pytorch
文章平均质量分 57
白羊是小白
857在读研究生
2021年MathorCup高校数学建模挑战赛——大数据竞赛 研究生组二等奖
以获得国际级大创比赛立项(未到结题)
展开
-
基于CNN+OpenCV的微表情识别项目
基于深度学习的微表情识别技术研究,技术路线包括数据获取、预处理、模型搭建、优化...原创 2022-05-02 16:56:49 · 3063 阅读 · 4 评论 -
使用 matplotlib处理彩色图像
目前有多条基于同一时间维度的时序序列经过数据重构后生成了多组二维灰度图,接下来我们的工作就是把这些灰度图合并成一张彩图,JUST DO IT 数据预处理 由于数据采集时难以避免会有数据传输、传感器的噪声,这里我们要对原始数据进行数据滤波尽可能去除数据噪声。这里外面使用巴特沃斯滤波器进行滤波,传感器的采样频率为50hz,信号本身最大的频率为5hz,截止频率为5hz,则wn = 2 * 5 / 50 = 0.2。Wn = 0.2;可以看到滤波后的数据能够一定程度的减少了干扰,还原了数据。 b, a = s.原创 2021-11-12 15:00:07 · 3587 阅读 · 0 评论 -
pytorch学习 中 torch.squeeze() 和torch.unsqueeze()的区别与用法
1. torch.unsqueeze 详解 torch.unsqueeze(input, dim, out=None) torch.unsqueeze()这个函数主要是对数据维度进行扩充。给指定位置加上维数为一的维度,比如原本有个三行的数据(3),在0的位置加了一维就变成一行三列(1,3)。a.squeeze(N) 就是在a中指定位置N加上一个维数为1的维度。还有一种形式就是b=torch.squeeze(a,N) a就是在a中指定位置N加上一个维数为1的维度 作用:扩展维度 返回一个新的张量,对输入原创 2021-10-20 16:55:48 · 341 阅读 · 3 评论