09 2020 档案

摘要:把数据从CPU迁移到GPU时,可以用.cuda()方法,也可以用.to(device)方法。示例如下。 .cuda()方法 import torch import time t = time.time() b = torch.rand([1024, 1024, 10]) b = b.cuda() p 阅读全文
posted @ 2020-09-29 14:57 Picassooo 阅读(10534) 评论(7) 推荐(2) 编辑
摘要:参考一 浅谈 PyTorch 中的 tensor 及使用 该博文分为以下6个部分: tensor.requires_grad torch.no_grad() 反向传播及网络的更新 tensor.detach() CPU and GPU tensor.item() torch.detach()和tor 阅读全文
posted @ 2020-09-29 11:04 Picassooo 阅读(2700) 评论(0) 推荐(1) 编辑
摘要:一个关于显卡利用率的问题 阅读全文
posted @ 2020-09-27 17:25 Picassooo 阅读(195) 评论(0) 推荐(0) 编辑
摘要:解决Python print end 一行输出不显示的问题 阅读全文
posted @ 2020-09-26 21:57 Picassooo 阅读(500) 评论(0) 推荐(0) 编辑
摘要:模型和数据可以在CPU和GPU上来回迁移,怎么判断模型和数据在哪里呢? import torch import torch.nn as nn # 判断模型是在CPU还是GPU上 model = nn.LSTM(input_size=10, hidden_size=4, num_layers=1, b 阅读全文
posted @ 2020-09-26 21:25 Picassooo 阅读(33750) 评论(0) 推荐(2) 编辑
摘要:标准正态分布的概率密度公式 正态分布概率密度公式 多元正态分布的概率密度公式 上式为 x 服从 k 元正态分布,x 为 k 维向量;|Σ| 代表协方差矩阵的行列式。 二维正态分布概率密度函数为钟形曲面,等高线是椭圆线族,并且二维正态分布的两个边缘分布都是一维正态分布,如图 numpy生成一个服从多元 阅读全文
posted @ 2020-09-26 16:20 Picassooo 阅读(7716) 评论(2) 推荐(1) 编辑
摘要:WAE-GAN和WAE-MMD的PyTorch实现 阅读全文
posted @ 2020-09-23 22:37 Picassooo 阅读(744) 评论(0) 推荐(0) 编辑
摘要:unpooling (摘自https://www.bilibili.com/video/av15889450/?p=33,第30分钟) unpooling有很多种方法,其中一种如下图: Deconvolution (摘自https://www.bilibili.com/video/av1588945 阅读全文
posted @ 2020-09-19 20:45 Picassooo 阅读(699) 评论(0) 推荐(0) 编辑
摘要:李宏毅课程 classification 1,视频的19:47处开始有讲为什么叫生成模型,生成模型一般都需要先假设训练数据服从某种概率分布。 李宏毅课程 logistic regression, 视频的42:07处有讲判别模型和生成模型的区别,另外,视频的31:24处也有到,可参考视频前面的内容加以 阅读全文
posted @ 2020-09-19 16:56 Picassooo 阅读(362) 评论(0) 推荐(0) 编辑
摘要:参考一:python的执行过程总结 参考二:说说Python程序的执行过程 Java首先是通过编译器编译成字节码文件,然后在运行时通过解释器给解释成机器文件。所以我们说Java是一种先编译后解释的语言。其实Python和Java一样,也是一门基于虚拟机的语言,当我们在命令行中输入python hel 阅读全文
posted @ 2020-09-16 21:06 Picassooo 阅读(592) 评论(0) 推荐(0) 编辑
摘要:1. joint=ele+λadvadv 其中 ele 是逐元素的重建损失 , adv 是对抗损失, λadv 用于平衡二者。 我们用修复序列与原始序列之间的L2 阅读全文
posted @ 2020-09-15 10:38 Picassooo 阅读(181) 评论(0) 推荐(0) 编辑
摘要:pytorch loss 出现nan,原因之一,计算图中存在torch.sqrt loss突然变为nan?你可能踩了sqrt()的坑 阅读全文
posted @ 2020-09-12 17:29 Picassooo 阅读(591) 评论(0) 推荐(0) 编辑
摘要:python assert 断言基本用法 阅读全文
posted @ 2020-09-10 16:06 Picassooo 阅读(116) 评论(0) 推荐(0) 编辑
摘要: 阅读全文
posted @ 2020-09-09 17:07 Picassooo 阅读(277) 评论(0) 推荐(0) 编辑
摘要:Numpy扩充矩阵维度(np.expand_dims, np.newaxis)和删除维度(np.squeeze)的方法 阅读全文
posted @ 2020-09-09 13:10 Picassooo 阅读(1693) 评论(0) 推荐(0) 编辑
摘要:batch_first=True会对LSTM的输入输出的维度顺序有影响,但是对初始化h0和c0的维度顺序没有影响,也就是说,不管batch_first=True还是False,h0和c0的维度顺序都是: 关于LSTM的输入输出,可参考这篇博客。 阅读全文
posted @ 2020-09-09 09:45 Picassooo 阅读(2059) 评论(0) 推荐(0) 编辑
摘要:矩阵Frobenius范数的定义如下: 所以矩阵F范数的平方可以转化为矩阵的内积(内积的定义可参考这篇文章),再转化为矩阵的迹,即 我们经常遇到需对矩阵F范数的平方求导的情况,根据上式,可转化为对矩阵的迹的求导了。 阅读全文
posted @ 2020-09-08 21:19 Picassooo 阅读(9037) 评论(0) 推荐(1) 编辑
摘要:Python自带的random库 例如: Python产生一个数值范围内的不重复的随机数,可以使用random模块中的random.sample函数。例如从0~99中,随机取10个不重复的数: random.sample(range(100), 10) numpy的random库 np.random 阅读全文
posted @ 2020-09-08 17:13 Picassooo 阅读(4533) 评论(0) 推荐(1) 编辑
摘要:sklearn中的高斯混合模型GMM sklearn GMM模型介绍 阅读全文
posted @ 2020-09-07 21:44 Picassooo 阅读(1505) 评论(0) 推荐(0) 编辑
摘要:sklearn中PCA降维的使用方法 阅读全文
posted @ 2020-09-07 21:42 Picassooo 阅读(289) 评论(0) 推荐(0) 编辑
摘要:一般在有监督训练中,我们很自然地会用如下模式去预测测试集的分类:(以svm为例) svm.fit(x_train, y_train) y_pred=svm.predict(x_test) 那么无监督训练中是否也可以在一个数据集上训练,然后用训练好的模型直接调用predict()函数在另一个数据集上进 阅读全文
posted @ 2020-09-07 12:00 Picassooo 阅读(3850) 评论(0) 推荐(0) 编辑
摘要:1. 通用模板 参考:使用sklearn构建模型的通用模板 该文章详细介绍了数据集的加载、训练集测试集的划分、基本算法模型模板、有交叉验证的算法模型模板、可调参的算法模型模板等,有不错的参考价值。例如,下图是该文章的基本算法模型模板: 2. 预估对象 预估对象是指上图中的"3、模型名"。 sklea 阅读全文
posted @ 2020-09-07 10:33 Picassooo 阅读(351) 评论(0) 推荐(0) 编辑
摘要:Latex安装和基本使用(Mac+MikTex+TexStudio) 阅读全文
posted @ 2020-09-06 12:27 Picassooo 阅读(464) 评论(0) 推荐(0) 编辑
摘要:本文摘自黄清龙等编著的《概率论与数理统计》 条件概率 全概率公式 贝叶斯公式 朴素贝叶斯 我们以一个例子来阐述朴素贝叶斯思想。例子来自朴素贝叶斯分类:原理。 假设根据以前的经验获得如下的数据。然后给你一个新的数据:身高“高”、体重“中”,鞋码“中”,请问这个人是男还是女? 判断是男还是女,是分类问题 阅读全文
posted @ 2020-09-06 09:59 Picassooo 阅读(917) 评论(0) 推荐(0) 编辑
摘要:(截图摘自https://mp.weixin.qq.com/s/jQRodKT5nSYYdrg1bWR4-Q, https://www.bilibili.com/video/BV15E411u7tV) 进入screen窗口后,想暂时退出(等会还想连接这个screen窗口)可以用命令:crtl+a+d 阅读全文
posted @ 2020-09-03 22:03 Picassooo 阅读(401) 评论(0) 推荐(0) 编辑
摘要:本文摘自张贤达《矩阵分析与应用》第一章第6、12小节。 适定、欠定、超定方程 欠完备字典、完备字典、超完备字典 阅读全文
posted @ 2020-09-02 16:31 Picassooo 阅读(1745) 评论(0) 推荐(0) 编辑
摘要:Contrastive Loss (对比损失) Contrastive Loss 对比损失函数及梯度的计算 阅读全文
posted @ 2020-09-01 21:38 Picassooo 阅读(895) 评论(0) 推荐(0) 编辑
摘要:Siamese network 孪生神经网络 PyTorch代码链接 阅读全文
posted @ 2020-09-01 20:51 Picassooo 阅读(189) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示