摘要：
PyTorch trick 集锦 这篇文章介绍了一些PyTorch的一些技术与代码实现，包括：查看模型每层输出详情、梯度裁剪（Gradient Clipping）、学习率衰减、冻结某些层的参数、对不同层使用不同学习率、网络参数初始化、加载内置预训练模型...... 阅读全文
摘要：
数据降维可视化：t-SNE 阅读全文
摘要：
任务 action recognition 基本流程 把一个骨架视频中节点的各个坐标变成一幅图像，对图像用卷积和池化训练，如下图，图像的每一列表示一帧中各节点的坐标，不同列表示不同帧的信息。 创新点及为什么work 创新点： 把时序骨架节点坐标表示成图像，把时序动态特性转换为空间结构 提出用这些特殊 阅读全文
摘要：
深入理解ReLU(Rectifie Linear Units)激活函数 阅读全文
摘要：
max-pooling可以部分保证平移不变性、旋转不变性、尺度不变性。 MaxPooling的作用 Max pooling一定程度上，位移、尺度、形变不变性 阅读全文
摘要：
论文链接 论文链接：https://arxiv.org/pdf/2002.05709.pdf 代码链接：https://github.com/google-research/simclr 基本思想 对同一张图像x进行不同的data augmentation，得到多个view，这些view要相互吸引； 阅读全文
摘要：
PKU-MMD数据集简介 官网链接：https://www.icst.pku.edu.cn/struct/Projects/PKUMMD.html， github链接 The dataset is captured via the Kinect v2 sensors from multiple vi 阅读全文
摘要：
介绍 图片摘自stackoverflow: what-is-the-difference-between-fit-fit-transform-and-transform 例一 from sklearn.preprocessing import StandardScaler ss = Standard 阅读全文
摘要：
变量.grad_fn表明该变量是怎么来的，用于指导反向传播。例如loss = a+b，则loss.gard_fn为<AddBackward0 at 0x7f2c90393748>，表明loss是由相加得来的，这个grad_fn可指导怎么求a和b的导数。 程序示例： import torch w1 = 阅读全文