基础学习
文章平均质量分 85
关于卷积神经网络的基础
Chaoy6565
一只小白!
展开
-
学习记录——Mamba 草记
循环神经网络,每一个时刻的隐藏状态ht都是基于当前的输入xt和前一个时刻的隐藏状态ht−1计算得到的。原创 2024-04-21 17:13:17 · 763 阅读 · 0 评论 -
CVPR、ECCV、WACV、ICCV会议举办时间地点及出版地和出版社
CVPR(计算机视觉和模式识别会议)是计算机视觉和模式识别领域最顶级的学术会议之一,每年召开一次,由美国计算机视觉和模式识别协会(Computer Vision and Pattern Recognition)主办。CVPR会议涵盖了计算机视觉和模式识别的各个方面,包括图像处理、模式识别、机器学习、图像理解、人脸识别、目标检测等。会议通常邀请领域内的知名专家学者、企业代表和研究生等参加,共同探讨计算机视觉和模式识别领域的前沿技术和应用发展。原创 2023-11-10 17:39:59 · 2612 阅读 · 0 评论 -
点积,内积,哈达玛积的区别
点积、内积和哈达玛积是三种在不同数学和算法领域中使用的运算,它们有不同的定义和用途。在几何学中,点积也可以用于计算两个向量之间的夹角以及判断它们是否垂直或平行。内积的线性性质: = c内积的对称性: =原创 2023-07-24 17:15:40 · 566 阅读 · 0 评论 -
基础学习——关于list、numpy、torch在float和int等数据类型转换方面的总结
因为自己最近总是遇到一些list、numpy、torch的数据类型转换错误,特别是不同类型间的float转int或int转float,总是遇到错误,所以在这里总结一下。1.数字(Number);2.字符串(String);3.列表(List);4.字典(Dictionary);5.元组(Tuple);1.int–整型2.float–浮点型3.bool–布尔型4.fractions–分数5.complex–复数。原创 2023-06-04 13:37:42 · 1320 阅读 · 0 评论 -
基础学习——读txt数据、字符串转list或数组、画PR曲线、画Loss曲线
是Python中的一个字符串方法,它可以将一个字符串按照指定的分隔符分割成多个子字符串,并返回一个由这些子字符串组成的列表。例如,如果有一个字符串"hello world",我们可以使用.split()方法将它按照空格分隔成两个子字符串[“hello”, “world”]。如果没有指定分隔符,则默认使用空格作为分隔符。把类似于这样的数据读出来转为list,然后画图。代码注释很详细,这里就不解释了。原创 2023-05-27 20:19:52 · 1052 阅读 · 0 评论 -
基础学习——关于卷积层的记录
老是忘有些模块的具体作用,记录一下。原创 2023-05-23 21:52:42 · 587 阅读 · 0 评论 -
DRIVE视网膜血管分割——基于像素点分割(BP网络和CNN网络)
视网膜血管分割是一种计算机视觉任务,旨在从眼底图像中分割出视网膜图像的血管。这个任务对于糖尿病视网膜病变等眼部疾病的早期诊断和治疗至关重要。视网膜血管分割的方法主要有两种:基于规则的方法和基于深度学习的方法。基于规则的方法通常需要手工设计特征提取器和分类器,而基于深度学习的方法则利用深度神经网络来自动地学习特征并进行分类。近年来,基于深度学习的方法在视网膜血管分割中取得了许多优秀的成果,成为当前的主流方法。原创 2023-05-18 17:39:01 · 1530 阅读 · 3 评论 -
pytorch优化器——add_param_group()介绍及示例、Yolov7 优化器代码示例
最近遇到了一个关于优化器的bug,困扰了我很多天,然后自己系统学习了以下pytorch优化器的知识,总结记录如下。原创 2023-05-03 21:50:54 · 1477 阅读 · 1 评论 -
基础函数——enumerate()、hasattr()、isinstance()
enumerate一般与for循环连用。Python中的enumerate函数是一个内置函数,它可以对一个可迭代对象(如列表或元组)添加索引,并返回一个枚举对象。枚举对象可以直接用于循环或转换为元组列表。通过enumerate 函数可以很方便的获取到序列中的索引和值。原创 2023-05-02 21:20:11 · 234 阅读 · 0 评论 -
pytorch学习率设置——optimizer.param_groups、对不同层设置学习率、动态调整学习率
我的需求:我需要在yolov7中更改其中一层的学习率,但yolov7的学习率是随着eporch的变化动态变化的。原创 2023-05-02 15:55:21 · 5040 阅读 · 0 评论 -
Canny边缘检测算法
噪声去除:首先,使用高斯滤波器降噪,以平滑图像。为了尽可能减少噪声对边缘检测结果的影响,所以必须滤除噪声以防止由噪声引起的错误检测。为了平滑图像,使用高斯滤波器与图像进行卷积,该步骤将平滑图像,以减少边缘检测器上明显的噪声影响。其中Sigma为方差,k确定核矩阵的维数。高斯卷积核大小的选择将影响Canny检测器的性能。尺寸越大,检测器对噪声的敏感度越低,但是边缘检测的定位误差也将略有增加。一般选取5x5。梯度计算:然后,使用Sobel算子计算图像的梯度强度和方向。原创 2023-04-28 11:20:25 · 1030 阅读 · 0 评论 -
PyTorch学习——关于tensor、Variable、nn.Parameter()、叶子节点、非叶子节点、detach()函数、查看网络层参数
学习小计。原创 2023-04-17 16:20:54 · 709 阅读 · 0 评论 -
基础函数——os.path.join()、os.path.splitext()、os.path.split()、os.listdir()、with open() as f:作用及使用
file.newlines #未读取到行分隔符时为None,只有一种行分隔符时为一个字符串,当文件有多种类型的行结束符时,则为一个包含所有当前所遇到的行结束的列表。如果该文件已存在,文件指针将会放在文件的结尾。如果该文件已存在,文件指针将会放在文件的结尾。如果该文件已存在,文件指针将会放在文件的结尾。如果该文件不存在,创建新文件用于读写。如果该文件已存在,文件指针将会放在文件的结尾。如果该文件不存在,创建新文件用于读写。如果该文件不存在,创建新文件。如果该文件不存在,创建新文件。原创 2023-04-13 17:24:19 · 746 阅读 · 0 评论 -
关于OpenCV的一些图像处理函数
图像阈值src: 输入图,只能输入单通道图像,通常来说为灰度图dst: 输出图thresh: 阈值maxval: 当像素值超过了阈值(或者小于阈值,根据type来决定),所赋予的值type:二值化操作的类型,包含以下5种类型: cv2.THRESH_BINARY;cv2.THRESH_BINARY 超过阈值部分取maxval(最大值),否则取0cv2.THRESH_BINARY_INV THRESH_BINARY的反转。原创 2023-01-21 21:49:01 · 397 阅读 · 1 评论 -
Retinex图像增强算法——SSR,MSR,MSRCR,MSRCP,autoMSRCR
提示:以下是本篇文章正文内容,下面案例可供参考SSR(Single Scale Retinex)的思想:在原始图像中,通过某种办法抑制入射图像L的影响,尽可能保留反映物体本质特征的反射属性。SSR假设原始图像中光照图像是缓慢变换的,即入射图像L可以看做图像的低频成分(使用高斯低通滤波将低频成分滤出)。用原始图像减去入射图像即可得到表明图像内在属性的发射图像。公式可参考上面介绍。原创 2022-11-29 23:10:10 · 10036 阅读 · 35 评论 -
PyTorch model 返回函数总结——model.state_dict(),model.modules(),model.children(),model.parameters()
首先定义网络模型。原创 2023-01-15 18:51:29 · 5607 阅读 · 0 评论 -
PyTorch模型参数初始化(weights_init)——torch.nn.init、加载预权重
网络模型预权重设置加载初始化。原创 2022-12-17 15:36:00 · 4203 阅读 · 0 评论 -
基础学习——python 归一化、反归一化、标准化、反标准化、python输出数据显示不完全怎么解决
1、最大值归一化、反归一化2、线性函数归一化、反归一化我真的是不知道该怎么称呼这个函数,有的说是线性函数归一化,有的称其为[0,1]标准化。3、均值方差标准化、反标准化4、torchvision框架 transform5、python输出数据显示不完全怎么解决我这里用 jupyter notebook 和pycharm 环境运行都是可以的。numpy数据加这一行tensor数据加这一行总结未完待续,,,,原创 2022-12-08 11:56:41 · 4957 阅读 · 0 评论 -
基础学习——爱因斯坦求和、 einsum函数用法(pytorch)
这个函数也是偶然间遇到的,觉得还挺好使的。爱因斯坦求和是一种对求和公式简洁高效的记法,其原则是当变量下标重复出现时,即可省略繁琐的求和符号。->符号就相当于等号,->左边为输入,右边为输出。还是直接看程序吧。原创 2022-12-07 21:25:52 · 1332 阅读 · 0 评论 -
基础学习——python多进程、python多线程、numba 加速
以下内容是我为了解决一个for循环遍历速度太慢问题所看的一些内容,总结了以下,虽然这个并没有解决我的问题。原创 2022-12-06 11:18:46 · 1501 阅读 · 0 评论 -
基础学习——nn.Unfold 批量切片、F.conv2d 指定卷积核二维卷积操作、nn.Conv2d卷积层
nn.Unfold 批量切片、F.conv2d 指定卷积核二维卷积。这是我最近遇到的一个问题,对图片每个像素点进行遍历,并且对每个像素点所在的33区域进行数据计算,最开始我是用for来写的,因为for循环是一个框一个框的遍历计算,速度很慢,电脑计算量也没有上去。为了解决这个问题,我百度了很多次,摸索出了以下方法,用nn.Unfold 批量切片,再用矩阵计算所对应的33区域,最后用F.conv2d 指定卷积核二维卷积进行数据整合。大致思路就是这样。原创 2022-12-05 22:35:52 · 619 阅读 · 0 评论 -
Tensor学习——创建张量及常规操作(创建、切片、索引、转换、维度变换、拼接)
近期发现卷积神经网络数据都是tensor类型的,自己浅学习了一下,总结如下。在实际使用PyTorch的过程中,张量(Tensor)对象是我们操作的基本数据类型。很多时候,在我们没有特别明确什么是深度学习计算框架的时候,我们可以把PyTorch简单看成是Python的深度学习第三方库,在PyTorch中定义了适用于深度学习的基本数据结构————张量。原创 2022-11-20 14:59:24 · 802 阅读 · 0 评论 -
基础学习——numpy与tensor张量的转换
在卷积神经网络时经常会用到numpy的数组变量类型与tensor张量类型之间的转换,今天在这里总结了几个函数。原创 2022-11-20 20:07:17 · 6104 阅读 · 0 评论 -
Numpy学习——创建数组及常规操作(数组创建、切片、维度变换、索引、筛选、判断、广播)
近期学习了很多numpy(数组创建和一些基本操作)的基础知识,今天在这里总结一下,方便以后查看。原创 2022-11-19 21:33:45 · 297 阅读 · 0 评论 -
jupyter notebook 切换编译环境——使用pytorch环境gpu加速,CUDA、pytorch解释
最近用jupyter notebook 跑一个简单的卷积网络,发现gpu没有用,发现编译环境并不是我的pytorch运行环境,为了用gpu加速运行,需要切换到我之前我建立pytorch环境。在这里记录一下。原创 2022-11-23 23:18:10 · 3655 阅读 · 1 评论