摘要： import re url = "http://b174.photo.store.qq.com/psb?/V10CD1yE07IujV/eMbKzb1rzHY56uejjCDlOsR3hhQY53jBobTL7Zh9lUg!/c/dK4AAAAAAAAA&bo=fAF0AAAAAAAFACo!&rf 阅读全文

摘要： 卷积后的尺寸变化计算过程： 假设图像大小为N*N矩阵 卷积核的尺寸为K*K矩阵 卷积的方式（边缘像素填充方式）:P 卷积的步长为S*S 那么经过一层这样的卷积后出来的图像为： 最后得到的输出即为N*N大小图像。 池化层的尺寸变化计算过程： O=输出图像的尺寸。I=输入图像的尺寸。S=移动步长Ps=池 阅读全文

摘要： 官方文档：https://pytorch.org/docs/stable/nn.html#loss-functions 1：torch.nn.L1Loss mean absolute error (MAE) between each element in the input x and target 阅读全文

摘要： 为什么要用交叉熵来做损失函数： 在逻辑回归问题中，常常使用MSE（Mean Squared Error）作为loss函数，此时： 这里的 就表示期望输出，表示原始的实际输出（就是还没有加softmax)。这里的m表示有m个样本，loss为m个样本的loss均值。MSE在逻辑回归问题中比较好用，那么在 阅读全文

摘要： 0范数，向量中非零元素的个数。1范数，为绝对值之和。2范数，就是通常意义上的模。 1范数和0范数可以实现稀疏，1因具有比L0更好的优化求解特性而被广泛应用。然后L2范数： L2范数是指向量各元素的平方和然后求平方根。我们让L2范数的正则项||W||2最小，可以使得W的每个元素都很小，都接近于0，但与 阅读全文

摘要： 二分类问题中，真实的样本标签为0,1，分别表示负类和正类，模型最后一般都会经过sigmoid函数，输出概率值，反映了预测为正类的可能性，概率越大，可能性越大； （这里最后一个公式丢了个负号，y为标签，y^为预测的概率） 多分类问题的拓展： 其中：- ——类别的数量- ——符号函数（ 或 ），如果样本 阅读全文

摘要： 什么是前缀和？前缀和是一个数组的某项下标之前(包括此项元素)的所有数组元素的和。 class NumArray: def __init__(self, nums): self.adds = [0] add = 0 for i in range(len(nums)): add += nums[i] s 阅读全文

摘要： # ckpt转saved_model并自定义输入输出tensor名字input_node = tf.placeholder(tf.float32, shape=(None, None, None, 3),name="input") logits_tf = network.deeplab_v3(inp 阅读全文

摘要： git config --global user.name **** git config --global user.email **** git remote add upstream https://****.git git rm --cached **** #git上删除，本地不删除 阅读全文

摘要： = 是最基本的赋值 := 是覆盖之前的值 ?= 是如果没有被赋值过就赋予等号后面的值 += 是添加等号后面的值 “=”和“:=”的区别： 1、“=” make会将整个makefile展开后，再决定变量的值。也就是说，变量的值将会是整个makefile中最后被指定的值。看例子： x = foo y = 阅读全文