- 博客(46)
- 收藏
- 关注
RSS订阅原创 训练营Day 8 : 344.反转字符串 || 541. 反转字符串 ||剑05.替换空格 || 151. 反转字符串中的单词||剑58 - II. 左旋转字符串
344.反转字符串 || 541. 反转字符串 ||剑05.替换空格 || 151. 反转字符串中的单词||剑58 - II. 左旋转字符串
2023-03-23 23:47:31
282
原创 训练营Day 2 : 977.有序数组的平方 || 209.长度最小的子数组 || 59.螺旋矩阵II (围绕双指针)
训练营Day 2 : 977.有序数组的平方 || 209.长度最小的子数组 || 59.螺旋矩阵II (围绕双指针)
2023-03-17 09:30:33
222
原创 学习记录4： einops // cudnn.benchamark=true // hook
einopsimport torchfrom einops import rearrange,reduce,repeatx= torch.randn(2,3,8,8)#1 转置操作out1 = x.transpose(1,2)out2 = rearrange(x,'b c h w ->b h c w')print('verify out1 & out2 ---->:',torch.allclose(out1,out2))#2 变形out3 = x.resha.
2022-05-26 21:45:28
230
原创 学习记录3：pyramid image
图像金字塔(image pyramid) 分为两种：高斯金字塔和 拉普拉斯金字塔。之前的博客有写点击。1.将原始图像当作金子塔的最底层；然后进行按图像长宽各减少二分之一进行下采样。在进行下采样之前需要进行高斯滤波（也就是高斯核进行卷积)2.拉普拉斯金子塔可以理解残差金子塔，它是用来存储下采样后的图像于原始图像的差异的。假如原始图像为 G0,金字塔中任意一层图像为 Gi，下采样后得到 Gi+1 = Down(Gi), 由于图像下采样之后尺寸发生了变化，若将下采样后的图进行上采用得到 Up...
2022-03-20 20:01:31
249
原创 学习记录2：pytorch中FFT
pytorch中实现根据版本不同，使用的函数也不同，最直接的区别就是旧版fft后出现的是实数，而新版出来的是复数，这里进行一个记录：
2022-03-16 00:15:03
7240
1
原创 学习记录1：pytorch——自定义卷积（sobel / gaussian_blur） // FFT
pytorch——自定义卷积（sobel / gaussian_blur） // FFT
2022-03-14 15:46:04
7044
原创 (二) PyTorch实现perceptual loss
另一个版本 ，但是本质时一样的：import torchimport torch.nn as nnimport torch.nn.functional as Ffrom torch.autograd import Variablefrom math import expimport numpy as npfrom torchvision import modelsimport os,cv2device = torch.device("cuda" if torch.cuda.is_ava
2021-03-26 21:06:23
4327
10
原创 (一) PyTorch实现 VGG19 特征可视化及常用VGG进行的perceptual loss
1.VGG19本是用来进行分类的，进行可视化和用作VGG loss 自然也就是用到全连接层之前的内容，先要了解VGG19全连接层之前的结构from torchvision.models import vgg19,vgg16import torchimport torch.nn.functional as Fimport cv2import numpy as npfrom torchvision import modelsfrom torchsummary import summaryim
2021-03-26 20:31:21
6532
4
原创 图像金字塔(image pyramid) 分为两种：高斯金字塔 和 拉普拉斯金字塔。
高斯金字塔高斯金字塔模仿的是图像的不同的尺度，尺度应该怎样理解？对于一副图像，你近距离观察图像，与你在一米之外观察，看到的图像效果是不同的，前者比较清晰，后者比较模糊，前者比较大，后者比较小，通过前者能看到图像的一些细节信息，通过后者能看到图像的一些轮廓的信息，这就是图像的尺度。实现：将原始图像当作金子塔的最底层；然后进行按图像长宽各减少二分之一进行下采样。在进行下采样之前需要进行高斯滤波（也就是高斯核进行卷积)import cv2img_down = cv2.pyrDo...
2021-03-17 17:02:01
1249
原创 tf.name_scope(‘xxx’) // tf.variable_scope(‘xxx’) 权值共享
这两天在coding中发现要设计的深度学习网络模块需要权值共享，已经记录了纸质笔记，这里在博客上也记录一下吧，其实最常见的权值共享就是GAN网络了，因为generate data 和那个real data都需要经过discriminator进行训练，意味着共享一套变量信息。用到的就是tf.variable_scope(‘scope_name’)来完成的。with tf.variable_sc...
2019-08-03 17:35:08
276
2
原创 记VGG16
1.上面这张图解释了我很久的困惑，就是下面这个图和最早学习深度学习是看到的那些结点结构的图，比如最早输入224*224*3的照片，接下来经过64个卷积核（卷积核为3个3*3的）的两次卷积，，这样明显就是向前慢慢扩展了。那些结点连线是最早便于介绍神经网络是一维的时候就很好理解了。但是现在这样写法，因为卷积其实也就是在进行权重加和，一个3*3的卷积核加到图片上去不就是相当于那对应位置...
2019-05-22 17:38:16
230
原创 论文——《Loss Functions for Image Restoration With Neural Networks》
论文题目，核心要点记录，代码的核心实现，小结感受。1. 要点记录这篇文章介绍了不同的loss function对image restoration 的 影响。 L2范数基本是默认的损失函数。优势：比较直观的就是L2损失函数可微，且凸。而且L2损失函数的网络往往会对峰值性噪比PSNR有针对性的提升。缺点：L2指标与人类感知的图像质量相关性较差，例如其假设噪声与图像的局部区域无关。...
2019-05-20 20:55:56
3974
6
原创 np，tensor互相转换 // python增加矩阵维度 // 张量的维度介绍
1.np，tensor互相转换要对tensor进行操作，需要先启动一个Session,否则，我们无法对一个tensor比如一个tensor常量重新赋值或是做一些判断操作，所以如果将它转化为numpy数组就好处理了。这里以一副图像为例：2.python增加矩阵维度我们是可以看到从0轴 或者从1轴进行拓展的结果是不一样的。3.张量的维度介绍：n阶张量则有n个[ ]了。...
2019-05-19 20:50:07
4336
原创 win10下深度学习框架搭建
1.conda 和pip记得要加入国内源，这样下载很快，百度就有教程 更换pip的：https://blog.csdn.net/Artprog/article/details/75632723 更换conda的： 自然推荐我科的下载源啦！嘻嘻conda config --add channels https://mirrors.ustc.edu.cn/ana...
2019-05-09 22:38:17
1119
原创 pycharm的project interpretr 安装包时nothing to show
我用的是这个anaconda作为Python解释器的，解决办法就是点击这个anaconda那个小绿圈刷新一下
2019-04-27 09:43:32
955
原创 杂记（梯度，散度，旋度）// kron函数 //numpy.clip()函数// if __name__ == '__main__'
1梯度，散度，旋度梯度：向量。函数在该点处沿着该方向（此梯度的方向）变化最快，变化率最大（为该梯度的模）。 如果现在的纯量场用一座山来表示,纯量值越大的地方越高,反之则越低.经过梯度这个运操作数的运算以后,会在这座山的每一 个点上都算出一个向量,这个向量会指向每个点最陡的那个方向,而向量的大小则代表了这个最陡的方向到底有多陡. ...
2019-04-23 14:51:22
1255
原创 matlab程序结束+++OpenCv中 width 和 widthStep
1.matlab程序结束终止正在运行的matlab文件，需要命令窗口按快捷键，有三种快捷键可以选择：一：ctrl +c二：ctrl+break三：ctrl+alt+break如果是在服务器上跑的代码的话,按完快捷键之后有时候需要等一小会,程序才会停。2.OpenCv中 width 和 widthStep的区别width表示图像的每行像素数，widthStep表示存储...
2019-04-17 17:28:40
402
原创 SIFT算法用VL_feat库实现（matlab）
sift算法是非常经典的特征提取算法，之后可以用于 对应特征匹配，从而进行图像拼接，求图像之间的转换矩阵，三维重建等工作。最近上课学习了这个算法，本打算能手敲源码，后来还是选择了调包，真香~毕竟前人种树，后人乘凉嘛！利用好下层建筑为上层来进行服务！目录（1）sift特征提取步骤 1. 建立高斯差分金字塔 2.关键点（keypoint）位置的确定 ...
2019-04-11 14:34:25
7077
3
原创 anaconda 安装不存在的包
正常情况下的安装指令是conda install package_name但是可能并不存在，用这个指令去 搜索，我当时打算用python处理一些照片，比较有numpy库，一切变得很便捷，所以需要 安装skimage 这个模块anaconda search -t conda skimage 之后看到，选择 y，再慢慢等待安装啦。扩展1：python skimage...
2019-04-08 11:08:35
969
转载 图像先验分布+图像质量评估指标 SSIM / PSNR / MSE+卷积层，全连接层的作用意义
mark两篇博客，之后复习用1.图像先验分布详解https://blog.csdn.net/weixin_41923961/article/details/861705292.图像质量评估指标 SSIM / PSNR / MSEhttps://blog.csdn.net/edogawachia/article/details/78756680psnr代码def cal_p...
2019-04-06 10:34:08
787
转载 记录CV大牛和机器学习大牛
开始踏入CV坑啦，当然要认认CV界的祖师爷和大牛们：找了网上 两篇博客：机器学习与计算机视觉大牛族谱计算机视觉牛人博客和代码汇总
2019-03-30 11:29:13
338
原创 No dashboards are active for the current data set. tensorboard可视化遇见
import tensorflow as tfwith tf.name_scope('graph') as scope: matrix1 = tf.constant([[3., 3.]],name ='matrix1') #1 row by 2 column matrix2 = tf.constant([[2.],[2.]],name ='matrix2') # 2 row...
2019-03-27 21:49:11
148
原创 记中科大信息学院自动化系研究生复试
今天公布了拟录取名单，很幸运拿到了资格，也找到了心仪的导师可以学cv。有关初试的资料经验有很多，但之前想要网上搜科大信息学院复试的资料却很少，特此写一写，也记录一下自己这段难忘的考研经历。复试内容（上机+面试） 1.上机（50分） 3.16号机考，机考完成两部分，office和c语言。 1.1office的操作（5分） 2019年这次考得是exe...
2019-03-18 15:45:21
4545
9
原创 matplotlib python作图（二）
栗子7：标注对于plt.plot(x,y)画出的是直线，而plt.scatter()画出的是散点图 可以再选中那个点分别在x，y轴上画一条虚线添加代码如下：x0=1y0=2*x0+1plt.scatter(x0,y0,s=80,color='b')plt.plot([x0,x0],[y0,0],'k-.',lw=2.5)plt.plot([x0,0],[y0,y0...
2019-01-22 22:08:04
274
原创 记：安装VsCode
Visual Studio Code（以下简称vscode）是一个轻量且强大的代码编辑器，支持Windows，OS X和Linux。内置JavaScript、TypeScript和Node.js支持，而且拥有丰富的插件生态系统，可通过安装插件来支持C++、C#、Python、PHP等其他语言。近期来重温C语言需要，看到这一款精致的微软良心之作，妥妥选择这个，抛弃dev啥的了，安装使用中也遇到了...
2019-01-21 22:24:51
434
原创 matplotlib python作图（一）
Matplotlib的设计理念是能够用轻松简单的方式生成强大的可视化效果，是Python学习过程中核心库之一。被用在python中绘制数组的2D图形库，可视化非常方便。调用并简化写成pltimport matplotlib.pyplot as plt举个栗子1：（从栗子1开始都是在不断的增加新的参数或其他内容）import matplotlib.pyplot as pltim...
2019-01-21 22:20:38
406
原创 吴恩达机器学习——第一部分_线性回归和logistic回归
（一） 线性回归这个是进行线性拟合的。在学习过程中其实分了单变量线性回归和多变量线性回归，其实二者是核心算法是 一致的。示例：m个样本，有n个特征值；指的就是第i个样本里面，第j个特征（i=1,2,3，，，n，j=1,2,3，，m） 假设函数（hypothesis function)其中就是我们所要求解的参数，目标是选择合适的参数使得假设函数可以fit样本，然后...
2019-01-14 20:18:03
198
原创 随笔1
1.纠结选择哪个版本或者说是否升级python版本因为我Ubuntu上面是3.5和2.7 在犹豫下载哪个后来选择了2.7的版本。2.安装anaconda后 环境配置刚开始未成功就是正常安装了后，输入conda list 显示是外部命令 ，后来在输入 source ~/.bashrc ，之后就好了，配置路径3.终端中输入：jupyter notebook进入jupyt...
2019-01-08 19:09:30
126
原创 ubuntu连接网络通2019/1/8
之前因为自己安装好的ubuntu16.04无法连接WIFI，所以一直用的有线连接，按网上的教程安装了网卡驱动后来成功了，而连接账号密码的wifi比较方便，但是因为学校的网络通是登录固定的页面然后登录账号的，win10下连接网络通ustcnet会自动弹出登录页面，在Ubuntu下不仅没有弹跳也无法打开网络通界面，后来发现自己用的谷歌浏览器，换用系统自带的firefox浏览器就OK了，直接打开火狐浏览...
2019-01-08 17:08:37
397
转载 将已有项目提交到Hithub上面
之前已经简单学习的了git的项目管理，也注册了自己的giihub账号（注意浏览器，有的浏览器 可能无响应），之后可能也会提交自己的项目到GitHub上面，所以收藏了一篇提交到GitHub 的文章介绍。https://www.cnblogs.com/springlight/p/6282152.html1.目的： 将已有的项目提交到GitHub 2.准备工作 2.1 此教程建...
2019-01-07 12:09:19
453
原创 《达观杯》学习第二天（代码学习及其分析）
（一）import pandas as pdfrom sklearn.linear_model import LogisticRegressionfrom sklearn.feature_extraction.text import CountVectorizer1.导入pandas 包2.CountVectorizer 是对对文本特征进行分析。这个网址是LogisticRe...
2019-01-05 17:51:00
217
原创 《达观杯》学习第一天（绪论入门）
一、机器学习目的寻找一个函数：这个函数可以完成的常见功能如图step1：定义一系列有一定功能的函数step2：验证这一系列函数的 优劣性step3：寻找一个最优的函数（二）、学习课表（三）报名达观杯并做一些准备达观公司组织的比赛，给好既定 的官方给的数据集，训练得到机器学习模型，而如何 评判模型的优劣，用的是测试集（每个样本没有label信息），...
2019-01-04 16:59:48
174
转载 K均值聚类算法的MATLAB实现
单来说，K-均值聚类就是在给定了一组样本(x1, x2, ...xn) （xi, i = 1, 2, ... n均是向量) 之后，假设要将其聚为 m(<n) 类，可以按照如下的步骤实现: Step 1: 从 (x1, x2, ...xn) 中随机选择 m 个向量(y1,y2,...ym) 作为初始的聚类中心(可以随意指定,不在n个向量中选择也可以); Step 2: 计算 (x1, x2...
2018-06-13 22:02:43
5265
原创 关于matlab GUI的导入语音文件或图像文件（含显示）
自己做的时候用过语音导入修改按钮的基本信息 并确定好Tag名称，对回调函数进行编辑 global y y_t y_FS; [FileName,PathName] = uigetfile('*.wav'); pathall=strcat(PathName,FileName);%获得wav路径 [y,y_FS]=audioread(pathall);%读取wav文件的数...
2018-05-22 11:12:17
6167
1
转载 matlab计时函数
计时单位：不明，和CPU频率有关？返回Matlab启动以来的CPU时间，可以在程序执行钱保存当时的CPU时间，然后在程序执行结束后用cputime减去运行前保存的数值，就可以获取程序的实际运行时间>>t0=cputime;pause(3);TimeCost=cputime-t01.2 tic/toc计时单位：stic用在程序的开始，作用是启动一个计时器，然后在程序尾部放一个toc，表示...
2018-05-12 20:36:17
5685
转载 今天你搞毕设了么——4.30（DTW动态时间规整法）
Dynamic Time Warping（DTW）是一种衡量两个时间序列之间的相似度的方法，主要应用在语音识别领域来识别两段语音是否表示同一个单词。1. DTW方法原理在时间序列中，需要比较相似性的两段时间序列的长度可能并不相等，在语音识别领域表现为不同人的语速不同。而且同一个单词内的不同音素的发音速度也不同，比如有的人会把“A”这个音拖得很长，或者把“i”发的很短。另外，不同时间序列可能仅仅存在...
2018-04-30 20:16:00
268
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