- 博客(9)
- 收藏
- 关注
RSS订阅原创 动手学深度学习-下载d2l时bug调试
本文分享了在安装d2l包时遇到的三个常见问题及解决方法：1.pandas编译问题（Windows下ssize_t未声明错误），建议使用conda安装或降级到1.5.3版本；2.numpy和scipy版本冲突问题，需升级至指定版本；3.VSCode运行Jupyter代码问题，建议安装Jupyter插件并使用.ipynb文件。遇到问题时可通过AI工具或优快云搜索解决方案，保持耐心问题终会解决。
2025-09-21 21:36:43
239
原创 动手学深度学习-2.预备知识（4）微积分
本文介绍了微积分在深度学习中的基础应用，重点讲解了导数、偏导数和梯度的概念与计算方法。通过实验演示了导数的数值逼近过程，并可视化展示了函数切线。文章详细阐述了多变量函数的偏导数计算、梯度向量的定义，以及用于微分复合函数的链式法则（包括单变量和多变量情况）。最后提供了4个练习题目，包括绘制函数切线、计算梯度以及推导多变量链式法则。这些内容为深度学习中的优化问题提供了必要的数学工具，特别是梯度计算和链式法则在神经网络训练中的关键作用。
2025-09-19 17:05:09
1018
原创 动手学深度学习-2.预备知识（2）数据预处理
摘要：本文介绍了使用pandas进行数据预处理的基本步骤，包括读取CSV数据、处理缺失值（插值法和独热编码）以及将数据转换为张量格式。通过一个房屋数据的示例，演示了如何分离特征和标签，处理数值型和分类变量的缺失值，最终将数据转换为PyTorch张量。文中还针对实际应用可能出现的问题（如字符串列无法计算均值）提供了解决方案，并给出了删除缺失值最多列的练习代码。整个流程展示了从原始数据到模型可处理张量的完整预处理过程。
2025-09-19 17:04:55
1071
原创 动手学深度学习-2.预备知识（1）数据操作
这是我在看这本书时做的笔记，有很多内容摘自原文，也包括了自己的理解，也省略了许多内容，后面还有这一节的练习，大家有兴趣可以看一下，大家有什么想法也可以跟我交流。
2025-09-15 21:01:03
925
原创 动手学深度学习-1.引言
本文介绍了机器学习的基础概念及其应用场景。首先通过对比传统编程和机器学习解决问题的差异，指出机器学习适用于复杂、边界模糊的任务。然后详细阐述了机器学习的关键组件：数据（样本和特征）、模型（如深度学习）、目标函数（如损失函数）和优化算法（如梯度下降）。文章还分类讲解了监督学习（回归、分类、序列学习等）和无监督学习的特点，并简要提及强化学习与环境交互的特性。最后强调机器学习模型需要平衡训练集表现和测试集泛化能力，避免过拟合。整体展现了机器学习从数据准备到模型训练的全流程框架。
2025-09-13 17:58:00
968
原创 CP-DETR：概念提示指南 DETR 实现更强大的通用目标检测论文阅读
通用目标检测的研究旨在将语言引入最先进的封闭集检测器中，并通过构建大规模（文本-区域）数据集进行训练，从而推广到开放集概念。然而，这些方法面临两个主要挑战：(i) 如何高效利用提示中的先验信息来泛化对象；(ii) 如何减少下游任务中的对齐偏差。封闭集目标检测：模型只需要识别出训练数据中出现过的目标，对于训练集以外的物体类别，模型不做识别或认为背景。开放集目标检测：模型不仅需要识别训练数据中已知的物体类别，还要对训练数据中未知的物体具有一定的检测和区分能力。先验信息。
2025-04-21 19:20:49
1530
2
原创 Frequency-Adaptive Dilated Convolution for Semantic Segmentation—频率自适应空洞卷积用于语义分割
扩张卷积在计算机视觉中应用广泛，但存在高频分量响应降低等问题。本文从频谱分析角度出发，提出频率自适应扩张卷积（FADC），旨在改进传统的空洞卷积。FACD包含自适应扩张率（AdaDR）、自适应内核（AdaKern）和频率选择（FreqSelect）三个策略。空洞卷积通过在卷积核的连续元素之间插入间隔来扩大感受野。然而，增加空洞率会牺牲高频成分的响应，导致有效带宽下降，进而影响模型对高频细节的捕捉能力。频率主要是指图像中像素灰度值或特征的变化频率，反映了图像局部区域的细节丰富程度或变化剧烈程度。
2025-04-17 17:01:30
1198
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人