自己的cuda版本，解决办法是指令变为：pip install --no-deps 你的torchvision名称。但是这样安装后，导入会报错，缺一些库，比如numpy,pillow等，对应安装上就好。参考：https://www.jb51.net/article/241128.htm。torch torchvision python版本对应。torchaudio版本对应。(可根据cuda版本找)pycharm连服务器。
2022-09-13 16:09:09
1222
原创 latex报错：Package fontspec Error: The font “KaiTi_GB2312“ cannot be found. For immedia
latex报错：Package fontspec Error: The font “KaiTi_GB2312” cannot be found. For immedia找不到 KaiTi_GB2312 和 FangSong_GB2312，那么你可能需要替换 scutthesis.cls 的两行：\setCJKfamilyfont{kai}{KaiTi_GB2312}\setCJKfamilyfont{fang}{FangSong_GB2312}为\setCJKfamilyfont{kai}{K
2022-04-26 00:25:49
5273
原创 nohup命令(Linux终端启动后台运行程序)
nohup命令(Linux终端启动后台运行程序)nohup bash eval.sh oxford_flowers rn50_ep50 > out.log 2>&1 &nohup 和 & 组合了后台运行程序。可以输出到 out.log保存程序输出，也可以输出到/dev/null 即空设备，不保存输出。接下来可以使用jobs指令(或者：ps -aux | grep python)来查看后台运行的程序：jobs...
2022-03-15 11:30:09
3319
原创 Linux删除文件失败 rm: cannot remove xxx. Device or resource busy
Linux删除文件失败 rm: cannot remove xxx. Device or resource busy$ rm -rf /home/.../oxford_flowersrm: cannot remove '/.../oxford_flowers/CoOp/rn50_ep50_1shots/nctx1_cscTrue_ctpend/seed2/.nfs00000000023668a700000013':Device or resource busy错误原因还有进程在运行解决
2022-03-09 22:58:40
26613
2
原创 【待更新】GPU 保存模型参数，GPU 加载模型参数
GPU 保存模型参数，GPU 加载模型参数保存# 模型device = torch.device('cuda')net = KGCN(num_user, num_entity, num_relation, kg, args, device)if torch.cuda.is_available(): print("torch.cuda.is_available()",torch.cuda.is_available()) net = torch.nn.DataParallel(net)
2022-03-08 15:25:33
296
原创 解决在linux移动anaconda到其他文件夹，conda: command not found的问题
解决linux 移动anaconda到其他文件夹，conda: command not found的问题由于服务器的/home文件夹空间不够，需要把文件（/home/hu/miniconda3）移动到其他文件夹(/pub/data/hu/miniconda3)下，但移动之后的虚拟环境需要重新配置。移动文件：mv /home/hu/miniconda3 /pub/data/hu/miniconda3In -s moved_directory original_directory（即ln -s /pu
2022-02-21 17:27:20
5793
5
原创 解决GitHub连不上的问题fatal: unable to access ‘https://github.com/..’: Failed to connect to github.com port
解决GitHub连不上的问题fatal: unable to access ‘https://github.com/dmlc/dgl.git’: Failed to connect to github.com port 443: Connection refused1、使用ssh key在终端输入：git clone git@github.com:dmlc/dgl.git配置ssh key见下方链接https://blog.csdn.net/u013778905/article/deta
2022-01-20 16:22:57
18194
原创 CLIP与CoOp代码分析
CLIP与CoOp代码分析CoOp是稍微改了下CLIP的text encoderCLIP代码：https://github.com/OpenAI/CLIPCoOp代码：https://github.com/KaiyangZhou/CoOp输入一张图片和三段文本，使用CLIP，计算相似度。以下是向量维度分析import torchimport clipfrom PIL import Imagedevice = "cuda" if torch.cuda.is_available() else
2022-01-15 14:07:27
9619
20
原创 ICML2021论文笔记《Self-supervised Graph-level Representation Learning with Local and Global Structure》
ICML2021论文笔记《Self-supervised Graph-level Representation Learning with Local and Global Structure》摘要本文研究了无监督/自监督的全图表示学习，这在药物和材料发现中的分子性质预测等许多任务中都是至关重要的。现有的方法主要集中在保留不同图实例之间的局部相似性结构，但没有发现整个数据集的全局语义结构。在本文中，我们提出了一个统一的框架，称为局部实例和全局语义学习(GraphLoG)，用于自监督的全图表示学习。具体来
2021-12-27 17:50:58
2683
原创 python把文件夹名里的空格换成下划线
python把文件夹名里的空格换成下划线import osdef rm_space(): for f in os.listdir("."): if f.find(" ") > 0: n = f.replace(" ", "_") if n != f: os.rename(f, n) else: os.rename(f, "_"+n)
2021-12-26 20:30:25
981
原创 数据集划分，veg200蔬菜分类数据集，分为训练集、验证集
数据集划分，veg200蔬菜分类数据集，分为训练集、验证集veg200数据集链接：https://pan.baidu.com/s/1boSNcV9#list/path=%2F1、 引入所需库import scipy.ioimport numpy as npimport osfrom PIL import Imageimport pandas as pdfrom shutil import copyfile2、 定义创建文件夹函数及设置路径# 创建保存图像的文件夹def makedir
2021-12-26 14:01:58
3174
原创 Locally Free Weight Sharing for Network Width Search
Locally Free Weight Sharing for Network Width Search2. PROBLEM FORMULATION在给定网络结构的情况下，网络宽度搜索的目标是在一定的预算范围内（算力、延迟等）优化各层的网络宽度。假设目标网络具有L层，则网络宽度可以表示为c=(c1,c2,...,cL)c=(c_1,c_2,...,c_L)c=(c1,c2,...,cL)的L长度元组，其中cic_ici表示第i层的宽度。在不损失清晰度的情况下，我们只专注于寻找cic_ici的
2021-12-22 23:52:09
575
原创 数据集划分，Oxford Flower102花卉分类数据集，分为训练集、测试集、验证集
数据集划分，Oxford Flower102花卉分类数据集，分为训练集、测试集Oxford Flower102数据集链接：https://www.robots.ox.ac.uk/~vgg/data/flowers/102/参考：https://www.jianshu.com/p/71d4a8c1b68b1、Flower102鲜花分类数据集概览及下载下载上图的145，1解压后可得到一个包含8189张.jpg格式的图片（放在jpg文件夹中）以及imagelabels.mat和setid.mat。数
2021-12-15 19:17:58
11191
7
原创 论文笔记：Tip-Adapter: Training-free CLIP-Adapter for Better Vision-Language Modeling
Tip-Adapter: Training-free CLIP-Adapter for Better Vision-Language ModelingTip-Adapter为CLIP模型添加了一个两层多层感知器(MLP)的Adapter和一个结合pre-trained features与updated features的残差连接。与CLIP-Adapter不同，Tip-Adapter不需要SGD来训练Adapter，而是从few-shot监督中构建一个query-key缓存模型，以获得Adapter的权
2021-12-14 15:19:42
6436
1
原创 ICLR 21可信多视图分类论文笔记：Trusted Multi-view Classification
TRUSTED MULTI-VIEW CLASSIFICATION1、方法动机多视图数据一般指多源数据，包括多模态数据、多传感器数据、不同方法所提取的数据特征等等。利用多视图数据之间的互补性往往能够增强算法的性能表现。在多视图学习中，一般的算法通常认为每个视图的数据是“平等”的。这种固定权重的方式实际上有一个潜在的假设：所有样本的各个视图的质量都保持稳定。然而在实际上，不同样本的不同视图的质量完全可能不同，因此，模型应该对此能够有适应性的变化。在某些场景中，比如医疗场景，对于模型给出的预
2021-12-04 10:37:38
5438
14
原创 CLIP在V&L的应用论文笔记《HOW MUCH CAN CLIP BENEFIT VISION-AND- LANGUAGE TASKS?》
HOW MUCH CAN CLIP BENEFIT VISION-AND- LANGUAGE TASKS?大多数现有的视觉和语言(V&L)模型依赖于预先训练过的视觉编码器，使用相对较小的手动注释数据集（与网络爬行的数据相比）来感知视觉世界。然而，我们可以观察到，大规模的预训练通常可以得到更好的泛化性能。我们建议在两种典型场景中使用CLIP作为各种V&L模型的视觉编码器：1)将CLIP插入特定任务的微调；2)将CLIP与V&L预训练结合起来，并转移到下游任务中。我们表明，CLIP显著
2021-10-15 14:22:27
1744
原创 ValueError：不支持连续格式(ValueError: continuous format is not supported)
ValueError：不支持连续格式(ValueError: continuous format is not supported） 运行情感分析的代码时报错，我做的是一个positive-negative二分类问题。网络上的解决方法（下图）是改为回归任务，虽然改了后能运行，但感觉怪怪的，因为我的任务目标是二分类。对于本二分类问题不使用，又看到了sklearn文档说 “第一个参数必须是二进制标签数组，但是你传递某种float数组作为第一个参数”于是在y_prob和y_true里加了强制类型转换i
2021-10-10 12:43:48
12562
1
原创 多模态论文笔记ViLT: Vision-and-Language Transformer Without Convolution or Region Supervision
ViLT: Vision-and-Language Transformer Without Convolution or Region SupervisionAbstractVision-and-Language Pre-training(VLP)提高了各种视觉-语言联合的下游任务的性能。目前的VLP方法在很大程度上依赖于图像特征提取过程，其中大多数涉及region super-vision区域监督（如对象检测）和卷积结构(如ResNet)。虽然在文献中被忽视了，但我们发现两者都有问题（1）效率/速度，
2021-10-08 21:56:00
3513
原创 CLIP论文笔记--《Learning Transferable Visual Models From Natural Language Supervision》
CLIP论文笔记--《Learning Transferable Visual Models From Natural Language Supervision》1、Introduction and Motivating Work2、Approach2.1自然语言监督2.2.创建一个足够大的数据集2.3选择一种有效的预训练方法2.4 Choosing and Scaling a Model2.5. Training3. Experiments3.1. Zero-Shot Transfer3.1.2 USI
2021-09-25 16:02:26
23584
2
原创 数据结构及算法——排序算法笔记（C++），动图演示分析稳定性复杂度及代码
数据结构及算法——排序算法笔记经典排序插入排序（Insert Sort）选择排序（Selection Sort）冒泡排序（Bubble Sort）网课推荐经典排序插入排序（Insert Sort）1.工作原理：将未排序数据，在已排序序列中从后向前扫描，找到相应位置并插入。*步骤：①从第一个元素开始，该元素可以认为已经被排序；②取出下一个元素，在已经排序的元素序列中从后向前扫描；③如...
2019-10-20 17:26:43
303
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