01 2022 档案
摘要:https://blog.csdn.net/PanYHHH/article/details/107361827 一、 第一个是将梯度清零,因为训练的过程通常使用mini-batch方法,所以如果不将梯度清零的话,梯度会与上一个batch的数据相关,因此该函数要写在反向传播和梯度下降之前。(训练的时候
阅读全文
摘要:https://blog.csdn.net/dss_dssssd/article/details/83892824
阅读全文
摘要:https://lulaoshi.info/machine-learning/convolutional/batch-normalization 我们知道在神经网络训练开始前,都要对输入数据做一个归一化处理,那么具体为什么需要归一化呢? 归一化后有什么好处呢?原因在于神经网络学习过程本质就是为了学习
阅读全文
摘要:一、AE https://medium.com/@jain.yasha/generative-models-an-overview-5079a1e9226a https://zhuanlan.zhihu.com/p/58111908 1.在制作AE时,我们需要考虑的关键因素是,决定潜在空间向量的维度
阅读全文
摘要:torch.flatten(input, start_dim, end_dim). 举例:一个tensor 3*2* 2 start_dim=1 output 3*4 start_dim=0 end_dim=1. 6*2 如果没有后面两个参数直接变为一维的
阅读全文
摘要:https://www.cnblogs.com/wanghui-garcia/p/10677071.html 神经网络的训练有时候可能希望保持一部分的网络参数不变,只对其中一部分的参数进行调整;或者值训练部分分支网络,并不让其梯度对主网络的梯度造成影响,torch.tensor.detach()和t
阅读全文
摘要:https://blog.csdn.net/york1996/article/details/81949843 把原先tensor中的数据按照行优先的顺序排成一个一维的数据(这里应该是因为要求地址是连续存储的),然后按照参数组合成其他维度的tensor。比如说是不管你原先的数据是[[[1,2,3],
阅读全文
摘要:https://www.cnblogs.com/wangguchangqing/p/12068084.html 这个链接也比较详细
阅读全文
摘要:numpy.prod(a, axis=None, dtype=None, out=None, keepdims=) axis为1表示一行的元素相乘
阅读全文
摘要:其实并不知道如何解决,在尝试了重新配置代理后,以及用http后都不行,然后突然再用https就可以了
阅读全文
摘要:(或称为下采样(subsampled)或降采样(downsampled))的主要目的有两个: 使得图像符合显示区域的大小; 生成对应图像的缩略图。 放大图像(或称为上采样(upsampling)或图像插值(interpolating))的主要目的是放大原图像,从而可以显示在更高分辨率的显示设备上。
阅读全文
摘要:https://towardsdatascience.com/understanding-latent-space-in-machine-learning-de5a7c687d8d https://medium.com/@jain.yasha/gan-latent-space-1b32cd34cfd
阅读全文
摘要:baseline一词应该指的是对照组,基准线,就是你这个实验有提升,那么你的提升是对比于什么的提升,被对比的就是baseline. 比如你要研究一个新的模型,你是在前人的模型基础上新增加了一些组件,别人也基本都是在这个模型上进行修改,那这个模型就叫做baseline model——基准模型
阅读全文
摘要:ETL,是英文Extract-Transform-Load的缩写,用来描述将数据从来源端经过抽取(extract)、转换(transform)、加载(load)至目的端的过程。ETL一词较常用在数据仓库,但其对象并不限于数据仓库。 软件名称Extract, transform, load过 程抽取、
阅读全文
摘要:昨天发现申请一个新的服务器用来调试的时候没法使用conda了,我还以为每个服务器都要重新安装conda,今天发现! 只需要输入 source ~/.bashrc就可以啦! source:使当前shell读入路径为filepath的shell文件并依次执行文件中的所有语句,通常用于重新执行刚修改的初始
阅读全文
摘要:发现是pip某一个wheel的原因,导致生成python2的虚拟环境可以,但是python3的会出现如题的报错,然后找了一个网站下了最新的pipwheel重命名,替换了原来的
阅读全文
摘要:说明:该命令一次显示一屏文本,显示满之后,停下来,并在终端底部打印出“-- More --”,系统还将同时显示出已显示文本占全部文本的百分比, 若要继续显示,按回车或空格键即可。 若要退出,按q 或Q。
阅读全文
摘要:On Ubuntu 18.04 LTS I also faced same error. Following command worked: sudo apt-get install python-virtualenv在stackoverflow上找到了答案!!这个可以
阅读全文
摘要:这是由于conda的激活命令出了问题,解决方法如下: # 激活环境 source activate # 退出环境 source deactivate 随后解决问题。
阅读全文
摘要:https://blog.csdn.net/qq_46041930/article/details/110141188
阅读全文
摘要:一、vi&vim Vim 是从 vi 发展出来的一个文本编辑器。代码补全、编译及错误跳转等方便编程的功能特别丰富,在程序员中被广泛使用。 简单的来说, vi 是老式的字处理器,不过功能已经很齐全了,但是还是有可以进步的地方。 vim 则可以说是程序开发者的一项很好用的工具。 ESC,退出输入模式,切
阅读全文
摘要:常用 1. Tab 这是你不能没有的 Linux 快捷键。它将节省你 Linux 命令行中的大量时间。 只需要输入一个命令,文件名,目录名甚至是命令选项的开头,并敲击 tab 键。它将自动完成你输入的内容,或为你显示全部可能的结果。 如果你只记一个快捷键,这将是必选的一个。 2. Ctrl + C
阅读全文
摘要:apt(Advanced Packaging Tool)是一个在 Debian 和 Ubuntu 中的 Shell 前端软件包管理器。 apt 命令提供了查找、安装、升级、删除某一个、一组甚至全部软件包的命令,而且命令简洁而又好记。 apt 命令执行需要超级管理员权限(root)。 apt 常用命令
阅读全文
摘要:Linux系统中的wget是一个下载文件的工具,它用在命令行下。对于Linux用户是必不可少的工具,我们经常要下载一些软件或从远程服务器恢复备份到本地服务器。wget支持HTTP,HTTPS和FTP协议,可以使用HTTP代理。所谓的自动下载是指,wget可以在用户退出系统的之后在后台执行。这意味这你
阅读全文
摘要:https://blog.csdn.net/lkt_anhua/article/details/78835226 我用的gmail
阅读全文
摘要:引用官方的一句话:Homebrew是Mac OS 不可或缺的套件管理器。 Homebrew是一款Mac OS平台下的软件包管理工具,拥有安装、卸载、更新、查看、搜索等很多实用的功能。简单的一条指令,就可以实现包管理, 而不用你关心各种依赖和文件路径的情况,十分方便快捷。 下载过程中要等一会,然后出现
阅读全文
摘要:Linux sudo命令以系统管理者的身份执行指令,也就是说,经由 sudo 所执行的指令就好像是 root 亲自执行。
阅读全文
摘要:bash Bash 是最常见的 shell,Mac 中默认 shell 就是 bash。[bash官网这篇文章]描述了唤起 bash shell 时加载的不同文件:login shell 加载 \~/.bash_profile ,而non-login shell 加载 \~/.bashrc 。 zs
阅读全文
摘要:ctrl+z挂起当前进程如果需要恢复到前台输入fg,恢复到后台输入bgctrl+c,彻底终止该进程
阅读全文
摘要:在python中,list变量前面加星号、字典变量前面加两个星号, 列表前面加星号作用是将列表解开成 len(list) 个独立的参数,传入函数 字典前面加两个星号,是将字典解开成独立的元素作为形参 比如: list1 = [1,2,3,4]list2 = [123,423,*list1] list
阅读全文
摘要:https://zhuanlan.zhihu.com/p/24825503?refer=rdatamining 假设有个未知模型具有一个或多个待定的参数,且有一个数据集能够反映该模型的特征属性(训练集)。适应的过程是对模型的参数进行调整,以使模型尽可能反映训练集的特征。如果从同一个训练样本中选择独立
阅读全文
摘要:
阅读全文
摘要:【1】超参数的“学院派”定义: 在机器学习的过程中,超参= 在开始机器学习之前,就人为设置好的参数。模型参数=通过训练得到的参数数据。通常情况下,需要对超参数进行优化,给学习机选择一组最优超参数,以提高学习的性能和效果 【2】怎么决定超参数? 1. 定义关于模型的更高层次的概念,如复杂性或学习能力。
阅读全文
摘要:定义:感知机是二类分类的线性分类模型,旨在求出将训练数据进行线性划分的分离超平面,因此导入基于误分类的损失函数, 利用梯度下降法对损失函数进行极小化,求得感知机模型。 https://blog.csdn.net/huanyingzhizai/article/details/93525995 http
阅读全文
摘要:1、将 文件/文件夹 从远程 Ubuntu 机拷至本地(scp) $scp -r username@192.168.0.1:/home/username/remotefile.txt 2、将 文件/文件夹 从本地拷至远程 Ubuntu 机(scp)$scp -r localfile.txt user
阅读全文
摘要:1、在终端可以使用vim命令来直接编辑文件内容,例如:vim config vim有三种模式:命令模式、输入模式、底线命令模式。 命令模式 vim 文件名 进入命令模式,vim也可以写成vi。 如果文件不存在,先创建再打开,如果文件已存在,直接打开。 只能是当前目录下的文件,不能是document/
阅读全文
摘要:https://blog.csdn.net/sun124608666/article/details/105483435/
阅读全文
摘要:weight形状为[out_features, in_features] 简单的说就是,在定义时使用的是[out_features, in_features],而在单层线性神经网络计算时使用的是weight的转置矩阵。 https://blog.csdn.net/dss_dssssd/article
阅读全文
摘要:torch.matmul(input, other, out = None) 函数对 input 和 other 两个张量进行矩阵相乘。torch.matmul 函数根据传入参数的张量维度有很多重载函数。
阅读全文
摘要:Dropout说的简单一点就是:我们在前向传播的时候,让某个神经元的激活值以一定的概率p停止工作,这样可以使模型泛化性更强, 因为它不会太依赖某些局部的特征
阅读全文
摘要:数据标准化(归一化)处理是数据挖掘的一项基础工作,不同评价指标往往具有不同的量纲和量纲单位,这样的情况会影响到数据分析的结果,为了消除指标 之间的量纲影响,需要进行数据标准化处理,以解决数据指标之间的可比性。原始数据经过数据标准化处理后,各指标处于同一数量级,适合进行综合对比 评
阅读全文
摘要:pandas 中 inplace 参数在很多函数中都会有,它的作用是:是否在原对象基础上进行修改 inplace = True:不创建新的对象,直接对原始对象进行修改; inplace = False:对数据进行修改,创建并返回新的对象承载其修改结果。 默认是False,即创建新的对象进行修
阅读全文
摘要:不加-c soumith安装失败,加上就可以安装了,也许应该看一看anaconda的官方文档
阅读全文
摘要:我用的方法是新开一个数组来保存,然后再用assign函数复制到原函数中,注意该函数void类型的,所以不能直接返回新函数。 更好的方法: 先将整个数组左右翻转,然后根据k分别反转左右两部分,用双指针进行swap class Solution { public: void reverse(vector
阅读全文