总结归纳2023【10月 - 11月】【收获分享，仅供学习使用】

VIP文章 已于 2023-12-06 15:51:12 修改
阅读量147 收藏
点赞数
文章标签： 学习 笔记
于 2023-11-08 18:01:29 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/z377989129/article/details/134295314
版权

收获分享，仅供学习使用

提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加

文章目录

记录10月：从10.7-10.31 的主要收获

  1. 学会使用服务器：MobaXterm软件 + pycharm专业版 + 一些常用的指令
  2. 确定了研究的基本流程 + 开题报告创新点 + PPT + 看了至少20篇论文了解基本流程
  3. PPT制作功底 + envi制作立体图，成功做成海报+宣传册
  4. 软件使用：
    （1）arcGIS：裁剪栅格 + 栅格计算器
    （2）envi:根据roi裁剪、 监督分类、PCA
    （3）CC：裁剪、测量
    （4）C++开发：基本环境配置、公司级的插件式开发
  5. Python方面：学会mat与tif格式的互转

记录11月第一周（11.1-11.12）主要收获

1. 理解机器学习分类方法原理（SVM（寻找最佳平面） RF（多决策树） MLE与MPE ）

2. 学习使用focal loss 代替 CE loss

3. PS：学会P西服证件照

4. PPT制作以及PPT转入word时使用svg格式

5. 一些深度学习的基本概念

（1）dropout：解决过拟合问题
（2）整个网络的学习过程：反向传播+梯度下降 —— loss+优化器+合适的学习率（一般随数据量增大而适当降低）
（3）CNN：数据输入（预处理：去均值、归一化…） + 卷积（提取特征）+ 激活（非线性映射，避免梯度消失与过拟合 + 池化（下采样、去冗余、扩大感受野） + 全连接（分类器）
（4）隐藏层数、batch大小、训练迭代次数 等超参数
（5）预训练与迁移学习

6. Bert中的position embedding

  • vit中也借鉴了该功能，用于标定位置
  • 例如，对于一个输入序列，可以为每个位置分配一个唯一的位置嵌入向量，如[0.1, 0.2, -0.3, …]，然后将这些位置嵌入向量与每个词汇的词嵌入向量相加。这将允许BERT模型在处理输入序列时考虑每个词汇的具体位置，以更好地理解文本的上下文和结构。
  • 位置嵌入是BERT模型的一个关键组成部分，它有助于模型实现双向（bidirectional）的上下文理解，而不仅仅是依赖于从左到右或从右到左的信息传递。这有助于BERT在各种自然语言处理任务中表现出色，包括语言建模、情感分析、命名实体识别等。
  • 由于这里用的是sum而不是concatenate，所以位置嵌入向量和词嵌入向量具有相同的维度

7. Vit的创新之处主要有两个：

  1. 将图形转化成patch，以迎合TE只能输入序列的需要；且模型是对16×16这样的小的patch进行处理而不是处理一整张224×224的图片中的所有像素
  2. 使用位置编码，使用cls字符能够包含其它所有patch的信息
    在这里插入图片描述
    在这里插入图片描述

8. Swin Transformer的创新之处

  • 加入滑动窗口，提高计算效率，同时可以使相邻窗口有效交互，提高全局建模能力
  • 使用位置掩码，解决滑动窗口中不相邻要素交互的问题
  • 同时该网络可以迁移到检测和分割领域，效果甚好

在这里插入图片描述
在这里插入图片描述

最低0.47元/天 解锁文章
RPCR
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
[贝叶斯七]之正态分布贝叶斯决策
faiculty
02-08 1万+
贝叶斯是非常传统，理论简单，但是非常有效的一种机器学习方法。经过大量实验表明，贝叶斯方法是极具鲁棒性的。至今为止仍然有很多人在研究贝叶斯的基础理论，而且发现许多算法都可以由贝叶斯推导而来，所以贝叶斯是具有极大的研究价值的理论。 这一章节我们就来扯一扯正态分布数据的贝叶斯决策理论，看看我们能搞点什么事情出来。自己多多推导，没准能发现新的大陆。许多优秀的算法，比如SVM等等往往就是这样诞生的。...
昨天内部haskell freetalk的ppt和源码
热门推荐
st_monad的专栏
03-30 2万+
本次交流主要围绕haskell在windows/yBSD上的安装、语言特性、利用单子对象封 装副作用、文本解析库parsec、多核处理器并行计算支持、与C程序静态联编等方 面展开，并形成了一定的产出，代码也放入了上述zip包中。我没有找到粘贴zip附件的功能，所以uuencode贴在下面了。用uudecode解开即可。begin 644 20070329_haskell_freetalk.zipM
灰狼优化算法优化SVM_MATLAB代码分享.zip
11-02
灰狼优化算法优化SVM_MATLAB代码分享
java基础核心总结归纳---参考手册--心得手册-学习资料-总结经验
12-20
1 Java 概述 3 1.1 Java 定义 3 1.2 Java 的特点 3 1.3 Java 开发环境 5 Java 基本语法 7 数据类型 7 整数型 7 浮点型 7 字符型 8 布尔型 8 基础语法 8 运算符 8 Java 执⾏控制流程 11 条件语句 11 if语句 11 if...else 条件语句 11 if...else if 多分⽀语句 11 switch 多分⽀语句 11 循环语句 12 while 循环语句 12 do...while 循环 12 for 循环 12 跳转语句 13 break 语句 13 continue 语句 13 return 语句 13 ⾯向对象 14 类的定义 14 对象的创建 14 属性和⽅法 14 构造⽅法 14 ⽅法重载 15 ⽅法的重写 15 初始化 15 类的初始化 15 构造器初始化 15 初始化顺序 16 this 和 super 16 访问控制权限 16 继承 17 多态 17 代理 17 Static 17 Final 17 接⼝和抽象类 18 接⼝ 18 抽象类 18 异常 18 认识 Exception 18 什么是 Throwable 18 常⻅的 Exception 19 与 Exception 有关的 Java 关键字 19 什么是 Error 20 内部类 20 集合 20 ArrayList 21 Vector 21 LinkedList 21 Stack 21 HashSet 22 TreeSet 22 LinkedHashSet 22 HashMap 23 集合实现类特征图 23 泛形 23 反射 24 I/O 24 File 类 24 基础 IO 类和相关⽅法 25 InputStream 25 OutputStream 25 Reader 类 26 Writer 类 26 InputStream 及其⼦类 27 OutputStream 及其⼦类 27 Reader 及其⼦类 28 Writer 及其⼦类 28 注解 28 关于 null 的⼏种处理⽅式 29 null 是任何引⽤类型的初始值 29
【2011-2016】 NIPS汇总 - Advances in Neural Information Processing Systems
Testing的博客
10-02 1万+
Advances in Neural Information Processing Systems 24 (NIPS 2011) The papers below appear in Advances in Neural Information Processing Systems 24 edited by J. Shawe-Taylor and R.S. Zemel and P.L.
作为一名菜鸟的学习分享
郑清
07-17 3580
前言 ​ 你们好，我叫郑清，是一位从小热爱和平的小骚年，同时也是0731-Java班的一位菜鸟，最近在“速度与激情”中看见了这次非常有特色的征文大赛活动，由于个人平常喜欢分享和开源一类的话题，便自不量力的参加了~ Here are three easy ones why！ 为什么我将源代码称为“速度与激情”？ 首先来解释一下速度：来源代码学习Java可以让你从入门到放弃，也...
万字长文，九大方面归纳总结Redis
架构文摘
10-13 309
一、Redis简介说到Redis, 我们的第一反应就是“快”。下面来看几个问题：Redis是单线程的吗？其实这么说不完全正确，我们知道Redis是一个Key-Value的非关系型数据库，我们所理解的Redis单线程主要是指网络IO和K-V的读写是由一个主线程来完成的。但Redis的其他功能，比如说持久化、异步删除、集群数据同步，其实是开启了额外的线程来完成的。Redis单线程为什么还能这么快？因为...
《异常检测——从经典算法到深度学习》10 Bagel: 基于条件 VAE 的鲁棒无监督KPI异常检测
Smileyan's blog
03-09 7386
《异常检测——从经典算法到深度学习》 0 概论 1 基于隔离森林的异常检测算法 2 基于LOF的异常检测算法 3 基于One-Class SVM的异常检测算法 4 基于高斯概率密度异常检测算法 5 Opprentice——异常检测经典算法最终篇 6 基于重构概率的 VAE 异常检测 7 基于条件VAE异常检测 8 Donut: 基于 VAE 的 Web 应用周期性 KPI 无监督异常检测 9 基于条件 VAE 的鲁棒无监督KPI异常检测 2018 Robust and Unsupervised K
西门子PLC常见编程问题点总结归纳（S7-300_S7-1200）.pdf
08-11
西门子PLC常见编程问题点总结归纳（S7-300_S7-1200）
2023年软考中级网络工程师学习笔记考点归纳总结全.doc
10-26
2023年软考中级网络工程师学习笔记考点归纳总结全.doc
网站运营学习工作总结归纳最终版.pdf
11-16
网站运营学习工作总结归纳最终版.pdf
人教版初中物理知识点总结归纳特详细--.doc
10-10
人教版初中物理知识点总结归纳特详细--.doc
容量法和库仑法的异同点_传统法起泡酒大盘点
weixin_42298878的博客
12-28 140
起泡酒的酿造方法多种多样，包括传统法(Traditional Method)、罐中发酵法(Tank Method)和阿斯蒂法(Asti Method)等，不同方法酿出的葡萄酒在风味上会存在一定的差异。传统法常用于酿造优质的起泡酒，虽然成本高而且耗时，但是酿出的葡萄酒往往被认为是高品质的起泡酒。许多产酒国采用传统法酿造出品质出色的起泡酒，赢得了广泛好评。 水平放置于酒窖的香槟(图片来源：www.ch...
FME学习之旅---day27
最新发布
summer_corner的博客
05-17 201
我们付出一些成本，时间的或者其他，最终总能收获一些什么。
使用多实例学习进行乳腺癌组织病理学图像分类和定位
qq_47896523的博客
05-16 1105
乳腺癌是女性最主要的死亡原因，病理学家根据病理切片中观察到的各种视觉特征（例如细胞核的形态特征、细胞核的微观和宏观结构等）做出决定。计算机辅助诊断（CAD）系统可以帮助病理学家自动做出决策。卷积神经网络是最广泛使用的深度学习框架，用于学习图像类别之间的复杂判别特征。多年来，VGG16 [3] 和 ResNet18 [4] 等各种 CNN 架构在海量 ImageNet 数据集上产生了出色的结果。CNN 被用于医学图像以产生最先进的结果。为图像中存在的所有类别提供了定位信息。
WEB转Flutter基础学习笔记（内含vue和flutter对比）
小易不止于搬砖的博客
05-17 682
笔者是一名web前端，记录在转栈flutter时的学习笔记，内涵和vue的对比，能够辅助前端同学更容易理解flutter
Page对象的学习
2301_77523055的博客
05-14 1007
ASP.NET允许开发者创建自定义控件和用户控件来扩展页面的功能。自定义控件是从现有的ASP.NET控件派生出来的新控件，而用户控件则是将多个控件组合成一个可重用的单元。这些控件可以像其他ASP.NET控件一样在页面上使用，并通过Page对象进行交互。Page_Init主要用于在控件加载之前进行初始化设置和添加事件处理程序。Page_Load主要用于处理页面回发和加载数据，以及执行其他需要在页面加载时完成的逻辑。由于Page_Init在Page_Load之前触发，因此在Page_Init。
学习kong官方文档
好好学习日记
05-17 276
当然，我会用更简洁的方式重新解释这两个概念：Helm和Kubectl是Kubernetes生态系统中常用的两个工具，它们各自有不同的用途：
总结和归纳ros创建和使用话题的方法和步骤
05-24
创建和使用ROS话题的步骤如下： 1. 创建一个ROS包，如果已经创建了ROS包则跳过此步骤。 ``` $ cd catkin_ws/src $ catkin_create_pkg <package_name> [depend1] [depend2] [depend3] ``` 2. 在包中创建一个msg文件夹，并创建一个.msg文件。 ``` $ cd <package_name> $ mkdir msg $ touch msg/<message_name>.msg ``` 3. 在.msg文件中定义消息类型和字段。 ``` float64 data ``` 4. 在CMakeLists.txt文件中添加以下行： ``` add_message_files( FILES <message_name>.msg ) generate_messages( DEPENDENCIES std_msgs ) ``` 5. 在package.xml文件中添加以下行： ``` <build_depend>message_generation</build_depend> <exec_depend>message_runtime</exec_depend> ``` 6. 在源代码文件中包含消息文件头文件。 ``` #include "<package_name>/<message_name>.h" ``` 7. 创建一个发布器（Publisher）并发布消息。 ``` ros::Publisher pub = nh.advertise<package_name::message_name>("topic_name", queue_size); package_name::message_name msg; msg.data = 0.0; pub.publish(msg); ``` 8. 创建一个订阅器（Subscriber）并接收消息。 ``` void callback(const package_name::message_name::ConstPtr& msg) { ROS_INFO("Received: [%f]", msg->data); } ros::Subscriber sub = nh.subscribe("topic_name", queue_size, callback); ``` 9. 运行ROS节点。 ``` $ roscore $ rosrun <package_name> <node_name> ``` 以上是创建和使用ROS话题的基本步骤。在实际使用中，还需要注意以下几点： - 发布器和订阅器的队列大小queue_size应该根据实际情况设置，以避免消息丢失或延迟。 - 发布器和订阅器的话题名称应该保持一致，否则无法正确通信。 - 在使用自定义消息类型时，需要先编译生成消息头文件，才能在源代码中包含并使用该消息类型。 - 在运行ROS节点之前，需要先启动roscore。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值