2022年4月12日
摘要: RGB多为使用PIL读入图片,BGR多为cv2读入的图片1、cv2的imshow读取方式同imread的色彩通道顺序,默认BGR2、PIL读入方式为RGB,plt显示图片默认为RGB3、PIL、cv(numpy)、tensor之间的转换: PIL_numpy: img_pIL=Image.open( 阅读全文
posted @ 2022-04-12 15:00 BKSW 阅读(1029) 评论(0) 推荐(0) 编辑
  2021年10月24日
摘要: torch中只有cpu中tensor的类型才可与numpy进行混合使用计算,gpu的不行 import torchimport numpy as np 正常输出 a=torch.Tensor([1])b=torch.Tensor([1])c=[]c.append(a)c.append(b) np.m 阅读全文
posted @ 2021-10-24 23:47 BKSW 阅读(197) 评论(0) 推荐(0) 编辑
  2021年10月22日
摘要: 搬运工,借鉴前辈的理解,留个笔记复习 https://zhuanlan.zhihu.com/p/98785902 https://www.cnblogs.com/peixu/p/13194801.html https://blog.csdn.net/cc__cc__/article/details/ 阅读全文
posted @ 2021-10-22 17:05 BKSW 阅读(40) 评论(0) 推荐(0) 编辑
  2021年9月27日
摘要: 例类Run中展示call的使用方法,call接收对象传入的参数,可在__call__方法里执行某一特定对象的参数和方法(pytorch中模型正向传播的forward应该是对该函数的重写):class Run(): def __init__(self,a): print('这是a:',a) def _ 阅读全文
posted @ 2021-09-27 17:11 BKSW 阅读(306) 评论(0) 推荐(0) 编辑
  2021年9月15日
摘要: 不同点: view()方法只能改变连续的(contiguous)张量,否则需要先调用.contiguous()方法;而.reshape()方法不受此限制;如果对 tensor 调用过 transpose, permute等操作的话会使该 tensor 在内存中变得不再连续。 其中可使用is_cont 阅读全文
posted @ 2021-09-15 09:34 BKSW 阅读(480) 评论(0) 推荐(0) 编辑
  2021年4月8日
摘要: np.array生成的矩阵,a*b和使用方法np.multiply(a,b)的结果都是对应位置的元素相乘,使用np.dot(a,b)得到的是矩阵乘法的结果,如下图: np.mat方法生成的矩阵,a*b和np.dot(a,b)效果一致,为矩阵的乘法结果,np.multiply(a,b)为对应元素相乘的 阅读全文
posted @ 2021-04-08 21:50 BKSW 阅读(160) 评论(0) 推荐(0) 编辑
  2020年7月7日
摘要: 解决办法:1.外部父级盒子加一个边框2.外部父级盒子设置overflow:hidden3.使用伪元素类示例如下: <style> .con{ width: 300px; height: 300px; background-color: gold; border: 1px solid black; / 阅读全文
posted @ 2020-07-07 12:21 BKSW 阅读(348) 评论(0) 推荐(0) 编辑
摘要: border:10px solid black; border中的三个属性顺序随意 顺时针写 上右下左*//*padding: 20px 80px 100px 40px;*/ /*如果写三个 中间的80是左右 上 左右 下*//*padding: 20px 80px 40px;*//*如果写两个 是 阅读全文
posted @ 2020-07-07 12:15 BKSW 阅读(131) 评论(0) 推荐(0) 编辑
摘要: .link:hover{ color: yellow; font-weight: bold; /*倾斜*/ font-style: italic;}/*before和after加的东西不能被选中*/.box1:before{ content: "."; color: red;}.box2:after 阅读全文
posted @ 2020-07-07 12:12 BKSW 阅读(135) 评论(0) 推荐(0) 编辑
  2020年5月25日
摘要: Lasso,也就是L1正则项,它倾向于完全消除最不重要特征的权重(置为0),就是说Lasso会自动执行特征选择,并输出一个稀疏模型。 问题:Lasso在特征数量超过训练实例的数量时(比如10条数据20个特征),或者特征之间相关性比较强,Lasso就会很不稳定。 总结:Lasso可进行特征选择,不代表 阅读全文
posted @ 2020-05-25 10:45 BKSW 阅读(767) 评论(0) 推荐(0) 编辑