摘要: 项目来源:B站小智学长 1. 需求分析 看时间:可联网同步时间;有屏幕 看天气:可联网同步天气;有屏幕 记单词:可联网同步单词;有屏幕 番茄工作时钟:可以手机设置工作、休息时间;有屏幕 获取B站粉丝数: 看室内温湿度:有温湿度传感器;有屏幕 可放入口袋:1-2寸屏幕;带电池;带外壳;带TP或按键输入 阅读全文
posted @ 2024-10-26 18:17 茴香豆的茴 阅读(19) 评论(0) 推荐(0) 编辑
摘要: 问题描述: 在Windows系统中,pip install triton时会报错: ERROR: Could not find a version that satisfies the requirement triton (from versions: none) ERROR: No matchi 阅读全文
posted @ 2024-09-03 17:09 茴香豆的茴 阅读(234) 评论(0) 推荐(0) 编辑
摘要: 本文首先在D盘创建了虚拟环境,然后在虚拟环境中安装了PyTorch,最后配置了pycharm的解释器。 阅读全文
posted @ 2024-08-31 14:52 茴香豆的茴 阅读(130) 评论(0) 推荐(0) 编辑
摘要: 在使用Qt 6.6.0时,printf()中出现中文时,输出可能会出现乱码,本文解决了这一问题。 阅读全文
posted @ 2024-03-12 10:40 茴香豆的茴 阅读(359) 评论(0) 推荐(0) 编辑
摘要: 【论文笔记】用于遥感图像语义分割的几何边缘指导特征融合与空间-语义上下文聚合技术 为了解决目前方法的 2 个问题:1. 将多级特征融合和边界引导视为两个独立的任务,导致了次优解。2. 无法准确地聚合长程上下文线索。提出了 2 个模块 1 个损失函数:边界指导多级特征融合模块、基于通道相关性的空间语义上下文聚合模块、基于几何相似性的边界损失函数。数据集: ISPRS Vaihingen 和高分二号。 阅读全文
posted @ 2024-02-07 11:56 茴香豆的茴 阅读(123) 评论(0) 推荐(0) 编辑
摘要: 理解『注意力机制』的本质 本文介绍了注意力机制的本质。从一个简单的引例开始,首先介绍了一维情况的注意力机制。进一步地,推广到多维情况的注意力机制。最后,介绍了自注意力机制。本文举的例子简单易懂,公式推导清晰明了。 阅读全文
posted @ 2024-02-04 16:07 茴香豆的茴 阅读(469) 评论(1) 推荐(5) 编辑
摘要: 本文在 PyTorch 框架下搭建了 AlexNet ,并在 CIFAR10 上完成了图片分类。同时,更正了一些原论文中的小错误(如:输入图像尺寸)。由于 CIFAR10 没有验证集,本文将训练集的 10% 当作验证集。 阅读全文
posted @ 2024-02-03 14:16 茴香豆的茴 阅读(1648) 评论(0) 推荐(0) 编辑
摘要: 本文介绍了如何从0开始构建 LeNet5 去识别手写数字(在MNIST数据集上)。代码包括三大部分:网络结构部分、训练部分、测试部分。在编LeNet5部分代码之前,本文详细地梳理了LeNet5的结构,对于初学者十分友好。训练和测试部分也都有详细的代码说明。 阅读全文
posted @ 2024-01-31 14:13 茴香豆的茴 阅读(1935) 评论(0) 推荐(1) 编辑
摘要: 本文在AutoDL提供的JupyterLab中配置了深度学习环境。首先创建了base环境,然后创建了自己的环境(命名为x9py38),并在x9py38环境中安装了一些深度学习包,具体包括PyTorch、jupyter d2l和ipykernel。 阅读全文
posted @ 2024-01-19 18:00 茴香豆的茴 阅读(2211) 评论(0) 推荐(1) 编辑
摘要: 高分遥感图像面临三大问题:尺度变化、较大的背景类内变化、前景-背景不平衡。通用的语义分割方法只关注尺度变化,忽略假警报和前景-背景不平衡。针对这些问题Zhou等人提出了FarSeg++. 具体而言,从关系的角度出发,提出了前景-场景关系模块;从优化的角度出发,提出了前景感知优化;从对象性的角度出发,提出了前景感知解码器。 阅读全文
posted @ 2024-01-16 16:45 茴香豆的茴 阅读(154) 评论(0) 推荐(0) 编辑