- 博客(20)
- 收藏
- 关注
RSS订阅原创 SlowFast使用指南（三）——自建数据集
本文介绍了使用自定义数据集训练SlowFast模型的过程，重点阐述了数据准备的关键步骤。作者通过视频抽帧、VGGImageAnnotator手动标注、VIA格式到AVA格式转换等环节准备训练数据，并详细说明了配置文件生成方法。最终成功运行模型训练，同时解决了视频起始时间不匹配的问题。整个过程突显了自定义数据集准备的重要性和复杂性，为SlowFast模型的个性化应用提供了实践参考。
2025-08-27 18:27:55
893
3
原创 SlowFast使用指南（二）——训练ava数据集
本文介绍了如何缩减AVA数据集规模以加速SlowFast模型训练的实验过程。作者将数据集简化为仅包含2个视频（1个训练，1个验证），并详细说明了数据处理流程：1）下载并处理标注文件，保留特定视频ID的数据；2）准备视频帧列表文件；3）下载视频并进行抽帧处理。
2025-08-18 19:34:35
1302
原创 SlowFast使用指南（一）——demo运行
本文介绍了Facebook何凯明团队提出的SlowFast双流行为识别模型的安装配置流程。该配置过程适用于ICCV2019提出的SlowFast模型部署，为行为识别研究提供了基础环境搭建指南。
2025-08-07 12:42:03
951
原创 【论文研读】SlowFast Networks for Video Recognition
本文提出SlowFast网络，通过双路径结构分别处理视频的静态语义和动态运动信息。Slow通道采用低帧率（τ=16）捕捉空间特征，Fast通道以高帧率（αT帧）提取瞬时动作细节，并通过侧向连接融合信息。实验在Kinetics等四个数据集验证了其有效性，在动作分类和检测任务中均表现优异。该架构通过时间分辨率与通道数的权衡（β<1），实现了高效精准的视频理解。
2025-07-20 19:06:28
1150
原创 使用Pytorch进行数字手写体识别
本文介绍了一个基于PyTorch实现的MNIST手写数字识别系统。首先通过数据预处理和加载MNIST数据集，然后构建了一个包含两个卷积层、两个Dropout层和两个全连接层的CNN模型。使用Adam优化器和交叉熵损失函数进行训练，保存最佳模型参数。测试阶段实现了图像预处理、模型预测和结果可视化功能，能够输出数字识别结果及各类别概率分布。整个系统在10个epoch内完成训练，最终输出测试准确率和最佳模型保存信息。
2025-07-17 16:25:53
477
原创 【端云一体化】云函数的使用
为丰富HarmonyOS对云端开发的支持、实现端云联动，DevEco Studio以Cloud Foundation Kit（云开发服务）为底座、在传统的“端开发”基础上新增“云开发”能力，开发者在创建工程时选择合适的云开发工程模板，即可在DevEco Studio内同时完成HarmonyOS应用/元服务的端侧与云侧开发，体验端云一体化协同开发。接下来，本小节将深入细致地介绍云函数的整个开发流程，从环境搭建到代码编写，再到测试与部署，每一步都将为您揭开端云一体化开发的神秘面纱。
2025-01-11 18:29:53
1107
原创 还有谁不会解决农夫过河问题
设农夫、狼、山羊、白菜都在河的南岸，现在要把它们运送到河的北岸去，农夫有条船，过河时，除农夫外船上至多能载狼、山羊、白菜中的一种。狼要吃山羊，山羊要吃白菜，除非农夫在那里。试规划出一个确保全部都能安全过河的计划。
2024-10-24 17:03:17
1285
原创 【初窥算法】动态规划之背包问题（二）
完全背包问题是一个经典的优化问题，它要求我们从一组物品中选择物品，以最大化背包中物品的总价值，同时不超过背包的容量限制。与传统的0-1背包问题不同，完全背包问题中每种物品可以选取无限次，这为问题的解决增加了额外的复杂性。
2024-10-22 10:42:49
473
原创 【初窥算法】动态规划之背包问题（一）
背包问题（Knapsack Problem）是计算机科学和运筹学中的一个经典问题，通常描述为：给定一组物品，每种物品都有自己的重量和价值，在限定的最大承重（背包容量）下，如何选择物品使得背包内物品的总价值最大。
2024-10-18 17:18:14
1240
1
原创 【科研基石】如何阅读一篇论文
踏入研究生阶段，论文阅读成为不可或缺的修炼。那么作为一名准研究生该如何阅读一篇论文呢？本文提炼了李沐老师读论文的方法，希望能对你有所帮助。
2024-09-03 11:55:05
585
原创 【初窥算法】初识动态规划（Dynamic programming）
动态规划Dynamic Programming，简称DP）是一种在数学、计算机科学和经济学中使用的，通过把原问题分解为相对简单的子问题的方式求解复杂问题的方法。这种方法通常用于求解最优化问题，特别是当问题可以分解为重叠的子问题时，动态规划尤为有效。
2024-08-11 19:42:30
2233
原创 我也可以给开源项目提PR！
是的，你完全可以向开源项目提交拉取请求（Pull Request，简称PR）。开源项目的核心精神之一就是社区参与和协作，这意味着任何人都可以为项目贡献代码、文档、修复错误或添加新功能。
2024-08-08 22:28:58
965
原创 如何更优雅的管理node版本？
随着Node.js生态的日益丰富，项目依赖的不同版本要求使得版本管理成为开发者必须面对的重要课题。本文将探讨Node.js版本管理工具nvm的安装与使用。
2024-08-04 19:48:35
631
原创 跟着李沐动手学深度学习（二）
本文记录了学习李沐softmax回归的笔记，介绍其代码实现。softmax回归主要用于处理多分类问题，如图像分类、垃圾邮件识别等，它将线性回归的输出转化为一个概率分布，从而可以预测样本属于各个类别的概率。
2024-07-31 22:03:24
603
原创 跟着李沐动手学深度学习（一）
本篇文章为李沐老师线性神经网络的学习笔记。使用Python编程语言及其强大的科学计算库（PyTorch）来实现线性回归模型。通过编写代码、运行实验和观察结果，我们将更加直观地理解线性回归模型的工作原理。
2024-07-21 21:29:34
1663
原创 跟着吴恩达学深度学习（四）
本文对应了吴恩达深度学习系列课程中的第四门课程《卷积神经网络》，本门课程主要教我们如何搭建卷积神经网络并将其应用到图像数据上。
2024-07-20 20:37:17
1105
原创 跟着吴恩达学深度学习（三）
本文对应了吴恩达深度学习系列课程中的第三门课程《结构化机器学习项目》，本门课程主要介绍机器学习中的一些策略和方法，能够更快更有效地让机器学习系统工作。
2024-07-12 19:31:05
2442
原创 Nest快速上手
深入探索NestJS，掌握其作为现代Node.js框架的强大功能。学习通过装饰器、模块和控制器构建高效、可维护的应用架构。理解依赖注入、中间件及异常过滤等核心概念，提升企业级应用开发效率与质量。
2024-07-10 15:53:48
2550
原创 跟着吴恩达学深度学习（二）
本文对应了吴恩达深度学习系列课程中的第二门课程《改善深层神经网络：超参数调试、正则化以及优化》深度学习的实用层面优化算法超参数调试、Batch正则化和程序框架.
2024-07-05 21:05:11
1170
原创 跟着吴恩达学深度学习（一）
本文对应了吴恩达深度学习系列课程中的第一门课程《神经网络和深度学习》深度学习概论神经网络基础浅层神经网络深层神经网络。
2024-07-02 17:44:50
1053
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