- 博客(20)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 【标题】深度学习与激光器设计变革
此处有判断过拟合和欠拟合的标准图，【P119】，我们的模型设计和修正是在拟合和过拟合之间寻求平衡。在一个由“线性”+“激活”单元构成的网络中，当不同的输入呈现给网络时，不同的单元会对相同的输入在不同范围内响应；因为神经网络是线性运算单元(wx+b)和激活函数单元的组合或嵌套，所以只需要“线性运算”和“激活函数”都是可微的（能轻易算出解析式），那么其组成的网络一定可微。即使我们有一个包含数百万参数的复杂模型，只要我们的基本模型单元是可微的，计算关于参数的损失梯度就是写出导数的解析表达式，并计算一次。
2024-03-14 17:03:18
822
原创 找组织——机器学习社区、团体洞察
在Github上，有一些中文社区可以看一看：prompt“如果我是个AI小白，想参加到一个组织，接收最新的AI有趣源项目、一些定期的刊物等。我应该加入哪些组织？
2024-03-12 11:50:43
634
原创 机器学习与深度学习：方法与应用洞察
本论文有数页篇幅介绍，此处略。和《pytorch深度学习与实践》里分步讲的卷积层、池化层、全连接层、正则化、优化器选择类似。原文还介绍了如何提高CNN性能的方法等。如新手可看该论文原文，增强交叉理解。
2024-03-07 17:39:20
923
原创 电脑C盘优化（模拟电脑故障时快速恢复环境）
分析：经过近两个小时分析，占用150G的C 盘的两个大的原因找到了：一、anaconda 程序5G，及.conda文件夹10G（用everything搜到）二、“桌面”文件夹5G，“下载”文件夹50G（出乎意料）
2024-03-04 22:27:59
395
1
原创 mini项目（完结）：透明材料的折射率、二、三、四色散计算器
近期有一求助，“收集／列表在临近1微米波长处，空气、水、石英玻璃，K9玻璃的2、3、4阶色散系数和n2值？（一张4 X4的色散和非线性参数对比表）”此轮下来，Google Gemini完胜。根据Gemini的提示，我发现直接去找太难。因为材料+波长+二、三、四阶这几个限定词，需要搜索量过大。几个关键词合并，几乎搜索不出来。但是在查找肖特玻璃参数库的时候，发现其实好搜的是标准玻璃各种系数，再用sellmeier方程去自己算。
2023-12-22 11:00:24
810
原创 Opencv人脸追踪-----Github上代码复现
二、Much better demo: put a laser pointer on it. Bonus points: ensure it avoids all eyeballs.作者回复：True. Actuators are cringe and the display accuracy definitely doesn't match the capability of that gimbal device thingy.二、YOLO在树莓上运行，最多三四帧，而且大大牺牲了识别的精度。
2023-11-20 10:20:00
222
1
原创 BOOK 《Flask Web开发实战--入门、进阶与原理解析》笔记
->放到某文件夹并右键用Git打开-->pipenv install --> pipenv shell-->pipenv install flask。1.3 测试用开发服务器 --> flask run【失败：以一种访问权限不允许的方式做了一个访问套接字的尝试】1.1 安装Git bash->github下载随书附带代码（1.2 示例程序，Hello,Flask!
2023-09-05 17:50:10
253
1
原创 【项目文档-中止】超快计算器UFO_calculator.exe前奏篇
chatgpt等AI工具可以作为您的辅助工具，帮助您编写计算函数 时间安排： - 第1-2周：UI前端开发 - 第3-6周：后端开发 - 第7-10周：领域专业知识的计算器开发 - 第11-12周：集成前后端，测试和部署。听闻在新的AI时代，信息开源时代，会有许多超人，如野生钢铁侠一样完成以前很多人才能完成的工作，站在巨人的肩膀。人员分工： - 您负责您将负责整个项目的开发，包括前端、后端、数据库设计和开发、集成测试和部署，以及领域专业知识的计算函数编写。首先，您需要确定您将使用的技术栈。
2023-08-28 17:23:19
435
1
原创 ChatGPT编程加速---新知识快速学习及无代码编程-----“退火算法”篇
问：请帮我详细讲一讲退火算法的原理Chatgpt答：退火算法是一种基于模拟物理退火过程的全局优化算法，它的基本思想是通过模拟物理退火过程，使系统从高能状态逐渐转化为低能状态，从而达到全局最优解。具体来说，退火算法的原理如下： 1. 初始化：随机生成一个初始解，设为当前解，并设定一个初始温度。2. 选择邻域解：在当前解的邻域中随机选择一个解。3. 计算能量差：计算当前解与邻域解之间的能量差。4. 判断是否接受邻域解：如果邻域解的能量比当前解低，则接受邻域解作为新的当前解；
2023-08-25 10:02:17
149
1
原创 shg_frog-----Github上代码本地化封装.exe
一、先构建python37虚拟环境，并在虚拟环境中进行下面操作。【本电脑中在conda中新增python37虚拟环境，并在其中运行】二、安装依赖包requirements.txt和Vimba SDK.exe并重启电脑。三、在虚拟环境cd到该文件夹内执行命令：shg_frog 即可打开界面。但不能像说明书所写的加[-h]，否则没有界面出来。然后，然后，有以下几个问题：一、除了在自己的环境中，其他小白用不了。用了原来的pyinstaller -F -w xxx.py神句，打包完也完全没反应。
2023-08-02 16:20:49
477
原创 ChatGPT编程加速---新知识快速学习及无代码编程-----“遗传算法”篇
在 `evolve` 方法中，我们初始化种群，然后进行若干代的进化，每一代都进行选择、交叉和变异操作，并输出最优个体。需要注意的是，遗传算法是一种启发式的优化算法，不保证一定能够找到全局最优解，但通常在搜索空间较大且复杂的优化问题中具有较好的搜索能力。初始化种群：根据问题的特征，初始化一个初始种群，种群中包含若干个个体，每个个体表示问题的一种解决方案，并且具有一定的随机性。种群的大小和个体的编码方式需要根据问题的特性进行设置。交叉操作：通过交叉操作，将选出的父代个体的基因进行交换或重组，生成新的子代个体。
2023-07-27 15:48:47
284
1
原创 BOOK《深入浅出神经网络与深度学习》Michael Nielsen 要点
随机初始化神经网络的权重和偏置，有概率会导致神经元输出饱和，此时使用MSE(二次代价函数)时，即使犯了明显错误，但因为设置到其导数平坦区（饱和区），导致学习率缓慢。
2023-07-21 15:16:12
379
1
原创 《AI大模型之美》笔记备忘
注意，colab的文件存在：/content/drive/MyDrive/Colab Notebooks文件夹里。Colab: 在线使用Jupyterlab，无需本地搭建环境 https://colab.research.google.com/2.1重新出发，学会和AI说话——调通系统，完成和chatgpt 的API_KEY 首次连接，返回数据。/完成Colab的使用。接下来：使用终极解决方案，即用colab访问云盘的东东：事先把课程相关资料传到Google云盘，然后按照路径规则就可以随意访问。
2023-05-31 15:19:03
248
原创 Git / GitKraken 安装及使用
GitKraken 图形界面软件，方便版本对比、更新版本、多人协作等。完全可视化的提升生产力工具。从此电脑不再n多版本，n个命名，找不到版本之间的区别了。
2023-05-24 16:54:15
1328
原创 Transformer复现——《深度学习框架PyTorch：入门与实践》11章的书本案例
山僧同宿寺，野客共归期。相思不相见，应喜白云知。和风吹雨过江城，万里云山一望平。不见江南人不见，空闻塞上戍楼声。慧星现，现在四方同。若在诸天幷五日，不然一法定无踪，不是一般通。美人歌舞罢，独自对花时。今日花前去，明朝叶上垂。智者不可见，愚者不可论。愚人不识面，智者不识门。的的无消息，啾啾空夜啼。不知人事少，何处更相携。没找到，于是修改了run_server.py。，每次同等情况下，生成的结果一致，可重复性高。月落星稀夜未央，月明灯暗满衣裳。儿童不识汉家翁，一种青山万岁中。分析），模型倾向越好。
2023-04-13 11:35:11
173
原创 lyrics_generation复现-----Tensorflow
内存开销，这个极大，开始运行不起来，提示内存满了。解决方案：有很多解决方案，最后一行最小化工作量尝试是：在。，点运行此文件，右图泪奔了。虽有报错，但歌词生成了。在百度搜索，出的损招重新安装，后来发现不对。，将作者训练好的参数模型(，对应拷贝到承载模型。中先进入日志存放的目录（注：非常重要），再运行。，并将日志的地址指向程序日志输出的地址。旁边，并且轻微的不匹配导致了此导入错误。： 歌词生成，加载已训练模型生成数据。满跑，但计算器不卡，内存也还好，占用了。在训练过程中，在训练文件夹中生成了。
2023-04-13 10:38:29
213
原创 Python QT笔记
但问题是，这些大都是碎片化的信息。对于初学者，东学西学，学的越多碎片，越容易困惑。没有结构化的知识，和可重复性复习的教材。隔段时间再回来，脑中什么都没有。本文推荐是另一种可复制的有效学习方法，不仅适合QT，也适合其他领域知识或工具。优点：1，对QT软件安装、QT的设计原理、优秀便捷的程序架构思想、敏捷开发方法都有非常好的介绍和实战。会对日后做QT，甚至整个项目开发打下非常坚实的基础。缺点：书本写的对初学者有些晦涩难懂，虽仅有两章，也需要沉下心学几天。对于QT， 新手经常做到哪查到哪。
2023-04-13 10:25:30
350
1
原创 Python分析过程变量方法/Debug使用方法
例如你想引用一个新的开源库，运行库的example后，利用该功能很容易从大量的变量名中找到我们需要。一样，在程序运行完成后，查看每个变量并继续对变量进行操作的方法，即勾选。方法三：Pycharm——不同于Jupyter只能看信息概要。自己去源代码中按图索骥，反向一步步找库函数的源代码涉及的。然后再按照方法一，带着结果去找代码，效率翻倍。插件来实现，查程序运行后的变量数组在哪都有什么。方法二：Jupyter——实时显示变量是通过。
2023-04-13 10:07:59
530
原创 Python/Pytorch/Tensorflow/QT安装
就算多个项目使用同一个版本的python，这时候还是需要创建conda虚拟环境的，比如一个项目用Pytorch开发，一个项目用TensorFlow开发，不同框架对python包依赖，对底层库的依赖是不同的， 此时可能会起冲突，比如安装Pytorch后再安装TensorFlow时可能会将Pytorch所用依赖更新，则会导致Pytorch无法运行。（如安装5.15以上，出了错被卡了2~3天还没解决，因为太新，网上也没有很多修正bug的方案。安装python时，不必单独安装，可直接安装anaconda。
2023-04-10 20:19:56
1372
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人