01 2022 档案
摘要：一般就是多种不同模型+迁移学习+一大堆正则化方式+各种数据增广+简单的TTA这个步骤 模型包括resnet模型及其变种等，优化算法一般用Adam和SGD，学习率就主要是用Cosine余弦退火函数；数据增广常用的有翻转、平移、修改色调、图片重叠等 提升精度思路:根据数据挑选增强，使用新模型、新优化算法
阅读全文
摘要：一开始是在jupyter notebook上跑pytorch相关函数，每次使用dataloader函数，如果我把num_workers设置为大于0的数，一到迭代dataloader那里就不运行了；但jupyter notebook也不报错，就那么一直卡着，后来在网上查这个问题的解决方案，也基本没有用
阅读全文
摘要：首先是对数据增强的调整：Pytorch 中的数据增强方式最全解释 - 云+社区 - 腾讯云 (tencent.com) 从 这些方法里选择自己需要的； 对学习率的调整：PyTorch学习之六个学习率调整策略 - Shaw_喆宇 - 博客园 (cnblogs.com) 常用且比较有效的是等间隔调整学习
阅读全文
摘要：我的是torch和torchvision版本不对应，这张图是现在的torch、torchvision、python适配的版本，按照这张图的版本从新下一次torch和torchvision
阅读全文
摘要：这个原因是pytorch不支持CUDA， 可以先输入 import torchprint(torch.cuda.is_available()) 如果输入为false则打开cmd，输入nvidia-smi查看cuda的版本，之后去Previous PyTorch Versions | PyTorch找
阅读全文
摘要：import os, sys, glob, shutil, json import cv2 from PIL import Image import numpy as np import torch from torch.utils.data.dataset import Dataset impor
阅读全文
摘要：#!/usr/bin/env python # coding: utf-8 # In[1]: import cv2 as cv import numpy as np from IPython.display import Image # In[2]: fname = "11" ftype = ".j
阅读全文
摘要：首先是要导入torch和torchsivion from torch import nn from torch.nn import Sequential,Conv2d,MaxPool2d,Flatten,Linear 正常情况下使用要自己创建一个类，也就是神经网络 class ZY(torch.nn
阅读全文
摘要：循环神经网络会出现梯度消失和梯度爆炸的情况 对他的改进有俩变种：LSTM（长短时神经网络）、GRU 一般都用LSTM，其原理：
阅读全文
摘要：Lenet5奠定了最基础的卷积神经网络结构：卷积、池化、卷积、池化、全连接、全连接、输出 AlexNet使用了ReLU激活函数，可以有效地避免梯度消失，使用了数据增强（图片旋转、平移、遮挡等），使用了dropout(随机掐死部分神经元) VGGnet主要就有VGG16和VGG19，VGG19比16多
阅读全文
摘要：非线性的激活函数： 每次卷积操作都可以认为是一个神经元 深度学习包括四大基础设施：数据、算力、算法、框架 激活函数（把神经元的输入线性求和后用非线性函数激活，从而给神经网络带来非线性 ）的选择： sigmoid函数又称挤压函数，其可解释性好。但由于其饱和性（x趋于正无穷接近于1，趋于负无穷接近于0）
阅读全文
摘要：卷积神经网络主要包括卷积、池化、全连接三个步骤 卷积可以认为是特征的提取，池化就是吧卷积后的结果大而化之，变小，之后再进行卷积、池化、。。。。卷积、池化，全连接 池化引入了平移不变性，减少参数量，防止过拟合 关于卷积和的计算公式，其中stride是步长
阅读全文
摘要：Python数据预处理(sklearn.preprocessing)—归一化(MinMaxScaler)，标准化(StandardScaler)，正则化(Normalizer, normalize) Python enumerate() 函数将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索
阅读全文
摘要：seaborn—sns.heatmap绘制热力图：seaborn—sns.heatmap绘制热力图_柳杰的博客-CSDN博客 heatmap（热力图）是识别预测变量与目标变量相关性的方法，同时，也是发现变量间是否存在多重共线性的好方法。 pandas相关系数-DataFrame.corr()参数详解
阅读全文
摘要：#numpy随机数据生成API import numpy as np np.random.rand(3,2,2) #randn生成正态分布，默认生成服从（0,1）的正态分布，如果需要服从N(μ,σ2)的正态分布， #只需要在randn上每个生成的值x上做变换σx+μ即可，例如：例如：2*np.ran
阅读全文
摘要：pip上安装不了，可以去Python Extension Packages for Windows - Christoph Gohlke (uci.edu)这里找自己需要安装的东西，像我安装不了xgboost，就在这里搜索xgboost 找到符合自己python版本（pip支持的文件名和版本）的wh
阅读全文
摘要：求导的自变量用x1表示标量，x2表示n维向量，X表示m×n维度的矩阵，求导的因变量用y1表示标量，y2表示m维向量，Y表示p×q维度的矩阵 分子布局 自变量\因变量 标量y1 向量y2 矩阵Y x1 普通求导，略 ∂y2/∂x1 分子布局：m维列向量（默认布局） 分母布局：m维行向量 ∂Y/∂x1
阅读全文
