摘要：
一个完整的深度学习流程，必须包含的部分有：参数配置、Dataset和DataLoader构建、模型与optimizer与Loss函数创建、训练、验证、保存模型，以及读取模型、测试集验证等，对于生成模型来说，还应该有重构测试、生成测试。 AutoEncoder进能够重构见过的数据、VAE可以通过采样生 阅读全文
摘要：
Leetcode里和二叉树相关的题目，都是用一个数组表示二叉树的，为了便于测试算法，本文通过数组构建二叉树，返回根节点。 阅读全文
摘要：
本文主要关注输入输出的形状，通过两种标签形式探索一下其计算机制。 交叉熵损失函数 实验设置：假设采用AutoEncoder+分类器。AE负责重构图像，计算MSE。分类器通过latent vector计算23个类别的概率向量。 import torch nn as nn net = AutoEncod 阅读全文
摘要：
因为有的代码很常用，留着自己平时写代码直接copy。 阅读全文
摘要：
DataLoader要求每一个Batch里面的数据的 shape 都一样，但是语音数据显然不可能都是等长的，因为每一条语音长度都不一样，因此在定制DataLoader的时候还要对每一个 batch 的数据进行剪裁（crop）或者填充（padding）处理。 这里采用 padding来对齐数据，方法采 阅读全文
摘要：
AutoEncoder练习，后续加个语音去噪。 阅读全文
摘要：
C#连接Oracle的教程。 阅读全文
摘要：
通过pytorch实现自定义图像算子，以此熟悉pytorch的用法 阅读全文
摘要：
关于全卷积网络搭建及其零碎的知识 阅读全文