摘要：
1、@是用来对tensor进行矩阵相乘的： import torch d = 2 n=50 X = torch.randn(n,d) true_w = torch.tensor([[-1.0],[2.0]]) y = X @ true_w + torch.randn(n,1)*0.1 print(X 阅读全文
摘要：
Python中的os.path.join（）方法可以连接一个或多个路径组件。 此方法将各个路径组成部分，与每个非空部分路径组成部分恰好用一个目录分隔符（“ /”）连接起来。 如果要连接的最后一个路径组件为空，则将目录分隔符（'/'）用来结尾。如果路径组件表示绝对路径，则将遗弃先前所有连接的组件，并且 阅读全文
摘要：
本篇文章来自wikipedia，如果需要阅读英文，可以去看一下。 SURF (Speeded Up Robust Features, 加速稳健特征) 是一个稳健的图像识别和描述算法，首先于2006年发表在ECCV大会上。这个算法可被用于计算机视觉任务，如物件识别和3D重构。他部分的灵感来自于 SIF 阅读全文
摘要：
这篇文章是从wiki中摘抄下来，需要阅读英文的，可以去看看。 Canny边缘检测算子是澳洲计算机科学家约翰·坎尼（John F. Canny）于1986年开发出来的一个多级边缘检测算法。更为重要的是Canny创立了“边缘检测计算理论”（computational theory of edge det 阅读全文
摘要：
后续会慢慢补充1、Faster R-CNN：他会花费更多的时间在检测方面，但是在小的项目中可以得到更为精确的结果。2、False Positive”通常指假阳性，就是把一个健康人诊断为病人。3、敏感度（sensitivity）：又称真阳性率，即患者被诊断为阳性的概率，计算公式是：真阳性／（真阳性＋假 阅读全文
摘要：
import torch import torch.nn.functional as F import matplotlib.pyplot as plt import numpy as np x = torch.linspace(-10,10,60) fig = plt.figure(figsize 阅读全文
摘要：
我们可以看到绘制出来的图有四个边框，我们通过gca()对坐标轴进行一些简单处理，代码如下。 import torch import torch.nn.functional as F import matplotlib.pyplot as plt import numpy as np x = torc 阅读全文
摘要：
本篇是摘抄pytorch-handbook里面的，有兴趣可以看看。 损失函数(Loss Function) 损失函数（loss function）是用来估量模型的预测值(我们例子中的output)与真实值（例子中的y_train）的不一致程度，它是一个非负实值函数，损失函数越小，模型的鲁棒性就越好。 阅读全文
摘要：
import torch x = torch.rand(2,2) x1 = x.numpy() # torch转换到numpy x2 = torch.from_numpy(x1) #numpy转换torch print("\n torch_x:\n",x, "\n numpy_x1:\n",x1, 阅读全文
摘要：
官方文档 首先我们要知道，lmplot是用来绘制回归图的。 让我们来看看他的API： seaborn.lmplot(x, y, data, hue=None, col=None, row=None, palette=None, col_wrap=None, height=5, aspect=1, m 阅读全文