09 2022 档案
摘要：MAE的网络结构如上图所示，它是一个非对称的Encoder-Decoder架构的模型，非对称性主要体现在两点： 1. Encoder和Decoder都是Transformer结构，但是Decoder在深度和宽度上都比Encoder小很多； 2. Encoder仅将未被掩码的部分作为输入，而Decod
阅读全文
摘要：transformer综述汇总与变形分析 （这个汇总记录了多篇transformer综述，写的很好，推荐） 下面的一个related work总结也写的很好，摘自：PVTv2: Improved Baselines with Pyramid Vision Transformer
阅读全文
摘要：论文标题：Swin Transformer: Hierarchical Vision Transformer using ShiftedWindows swin transformer的主要有特点有三个： 第一，把图像划分为一个个窗口，只在窗口内部计算self-attention。这样带来的优势是，
阅读全文
摘要：DOG算子
阅读全文
摘要：低通滤波和高通滤波 【参考：图像处理之高通滤波及低通滤波】 低通滤波和高通滤波需用到傅里叶变换知识，可参考这里。 图像在频域里面，频率低的地方说明它是比较平滑的，因为平滑的地方灰度值变化比较小，而频率高的地方通常是边缘或者噪声，因为这些地方往往是灰度值突变的。示例： 在图像的频域图中，靠近中心的是低
阅读全文
摘要：本文参考： LOG算子_松子茶的博客-CSDN博客 高斯拉普拉斯算子-知乎 边缘检测之LoG算子（高斯-拉普拉斯算子） Laplace算子对通过图像进行操作实现边缘检测的时，对离散点和噪声比较敏感。所以有人提出，先对图像进行高斯暖卷积滤波进行降噪处理，再采用Laplace算子进行边缘检测，这样可以提
阅读全文
摘要：torch.backends.cudnn.benchmark (推荐，讲解的很详细) cuDNN 是英伟达专门为深度神经网络所开发出来的 GPU 加速库，针对卷积、池化等等常见操作做了非常多的底层优化，比一般的 GPU 程序要快很多。大多数主流深度学习框架都支持 cuDNN，PyTorch 自然也不
阅读全文
摘要：参考资料 如何解决数据不平衡问题？ （总结的很好，强烈推荐） 样本不均衡及解决办法 （推荐） 极端类别不平衡数据下的分类问题研究综述 处理样本不均衡的8个方法 知乎：样本类别不平衡及其处理手段 分类样本不平衡问题 解决分类样本不平衡问题 ~ ML&DM面试高频问题 总结一下 从数据角度： 获取更多的
阅读全文
摘要：(参考：https://zhuanlan.zhihu.com/p/257853094) 查期刊分区的一个网站：letpub
阅读全文
摘要：Python 关于正负无穷float(‘inf’)的一些用法
阅读全文
摘要：二叉树遍历（前序、中序、后序、层次遍历、深度优先、广度优先）
阅读全文
摘要：本文参考： Python计数器collections.Counter用法详解 collections--容器数据类型 python的内置模块collections，实现了特定目标的容器，以提供Python标准内建容器 dict , list , set , 和 tuple 的替代选择。 打钩的三个是
阅读全文
摘要：import math print(math.factorial(5)) # 输出120 import numpy as np print(np.math.factorial(5)) # 输出120
阅读全文
摘要：python 四舍五入，round( )
阅读全文
摘要：示例： '''求三维空间中两组点之间的两两距离''' import numpy as np # 第一组点，假设有四个点，位置如下 a = np.array([[ 0, 0, 0], [10,10,10], [20,20,20], [30,30,30]]) # 第二组点，假设有两个点，位置如下 b =
阅读全文
摘要：numpy数组扩展函数repeat和tile用法 【Python学习】Numpy函数repeat和tile用法
阅读全文
摘要：本文摘自： NumPy 广播(Broadcast) 2个规则弄懂numpy的broadcast广播机制 numpy广播的定义 广播(Broadcast)是 numpy 对不同形状(shape)的数组进行数值计算的方式， 对数组的算术运算通常在相应的元素上进行。 可以广播的两种情况 1. 两个数组各维
阅读全文
摘要：把一维数组reshape成多维数组，是由外向内逐步切割的过程： 输出：
阅读全文
