深度学习知识点浅析
文章平均质量分 73
本栏不定期更新关于深度学习知识的一些理解和个中趣味。
医学信号图像处理匠人
985本,留学生(懂留学生),深耕【生理信号/MRI医学成像】方向若干年,发表过【顶刊】文章。熟练掌握【PyTorch/Tensorflow/MATLAB】框架,闲暇时间成功解决【数百次】来自MRI医学成像和医学生理信号的【代码/项目】定制化需求与设计,积累了丰富的写码和构思经验。如果您在生理信号处理和MRI医学成像有任何需求,请通过【私信】与我取得联系。我非常乐意与您进行深入交流,并尽我所能为您提供帮助。我相信,通过精诚合作,我们可以共同推动项目的进展,实现【互利共赢】。
展开
-
Pytorch tensor 数据类型快速转换三种方法
tensor.type(torch.cuda.DoubleTensor) 或者 tensor.type(‘torch.cuda.DoubleTensor’)tensor.type(torch.cuda.FloatTensor) 或者 tensor.type('torch.cuda.FloatTensor')tensor.type(torch.cuda.LongTensor) 或者 tensor.type('torch.cuda.LongTensor')原创 2023-11-07 04:20:54 · 3978 阅读 · 0 评论 -
Pytorch 里面torch.no_grad 和model.eval(), model.train() 的作用
torch.no_grad: 影响模型的自微分器,使得其停止工作;这样的话,数据计算的数据就会变快,内存占用也会变小,因为没有了反向梯度计算,当然,我哦们也无法做反向传播。model.eval() 和model.train() : 告诉模型中的所有层,目前处于的状态,是训练还是测试阶段,从而每一层做出相应的行为和动作。batchnorm和dropout层会因为状态的不同,而有不同的行为和反应。原创 2023-11-07 03:53:08 · 304 阅读 · 0 评论 -
ChatGPT 与未来软件开发的关系
ChatGPT 可以成为软件开发过程中的一个有价值的工具,提供一系列可以提高软件开发效率和有效性的好处。通过自动执行聊天机器人开发、自然语言处理、自动测试和调试、软件需求收集和代码生成等任务,ChatGPT 可以帮助简化软件开发过程,让软件开发人员腾出时间专注于更复杂的任务。同样,通过在大型文本数据集上训练模型,开发人员可以创建可以对用户输入生成自然语言响应的应用程序,例如 ChatGPT。就 ChatGPT 而言,该模型是在大量文本数据集上训练的,用于生成对用户输入的响应。原创 2023-04-04 21:48:19 · 4733 阅读 · 0 评论 -
微软和 OpenAI 在 LLM 竞争中脱颖而出
OpenAI 与大型公司携手 未来的趋势一窥原创 2023-04-03 20:17:22 · 381 阅读 · 0 评论 -
信号处理--基于EEG脑电信号的深度学习情绪分类
本文为一个信号处理专题的课程项目,主要是基于人体脑电信号,通过使用深度学习,来快速精准的识别被试的情绪。实验数据为私有数据集。情绪分为积极,中性,消极三种类别。该方法最后和传统朴素贝叶斯,支持向量机,logistic回归,决策树和随机森林分类器进行比较。原创 2023-04-01 14:46:52 · 2569 阅读 · 17 评论 -
深度学习 常见激活函数MATLAB 实现
使用MATLAB实现深度学习常见的激活函数。原创 2022-10-27 18:04:38 · 3233 阅读 · 2 评论 -
UTKFace Dataset 数据集
UTKFace Dataset 数据集 简介原创 2022-10-21 14:24:52 · 1965 阅读 · 0 评论 -
MPII人类姿态数据集及下载
MPII 人类姿态数据集简述原创 2022-10-05 18:26:25 · 1179 阅读 · 0 评论 -
2022 年 5 大机器学习趋势
2022 年 5 大机器学习趋势原创 2022-09-07 13:22:58 · 1531 阅读 · 0 评论 -
COCO (Microsoft Common Objects in Context)数据集简介
微软COCO数据集简介及相关论文检索原创 2022-09-02 10:00:00 · 790 阅读 · 0 评论 -
机器学习中常见的解决样本不均衡的方法小结
本文简要总结机器学习中常见的解决样本不均衡的方法和策略原创 2022-08-30 13:15:02 · 463 阅读 · 0 评论 -
对抗自编码器(adversarial autoencoder)
对抗自编码器在MNIST数据集上的简单应用,隐空间数据特征服从正态分布。原创 2022-07-10 16:48:13 · 3865 阅读 · 0 评论 -
鱼类分类及模型解释性(class activation map)
分类迁移学习,梯度激活热力图(Grad-CAM)原创 2022-07-08 14:48:01 · 841 阅读 · 0 评论 -
维度诅咒和降维(curse of dimension and dimension rduction)
常见的数据降维方法实现及可视化。在很多领域中,如采样、组合数学、机器学习和数据挖掘都有提及到这个名字的现象。这些问题的共同特色是当维数提高时,空间的体积提高太快,因而可用数据变得很稀疏。稀疏性对于任何要求有统计学意义的方法而言都是一个问题,为了获得在统计学上正确并且有可靠的结果,用来支撑这一结果所需要的数据量通常随着维数的提高而呈指数级增长。而且,在组织和搜索数据时也有赖于检测对象区域,这些区域中的对象通过相似度属性而形成分组。然而在高维空间中,所有的数据都很稀疏。原创 2022-07-08 02:41:08 · 1936 阅读 · 0 评论 -
Pytorch 里面model部分属性简析
Pytorch 里面model 部分属性简析原创 2022-07-07 16:55:31 · 1522 阅读 · 0 评论