- 博客(14)
- 收藏
- 关注
原创 第二章python基础学习
变量的功能:通过一个有意义的标识(变量),将变量与某个具体内容(数值、数组、对象等)进行关联,方便访问。门牌号与房子、人与人名。通过变量,不需要记住存放内容的内存物理地址。在python中,变量存的是记录具体数据的地址。代码如下"#将字符串字面量赋值给message变量结果:-----将变量与字面量进行关联,便于访问和使用。-------Jupyter在命令模式下开启cell的行号。快捷键L添加了一个名为message的变量。每个变量都存储了一个值——与变量相关联的信息。
2023-10-30 19:47:25
178
1
原创 第一章Python基础学习
Code prettify(代码美化)Variable Inspector(变量检查器)Codefolding(代码折叠)Nbextensions dashboard tab(Nbextensions仪表板选项卡)Hinterland(腹地)Code Font Size(代码字体大小)组成:硬件系统(CPU中央处理器 运算作用、内存 储存+运算、外储存器、输入输出设备、通信设备)+软件系统(系统软件 Win、Ios、linux 应用软件)2、Shift-Enter:运行本单元,选中下个单元。
2023-10-30 19:38:28
136
1
原创 huggingface_hub 的 token 链接
无论你选择哪种方法,都可以获取模型的 token 链接,以便在自然语言处理任务中使用。"Hugging Face Hub"(也称为Hugging Face Model Hub)是一个用于分享和获取自然语言处理(NLP)模型和相关资源的平台。类来获取模型和分词器(tokenizer),并且从这些对象中提取 token 链接。如果你想手动构建 token 链接,可以使用分词器的 "convert_tokens_to_ids。这段代码将加载指定的模型和分词器,并通过分词器获取指定标记的 token 链接。
2023-09-13 08:50:09
999
1
原创 CBAM模块--解读每一行pytorch代码
再使用一个全连接层将中间维度的向量映射回原始的空间维度,生成注意力权重。通过以上步骤,CBAM模块能够同时考虑特征图中每个通道和每个空间位置的重要性,从而增强网络对重要特征的表示和选择,提高模型性能。这个卷积层的输入通道数为 2,输出通道数为 1,卷积核大小为 7x7,步长为 1,填充为 3。:通道注意力模块主要关注特征图中的通道信息,以学习每个通道的重要性权重。:将特征图的每个通道内的元素取平均,得到每个通道的平均值。:将通道注意力模块和空间注意力模块得到的注意力权重相乘,得到最终的综合注意力权重。
2023-07-22 22:00:06
1520
原创 深度学习中所指的维度该怎么理解?
在PyTorch中,张量(Tensor)是多维数组,其中包含了多个元素。维度用于描述数据在各个方向上的大小或者说是用来描述张量中数据排列的方式。可以将张量想象成一个多维网格,其中每个网格上的元素都对应着一个数值。一个张量的维度数量被称为它的“阶”或“秩”,而每个维度都有一个大小(size),表示该维度上可以容纳的元素数量。在通道注意力模块代码中,维度是指张量在每个轴上的大小。属性来获取张量的形状,这将返回一个包含各维度大小的元组。维度上与其他张量保持一致,以便后续的计算可以正确进行。,表示有3行和4列。
2023-07-22 17:03:57
1187
1
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