xfsong2012的博客

原创 numpy is not available

在测试第一个程序的时候，出现Numpy is not available的错误，根据。安装的时候，安装的是最新版的numpy，检查numpy的版本为2.1.1版。我的pytorch版本为1.12.1，选择不高于1.21的版本即可。的办法知道是因为numpy与pytorch版本不一致造成的。2、安装需要的numpy版本，比如1.21版。

原创 虚拟环境默认安装到C盘的修改办法

用记事本打开.condarc文档，添加路径即可。创建的虚拟环境默认安装到了C盘。

原创 Hilbert-Huang变换

Hilbert-Huang变换是经验模态分解（EMD）和Hilbert时频谱的统称。步骤：1、将信号用EMD分解为若干固有模态函数（IMF）；2、对每个IMF分量进行Hilbert变换得到瞬时频率和瞬时幅值；3、得到信号的时频分布。

原创 信号处理——时频分析

1、只能反映信号的整体特性；（完全是时域或频域）2、要求信号满足平稳条件；3、必须获得时域中的全部信息。所以引入时频分析，同时使用时间和频率的联合函数来表示信号。

原创 MATLAB图中特殊字符表示

原创 信号基本分析方法——频域分析

随机信号的时域分析只能提供有限的时域故障特征信息，故障发生时往往会引起信号频率结构的变化，而故障频率可以计算和预知，通过检测频率的幅值变换规律，就可以监控故障的发展过程。频谱分析的理论基础是傅里叶变换，傅里叶变换包括傅里叶级数和傅里叶积分。

原创 信号的基本分析方法——时域分析

s=mean(x)默认dim=1，对每一列求均值。

原创 函数或变量 ‘tfrstft‘ 无法识别

参考 解决。

原创 安装pywt

如果运行程序时，提示没有安装pywt。为了提高下载速度，加入清华源。

原创 西储大学数据集学习

最近研究故障诊断，先对使用比较多的西储大学数据集研究。以资料【1】中的内容展开研究。

原创 R语言软件安装及配置

下载好后，返回，选择RTools进入后，选择RTools4.4安装，和R的版本一致。点进来选择中间的RTools44 installer。选择浏览，确定安装路径，路径中不要出现中文和空格。根据自己系统情况下载，我选择windows系统。点击红色框，download拉到。选择后就开始下载RTools。双击下载好的软件，开始安装。可能需要等待几分钟安装完成。选择download R。安装完成，选择结束即可。选择安装路径然后下一步。然后一致默认，下一步。开始安装等待安装完成。选择最新的版本下载。

原创 YOLOv1 代码实现

下载完成，解压VOC2012后有五个文件夹。Annotations：保存的是xml文件，里面存放的是对应照片的标注信息。ImageSets里面有四个文件夹：保存的是txt文件。我们关注的是Main里面的train.txt和val.txt。JPEGImages：保存的是对应的图片。剩下两个跟分割有关，暂时不管。

原创 《pytorch深度学习实战》学习笔记第2章

)预处理包括：图像缩放到256*256像素，围绕中心裁剪到224*224像素，转为张量，归一化处理，使用定义的均值和标准差。return out。

原创 《pytorch深度学习实战》学习笔记第1章

机器学习依赖特征工程。而深度学习是从原始数据中自动找出这样的特征。

原创 GoogLeNet论文学习笔记

目的：我们提出了一个叫Inception的深度卷积神经网络结构；成绩：它在ILSVRC2014的分类和目标检测中取得最高水平。优点：这个模型结构的特点是在网络内部提高资源利用率；通过精心设计，允许增加网络的深度和宽度，同时保持计算量不变；为了提高优化质量，结构决策基于Hebbian原则和多尺度信息处理设计；提交时使用GoogLeNet是一个22层的深度网络。

原创 VGG网络的代码实现

VGG网络的程序实现完全根据配置表来实现。全连接层之前的部分属于特征提取部分，后三部分全连接层用来分类。

原创 VGG论文学习笔记

介绍VGG论文，重点整理细节部分。

原创 02神经网络的学习及代码实现

学习”是指从训练数据中自动获取最优权重参数的过程。引入损失函数指标，学习的目的是以该损失函数为基准，找出尽可能小的损失函数的值。

原创 01神经网络的理论及实现

感知机的缺点就是需要，而权重的设置都是的。

原创 labelImg的安装与使用

以检测跌倒图片为例，在桌面上建立一个空文件夹，更改名字为pp-fall，复制10张图片到pp-fall文件夹测试。框选需要的位置，并将其设置为0，如果还有其他物品需要框选，数字设置为1，以此类推。默认将标签好的图片保存为xml后缀的文件，默认保存在原文件夹里面。由于我是用的python环境为3.10，版本太高，降低版本即可。labelimg会导入刚才的图片文件夹，并加载第一张图片。我的电脑没有安装labelImg，所以需要安装。其他的图片按照以上的步骤执行保存即可。会有个框选项，选中需要选的区域。

原创 yolov作者简介

他提出了最著名的YOLO算法。其中YOLOV1的引用量达到了40287次。作者叫Joseph Redmon，在谷歌学术上搜索作者的简介。

原创 pip 清华源

为了提高下载速度，用国内的镜像源。

原创 安装sklearn

【代码】安装sklearn。

原创 Yolov8方法笔记

参考资料：【1】参考的博客：YOLOV8最强操作教程._魔鬼面具的博客-CSDN博客【2】对应的视频：YOLOV8保姆级教学视频._哔哩哔哩_bilibili【3】yolo环境安装：安装yolo环境目录1、下载yolov8模型：2、在本地解压缩，解压后的文件 3、用vscode打开 4、将转换数据集（以口罩检测为准）5、配置和执行 6、验证安装的过程可以参照参考资料【3】的视频。步骤如下：名字就定为yolov8，输入命令：（2）安装pytorch打开pytorch官网：pytorch官网检查电脑c

原创 使用stat时出现“‘DataFrame‘ object has no attribute ‘append‘”的解决办法

查看问题是出在显示阶段，问题应该是出现在打印报告的时候，所以定位到reporter程序里面，我的程序地址路径如下，基本路径差不多，都是在Anaconda安装目录下的虚拟环境里面。网上有让降低pandas版本的，降低后没有解决问题。问题解决，能够正常打印参数。

原创 机器学习概念

（1）只适用于单一领域和单项任务，需求修改，有可能要重写整个系统；机器学习又称为预测分析或统计学习，是一个交叉学科，是从数据中提取知识。机器学习算法仅向程序输入海量数据，算法就可以提取需要的特征。（2）制定规则的人必须对决策过程非常熟悉。基于医学影像判断肿瘤是否为良性。在早期，需要人为制定决策规则来完成设计任务。检测信用卡交易中的诈骗行为。：从输入输出对中进行学习的机器学习算法。检测网站的异常访问模式。：只有输入数据是已知，没有输出数据。样本：机器学习中，每个实体或每一行。特征：机器学习中的每一列。

原创 diawio绘图软件

免费的绘图软件，可以在线编辑，也可以下载软件到本地进行使用。

原创 LeNet-5用在cifar-10数据集

这篇文章借鉴的是学习视频[2]的内容，视频内容从原理到代码实现都讲的比较详细。本文是以视频为主线，以实现为主，理论为辅，旨在能够理解模型的基本实现方法。软件：VSCode（）硬件：GPU数据集：cifar-10（）共包含10个类别RGB图片：飞机、汽车、鸟类、猫、鹿、狗、蛙类、马、船和卡车。图片尺寸：32×32训练集：50000张测试集：10000张图1 数据集部分数据展示。

原创 迁移学习模型下载地址

1. Resnet:}}}}5. vggnet:}

原创 LeNet-5应用

数据导入有两步，先用datasets导入，然后用dataloader加载。训练结果在epoch=5时，能达到91%。可视化预测结果，可以看出，16个预测14个准确，准确率87.5%。MNIST共有70000张图片，60000张训练集，10000张测试集。图片大小28*28，灰度图。因为是灰度图，所以mean和std都只有一个参数，如果为RGB，都为（0.5，0.5，0.5）预测图100%正确。所以提高epoch还是有用的。预测结果epoch=3的时候已经成绩达到99%。其它都不需要修改，直接可以进行训练。

原创 AlexNet

AleNet是真正意义上的深度卷积神经网络，并在2012年ImagNet竞赛中获得冠军。相比于LeNet网络，Alexnet深度更深，参数更多，应用更广泛。为了改善性能，引入了ReLU、Dropout和LRN等方法，并使用了双GPU加速。

原创 【00】LeNet的发展及应用

LeNet是Yann LeCun在1998年的发表的论文[1]提出来的第一个卷积神经网络，最早是用于识别手写数字和印刷字符。由于模型比较简单，所以方便新手入门学习。共有3个模型组成：LeNet-1：5 层模型，一个简单的 CNN。LeNet-4：6 层模型，是 LeNet-1 的改进版本。LeNet-5：7 层模型，最著名的版本。（最常用）其中LeNet是以LeCun的名字命名，后面的数字代表研究成果的代号。

转载 超参数（Hyperparameter）

什么是超参数？机器学习模型中一般有两类参数：一类需要从数据中学习和估计得到，称为模型参数（Parameter）---即模型本身的参数。比如，线性回归直线的加权系数（斜率）及其偏差项（截距）都是模型参数。还有一类则是机器学习算法中的调优参数（tuning parameters），需要人为设定，称为超参数（Hyperparameter）。比如，正则化系数λ，决策树模型中树的深度。参数和超参数的区别：模型参数是模型内部的配置变量，需要用数据估计模型参数的值；模型超参数是模型外部的配置，需要手动设置超参数的值。机器

原创 ubuntu下安装anaconda并运行

参考资料：从Ubuntu系统下Anaconda使用方法总结 - 走看看https://www.csdn.net/tags/MtTaEgzsNjgwNjEwLWJsb2cO0O0O.html1、下载anaconda进入anaconda官网：Anaconda | Anaconda Distribution图1 选择相应的linux的版本进行下载。或者在ubuntu里面输入命令：说明：上面的地址获取可以在图1需要下载的版本上点右键，然后”复制链接地址“就可以了。2、安装anaconda先cd到anacond

原创 00感知机的原理与python实现

感知机（perceptron）是由美国学者Frank Rosennblatt在1957年提出来的，它是神经网络（深度学习）的起源算法，感知机有多个输入信号，一个输出信号。信号只有1、0两种取值。最简单的两输入感知机的结构：图2.1 单层感知机其中，符号说明：——输入信号y——输出信号————神经元、节点根据上面的图2.1，可以将感知机的输出表示为：（2.1）根据式2.1计算出来的y的值可能是介于（0,1）之间的某一个值，而我们希望y的值只取0或者1。所以需要给定一个阈值。

原创 YOLOv1（1）

一、作者介绍：Joseph Redmon[1]主页：Survival Strategies for the Robot Rebellion个人简历二、YOLO介绍[2]YOLO是You Only Look Once的缩写，即“你只需要看一次”。参考资料：[1]https://blog.csdn.net/weixin_47196664/article/details/117538551[2]https://blog.csdn.net/shuiyixin/arti..

原创 奇异值分解（三）

知乎上稀疏矩阵奇异值分解形象的SVD讲解视频此文章是对上面的文章做笔记并对例子进行实现。奇异值分解就是将矩阵A分解为三部分：A=UΣ\SigmaΣVTV^TVT其中

原创 张量学习笔记 | 基础知识

参考资料：1、【科普】什么是张量？_哔哩哔哩_bilibili2、张量的直观解释_哔哩哔哩_bilibili3、浅谈张量分解（一）：如何简单地进行张量分解？ - 知乎 (zhihu.com)4、浅谈张量分解（二）：张量分解的数学基础 - 知乎 (zhihu.com)5、张量的一些基本操作 - 知乎 (zhihu.com)6、浅析张量分解（Tensor Decomposition）_yixianfeng41的专栏-CSDN博客_张量分解7、浅谈张量分解（四）：外积、Kronecke

转载 怎么判断一个优化问题是凸优化还是非凸优化？

https://www.zhihu.com/question/334515180/answer/762727073

原创 张量学习笔记 | 用matlab实现HOSVD

应用matlab tensor toolbox 实现HOSVD（高阶奇异值分解）推荐系统_Molly-CSDN博客