<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[白丁的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/StardustYu</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; StardustYu]]></copyright><item><title><![CDATA[博客迁移通知]]></title><link>https://blog.youkuaiyun.com/StardustYu/article/details/105330141</link><guid>https://blog.youkuaiyun.com/StardustYu/article/details/105330141</guid><author>StardustYu</author><pubDate>Sun, 05 Apr 2020 17:35:45 +0800</pubDate><description><![CDATA[    博客内容已经全部迁移至个人技术博客，后续也将只在个人技术博客中进行更新，如果想继续观看博主的小伙伴，请到个人博客中查看哦

]]></description><category></category></item><item><title><![CDATA[对抗样本（六）CPPN EA Fool]]></title><link>https://blog.youkuaiyun.com/StardustYu/article/details/105165073</link><guid>https://blog.youkuaiyun.com/StardustYu/article/details/105165073</guid><author>StardustYu</author><pubDate>Sat, 28 Mar 2020 17:44:06 +0800</pubDate><description><![CDATA[文章目录一、论文相关信息  1.论文题目  2.论文时间  3.论文文献二、论文背景及简介三、论文内容总结四、论文主要内容1、介绍2、方法2.1 该论文所使用的模型2.2 用进化算法生成图片3、结果3.1  进化出不规则的图片来匹配MNIST3.2 进化出规则的图片来匹配MNIST3.3 进化出不规则的图片来匹配ImageNet3.4 进化出规则的图片来匹配ImageNet3.5 进化得到的图片具...]]></description><category></category></item><item><title><![CDATA[vscode常用插件]]></title><link>https://blog.youkuaiyun.com/StardustYu/article/details/105012427</link><guid>https://blog.youkuaiyun.com/StardustYu/article/details/105012427</guid><author>StardustYu</author><pubDate>Sat, 21 Mar 2020 17:19:15 +0800</pubDate><description><![CDATA[实用插件
Python
      首先当然要推荐这个必备插件python了，提供了代码分析，高亮，规范化等很多基本功能，装好这个就可以开始愉快的写python了。


Chinese
      中文字体显示


Bracket Pair Colorizer
      代码颜色高亮一般只会帮你区分不同的变量，这款插件给不同的括号换上了不同的颜色，括号的多的时候非常实用。


Anaconda ...]]></description><category></category></item><item><title><![CDATA[Linux各种软件的安装]]></title><link>https://blog.youkuaiyun.com/StardustYu/article/details/88389579</link><guid>https://blog.youkuaiyun.com/StardustYu/article/details/88389579</guid><author>StardustYu</author><pubDate>Sat, 21 Mar 2020 15:20:23 +0800</pubDate><description><![CDATA[Linux各种软件的安装（Ubuntu18.04为例）1.google浏览器的安装2.anaconda的安装3.markdown文档的安装4.NVIDA，CUDA等的安装5.WPS的安装6.网易云音乐的安装7.搜狗输入法的安装
1.google浏览器的安装
参见我的博客
2.anaconda的安装
参见我的博客
3.markdown文档的安装
参见我的博客
4.NVIDA，CUDA等的安装
参见我...]]></description><category></category></item><item><title><![CDATA[对抗样本（五）DeepFool]]></title><link>https://blog.youkuaiyun.com/StardustYu/article/details/104973501</link><guid>https://blog.youkuaiyun.com/StardustYu/article/details/104973501</guid><author>StardustYu</author><pubDate>Thu, 19 Mar 2020 18:25:30 +0800</pubDate><description><![CDATA[文章目录一、论文相关信息  1.论文题目  2.论文时间  3.论文文献二、论文背景及简介三、论文主要内容1、Introduction2、DeepFool For Binary Classifiers3、DeepFool For Multiclass classifiers3.1 Affine Multiclass Classifier（线性的多分类分类器）3.2 General Classfie...]]></description><category></category></item><item><title><![CDATA[对抗样本（四）BIM&ILLC]]></title><link>https://blog.youkuaiyun.com/StardustYu/article/details/104803620</link><guid>https://blog.youkuaiyun.com/StardustYu/article/details/104803620</guid><author>StardustYu</author><pubDate>Wed, 11 Mar 2020 19:31:46 +0800</pubDate><description><![CDATA[文章目录一、论文相关信息  1.论文题目  2.论文时间  3.论文文献二、论文背景及简介三、论文主要内容1、Introduction2、Methods Of Generating Adversarial Images3、Photos Of Adversarial Examples1、对抗样本的破坏率(Destruction rate)2、实验部分3、实验结果4、Artificial Image ...]]></description><category></category></item><item><title><![CDATA[深度学习知识系列(三) 卷积网络模型介绍]]></title><link>https://blog.youkuaiyun.com/StardustYu/article/details/104735869</link><guid>https://blog.youkuaiyun.com/StardustYu/article/details/104735869</guid><author>StardustYu</author><pubDate>Sun, 08 Mar 2020 17:01:49 +0800</pubDate><description><![CDATA[文章目录1、LeNet2、AlexNet3、VGG4、GoogLeNet5、ResNet6、ResNeXt7、DenseNet8、SeNet
1、LeNet

    LeNet 诞生于 1994 年，是最早的卷积神经网络之一，并且推动了深度学习领域的发展。这篇文章对之后的发展具有开创意义。在那个没有GPU加速的年代，LeNet设计简单，这也就使其处理复杂数据的能力有限。

2、AlexNet

...]]></description><category></category></item><item><title><![CDATA[AI小知识系列(四)  Matplotlib常用操作]]></title><link>https://blog.youkuaiyun.com/StardustYu/article/details/104734294</link><guid>https://blog.youkuaiyun.com/StardustYu/article/details/104734294</guid><author>StardustYu</author><pubDate>Sun, 08 Mar 2020 15:55:05 +0800</pubDate><description><![CDATA[文章目录Matplotlib常用操作1.折线图2.保存绘制的图像3.matplotlib输出中文问题4.绘图中的其他的操作5.子图--subplot讲解6.条形图绘制7.散点图的绘制8.直方图的绘制9.盒图10.饼状图
Matplotlib常用操作
import matplotlib.pyplot as plt
import numpy as np

1.折线图
x_axis = [5,8,9,1...]]></description><category></category></item><item><title><![CDATA[AI小知识系列(三)  Pandas常用操作]]></title><link>https://blog.youkuaiyun.com/StardustYu/article/details/104731722</link><guid>https://blog.youkuaiyun.com/StardustYu/article/details/104731722</guid><author>StardustYu</author><pubDate>Sun, 08 Mar 2020 13:47:23 +0800</pubDate><description><![CDATA[文章目录Pandas常用操作1.读取csv文件2.写csv文件3.DataFrame与Numpy格式的转换4.DataFrame数据的创建5.DataFrame数据的统计性描述6.DataFrame数据的查看7.DataFrame的切片操作8.相关的操作(排序、合并)
Pandas常用操作
import pandas as pd
import numpy as np
#以下操作对100行，5列的数...]]></description><category></category></item><item><title><![CDATA[AI小知识系列(一)]]></title><link>https://blog.youkuaiyun.com/StardustYu/article/details/104703432</link><guid>https://blog.youkuaiyun.com/StardustYu/article/details/104703432</guid><author>StardustYu</author><pubDate>Fri, 06 Mar 2020 20:24:45 +0800</pubDate><description><![CDATA[文章目录AI小知识系列--第一节1、神经网络反向传播公式推导2、Batch Normalization的反向传播过程3、sigmoid的导数最大为0.254、Softmax？Hardmax？5、bagging vs boosting6、Batch-normalization与Layer-normalization7、Normalization为什么会奏效8、鲁棒性vs泛化能力9、numpy实现卷积...]]></description><category></category></item><item><title><![CDATA[对抗样本（三）FGSM]]></title><link>https://blog.youkuaiyun.com/StardustYu/article/details/104694675</link><guid>https://blog.youkuaiyun.com/StardustYu/article/details/104694675</guid><author>StardustYu</author><pubDate>Fri, 06 Mar 2020 13:54:42 +0800</pubDate><description><![CDATA[文章目录一、论文相关信息  1.论文题目  2.论文时间  3.论文文献二、论文背景及简介三、论文主要内容1、Introducttion2、Releated Work3、The Linear Explanation Of Adversarial Examples4、Linear Perturbation of Non-Linear Models5、Adversarial Training Of L...]]></description><category></category></item><item><title><![CDATA[深度学习知识系列(二) 各种卷积形式]]></title><link>https://blog.youkuaiyun.com/StardustYu/article/details/104618100</link><guid>https://blog.youkuaiyun.com/StardustYu/article/details/104618100</guid><author>StardustYu</author><pubDate>Mon, 02 Mar 2020 19:43:44 +0800</pubDate><description><![CDATA[文章目录一、卷积的本质二、2D卷积三、3D卷积四、转置卷积五、1x1卷积六、深度可分离卷积七、**空洞卷积**八、图卷积
一、卷积的本质
    首先，我们先从数学和图像处理应用的意义上来看一下卷积到底是什么操作。我们先回到数学教科书中来看卷积，在泛函分析中，卷积也叫旋积或者褶积，是一种通过两个函数x(t)和h(t)生成的数学算子。其计算公式如下：
连续形式:&nbsp;&nbsp;&nbsp;&...]]></description><category></category></item><item><title><![CDATA[对抗样本（二）L-BFGS]]></title><link>https://blog.youkuaiyun.com/StardustYu/article/details/104574051</link><guid>https://blog.youkuaiyun.com/StardustYu/article/details/104574051</guid><author>StardustYu</author><pubDate>Sat, 29 Feb 2020 14:33:52 +0800</pubDate><description><![CDATA[文章目录一、论文相关信息  1.论文题目  2.论文时间  3.论文文献二、论文背景及简介三、论文所使用的符号及数据等信息四、论文主要内容1、第一个特征  神经元的语义信息2、第二个特征   神经网络的盲点五、实验结果六、模型的不稳定性分析七、总结
一、论文相关信息
  1.论文题目
    Intriguing properties of neural networks
  2.论文时间
   ...]]></description><category></category></item><item><title><![CDATA[深度基础知识系列(一) 优化器介绍]]></title><link>https://blog.youkuaiyun.com/StardustYu/article/details/104562689</link><guid>https://blog.youkuaiyun.com/StardustYu/article/details/104562689</guid><author>StardustYu</author><pubDate>Fri, 28 Feb 2020 19:48:43 +0800</pubDate><description><![CDATA[文章目录一、梯度下降法(Gradient Descent)1、批量梯度下降法(BGD, Batch Gradient Descent)2、随机梯度下降法(SGD, Stochastic Gradient Descent)3、小批量梯度下降法(Mini-batch Gradient Descent)二、动量优化法1、Momentum2、NAG（Nesterov accelerated gradien...]]></description><category></category></item><item><title><![CDATA[对抗攻击之目录]]></title><link>https://blog.youkuaiyun.com/StardustYu/article/details/104410055</link><guid>https://blog.youkuaiyun.com/StardustYu/article/details/104410055</guid><author>StardustYu</author><pubDate>Thu, 20 Feb 2020 14:41:43 +0800</pubDate><description><![CDATA[文章目录一、对抗样本入门--综述
一、对抗样本入门–综述
       2017年
       文献地址
       博主博客之对抗样本总数

]]></description><category></category></item><item><title><![CDATA[对抗样本（一）以综述入门]]></title><link>https://blog.youkuaiyun.com/StardustYu/article/details/104410147</link><guid>https://blog.youkuaiyun.com/StardustYu/article/details/104410147</guid><author>StardustYu</author><pubDate>Thu, 20 Feb 2020 14:40:46 +0800</pubDate><description><![CDATA[一、论文相关信息
  1.论文题目
    Adversarial Examples: Attacks and Defenses for Deep Learning
  2.论文时间
    2017年
  3.论文文献
    https://arxiv.org/abs/1712.07107
二、论文背景及简介
   随着深度学习的快速发展与巨大成功，深度学习被应用在许多对安全有严格要求的环境中...]]></description><category></category></item><item><title><![CDATA[AI小知识系列(二) 训练过程Trick合集]]></title><link>https://blog.youkuaiyun.com/StardustYu/article/details/103993623</link><guid>https://blog.youkuaiyun.com/StardustYu/article/details/103993623</guid><author>StardustYu</author><pubDate>Wed, 15 Jan 2020 17:50:34 +0800</pubDate><description><![CDATA[文章目录1. 写代码之前要做的事情2.设置端到端的训练评估框架1）固定随机种子2）简单化3）绘制测试集损失4）在初始阶段验证损失函数5）初始化6）人类基线7）设置一个独立于输入的基线8）过拟合一个batch9）验证减少训练损失10）在训练模型前进行数据可视化11）可视化预测动态12）使用反向传播来获得依赖关系3.挑选模型1）挑选模型2）Adam方法是安全的3）一次只复杂化一个4）学习率设置5）每轮...]]></description><category></category></item><item><title><![CDATA[训练小技巧]]></title><link>https://blog.youkuaiyun.com/StardustYu/article/details/103993608</link><guid>https://blog.youkuaiyun.com/StardustYu/article/details/103993608</guid><author>StardustYu</author><pubDate>Wed, 15 Jan 2020 17:43:19 +0800</pubDate><description><![CDATA[文章目录1、参数初始化2、数据预处理方式3、梯度裁剪
1、参数初始化
几种方式,结果差不多。但是一定要做。否则可能会减慢收敛速度，影响收敛结果，甚至造成Nan等一系列问题。
优秀的初始化应该使得各层的激活值和状态梯度的方差在传播过程中的方差保持一致。不然更新后的激活值方差发生改变，造成数据的不稳定。
Xavier初始化 :

条件：正向传播时，激活值的方差保持不变；反向传播时，关于状态值的梯度的方...]]></description><category></category></item><item><title><![CDATA[数据增强方法]]></title><link>https://blog.youkuaiyun.com/StardustYu/article/details/103993505</link><guid>https://blog.youkuaiyun.com/StardustYu/article/details/103993505</guid><author>StardustYu</author><pubDate>Wed, 15 Jan 2020 17:41:33 +0800</pubDate><description><![CDATA[文章目录数据增强方法1.基本的数据增强方法1）翻转Flip2）旋转Rotation3）平移Translations4）随即裁剪crop5）加噪声--高斯噪声等6）放射变换7）平滑模糊图像8）颜色空间变换9）随机擦除法（随机去掉一部分区域）2.高阶方法1）GAN自动生成2）条件GAN3）图片风格转移
数据增强方法
该博客中的图片和代码来自其他博客，本博客做总结用
1.基本的数据增强方法
1）翻转Fl...]]></description><category></category></item><item><title><![CDATA[Pytorch保存和加载模型]]></title><link>https://blog.youkuaiyun.com/StardustYu/article/details/102856492</link><guid>https://blog.youkuaiyun.com/StardustYu/article/details/102856492</guid><author>StardustYu</author><pubDate>Fri, 01 Nov 2019 14:10:31 +0800</pubDate><description><![CDATA[文章目录一、保存加载模型基本用法二、保存加载自定义模型三、跨设备保存加载模型四、CUDA 的用法
一、保存加载模型基本用法
1、保存加载整个模型（不推荐）
保存整个网络模型（网络结构+权重参数）。
torch.save(model, 'net.pkl')

直接加载整个网络模型（可能比较耗时）。
model = torch.load('net.pkl')

2、只保存加载模型参数（推荐）
只保存模...]]></description><category></category></item></channel></rss>