- 博客(30)
- 收藏
- 关注
RSS订阅原创 np.copy与copy.deepcopy
如果你需要复制任意 Python 对象,包括列表、字典等复杂的数据结构,使用 copy.deepcopy() 是更好的选择。如果你需要复制 NumPy 数组,使用 np.copy() 更加高效。
2024-06-23 21:40:33
201
原创 STCFormer: 3D Human Pose Estimation with Spatio-Temporal Criss-cross Attention
论文重要信息摘选与理解：3D Human Pose Estimation with Spatio-Temporal Criss-cross Attention龟速更新ing…STCFormer论文重要信息摘选与理解：3D Human Pose Estimation with Spatio-Temporal Criss-cross AttentionAbstractIntroductionRelated WorkSpatio-Temporal Criss-cross TransformerExper
2024-02-20 20:28:39
443
原创 MotionBERT: A Unified Perspective on Learning Human Motion Representations
作者基于大规模和异构的数据资源，提出了一个统一的方法来学习人体运动表示，进而处理各种以人类为中心的视频任务。
2023-12-11 17:32:31
479
原创 python import 解决由于目录结构问题导致的ModuleNotFoundError
通常，我们自己编写的目录不会含有，这个一般是一些第三方包里会有，比如torch云云，下面的讨论不包含导入第三方包的情况。一般，我们自己创建的项目含有多级目录时，需要各种各样的跨级导入。为了import层级规范，一律用绝对路径（也就是形式）来导入，例如。这样规范化后再保证sys.path内包含相应根目录，就不会出错。包含根目录的方法：sys.path.append(os.getcwd())：将当前path添加到sys.path中。
2023-11-20 21:16:48
239
2
原创 P-STMO: Pre-Trained Spatial Temporal Many-to-One Model for 3D Human Pose Estimation
我也在OCR的任务中看到过类似的掩蔽方法。作者在这里的引文有两篇都是关于BERT：pre-training的，感觉可以有空看看。属于反问题类型，即已知y求x。反问题包含ill-posed和well-posed，差别在于ill-posed不存在稳定的唯一解。作者说：“之前有些工作通过随机掩盖一部分输入数据，然后恢复被掩盖的内容这种方式来让模型学习数据内部的固有特征。
2023-11-11 21:02:58
271
原创 《无限维理解下的深度学习理论与算法》讲座报告记录
孟德宇教授：无限维理解下的深度学习理论与算法》以下内容会简要批注一些自己当时参会的理解与感悟，难免有误，欢迎读者批评讨论。
2023-10-30 16:41:19
123
原创 transformer理解
首先，我们先从整体上把握一下transformer的模型架构：模型依然是按照Encoder+Decoder两步走，以“你是谁”作为序列输入，经过六层的编码器模块后，输出一个中间编码矩阵，之后每一级解码器模块利用上一级解码器的输出和中间编码矩阵进行计算输出，传给下一级解码器，最后经过一个线性映射和softmax层，输出预测结果“who are you”。接下来我们详细了解transformer的每一个部分。
2023-10-13 19:36:24
117
原创 3D Human Pose Estimation with Spatial and Temporal Transformers
作者设计了一种spatial-temporal(时空联合?) transformer结构，来对视频每一帧中人体关节点之间的联系(空间角度)+帧之间的时间相关性(时间角度)，进行综合建模，最后输出center frame的精确三维人体姿态。针对视频3D人体姿态估计，作者提出一种纯粹基于transformer的方法(不包含卷积结构设计)——PoseFormer。
2023-08-07 10:46:13
362
1
原创 时间序列与ARIMA模型简记
时间序列分析预测的方法和形式多种多样，根据方法本身的性质特点将预测方法分为定性预测方法、时间序列分析、因果关系预测。时间序列是按照一定的时间间隔排列的一组数据，通过对这些时间序列的分析，从中发现和揭示现象发展变化的规律，并将这些知识和信息用于预测。对于时间序列的预测，由于很难确定它与其他变量之间的关系，使用时间序列方法进行预测。时间序列预测方法有确定性时间序列分析预测法及随机性时间序列分析预测法：确定性时间序列分析预测法这种预测方法使用的数学模型是不考虑随机项的非统计模型，是利用反映事物具有确定
2022-02-22 14:43:44
5521
原创 LSTM简记
MLP神经网络：多层感知机（MLP，Multilayer Perceptron）也叫人工神经网络（ANN，Artificial Neural Network）。其本质是一种特殊的函数，映射一组输入向量到一组输出向量，端到端地完成感知分类方向的任务。MLP可以被看做是一个有向图，由多个节点层组成，每一层全连接到下一层。除了输入节点，每个节点都是一个带有非线性激活函数的神经元。使用BP反向传播算法的监督学习方法来训练MLP。MLP是感知器的推广，克服了感知器不能对线性不可分数据进行识别的弱点。LSTM
2022-02-22 14:41:48
1513
原创 耶鲁大学博弈论笔记(一)
佛系更新…第一节课a相对于b来说是一个严格优势策略：无论别人怎么选，选a的结果严格优于b。不要选择严格劣势策略。为什么不选？“我总要得到更好的结果”理性人的理性的选择使总结果变得“糟糕”(次优的结果)(“帕雷托效率”：“不充分”的结果)案例：囚徒困境。人类的个人理性有时能导致集体的非理性-聪明的人类会因自己的聪明而作茧自缚，或者损害集体的利益“Payoffs matter.” : “You can’t get what you want, till you know wh
2022-02-09 22:42:16
736
原创 神经网络进阶
课程：吴恩达深度学习神经网络进阶（p47-?）机器学习基础关于训练数据：我们通常将训练数据分为这几部分：训练集：更新模型参数。简单交叉验证集(验证集 dev set)：评估训练得到的多种不同模型或者是带着不同参数的同一模型的效果，再根据模型在验证集的效果对模型进行选择和调参（因此可以说验证集也参与了训练），使得模型效果在验证集达到最优，最后选出效果最好的模型。测试集(对最终所选定的神经网络系统做出无偏估计)：对最终筛选出的模型的泛化能力进行评价。测试集最重要的是未知，即用一个学习集
2022-02-04 10:37:57
1104
原创 神经网络基础
课程：吴恩达深度学习神经网络基础（p1-p47）标题二元分类一些规定：训练集矩阵X：有nx行，m列，nx为输入数据维度，m为输入数据个数1逻辑回归：用于二元分类的算法逻辑回归参数：w，b一种对预测值的猜想y^=wTx+b\hat{y} = w^{T}x+by^=wTx+b，这是一个对输入x的线性函数，但对二元分类并不是很好，y是0或1，我们想让y^\hat{y}y^也在0~1之间。所以将上述的y^\hat{y}y^式子作为自变量放入sigmoid函数中：σ(z)=1
2022-02-04 10:28:35
1467
2
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