- 博客(14)
- 资源 (17)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 大模型时代的逻辑困境与技术路径依赖
二、人工验证的系统性困境认知科学中的双重加工理论（Kahneman, 2011）揭示了人类验证能力的局限性：面对逻辑严密的错误信息，耗能的系统2认知易被系统1直觉快速覆盖。三、形式化方法的数学瓶颈符号主义与连接主义的融合尝试持续四十年未获突破，核心障碍在于两大理论鸿沟：连续 - 离散表征鸿沟：神经网络向量空间的连续性，与形式逻辑符号系统的离散性间缺乏有效映射函数（Besold et al., 2017）。当前宣称的“逻辑提升”本质上仍是数据驱动的统计学改进，未曾突破莱布尼茨“推理即计算”的本质定义。
2025-02-07 22:35:50
277
原创 Process finished with exit code 134 (interrupted by signal 6: SIGABRT)的解决方法--Pycharm2021.3.3
Process finished with exit code 134 (interrupted by signal 6: SIGABRT)的解决方法--Pycharm2021.3.3
2022-09-06 23:49:24
5580
原创 关于AttributeError: module ‘gym.envs.box2d‘ has no attribute ‘LunarLander‘ 的错误排除
关于AttributeError: module ‘gym.envs.box2d‘ has no attribute ‘LunarLander‘ 的错误排除
2022-09-04 18:59:40
1293
1
原创 一个通用的pytorch使用预训练模型训练本地数据代码--resnet101为例
因为代码里面有比较详细的注记，这里就不啰嗦了。注意，如果是pytorch1.6以下版本，在计算除法时会有不同，具体查看该版本下除法计算的文档。直接上干货了。from torch import nnfrom torchvision import models,datasets,transformsimport torch as tcfrom torch.autograd import Variablefrom torch.utils.data import DataLoaderfrom mat
2020-12-16 23:12:31
1656
4
原创 两个两阶级联检测器图例--普通RCNN和Cascade RCNN--看看更透彻
最近有需要做两个图，一个是普通两阶级联检测器RCNN，另一个是Cascade RCNN。平时应用的时候没有那么深究内部的关系，做完图有了更深刻更连贯的理解。直接上图如下。 普通两阶级联检测器RCNN Cascade RCNN...
2020-08-27 01:08:44
657
原创 玩Keras图像识别的朋友，误操作升级了Nvidia，怎么办？
玩Keras图像识别的朋友，误操作升级了Nvidia，怎么办？转pytorch很久，前些日子由于种种原因，跑了一下以前的keras写的程序，结果一脸懵逼。惨痛的经历告诉我，工作电脑千万不可乱升级，最好留个还原点。错点了一键升级，两天各种bug报错，让人措手不及。特别是瘟逗死系统，升级软件还是要悠着点。升级NVIDIA以后，keras下需要使用GPU计算的，各种不能用，pip命令重装，conda install命令在环境下重装，各种框架的降级、关联包降级，都试过，没有一个可以用的。都试了一遍，还是因为不想
2020-08-13 19:26:32
197
翻译 mmdetection 中文文档五（由原英文文档翻译）
五、变更日志（一）V1.0rcl(13/12/2019)RC1版本更新主要集中在提升用户体验和修复了部分漏洞。亮点：1.支持新的模型：FoveaBox, RepPoints和 FreeAnchor.2.增加了一个Dockerfile3.增加了jupyter notebook demo和一个网络摄像头demo4.设置了代码风格和持续集成（CI）5.增加了许多文档字符串和单元测试。6...
2020-02-10 22:28:20
520
翻译 mmdetection 中文文档四（由原英文文档翻译）
四、技术细节在这一节，我们将介绍训练检测器的主要工具：数据管道，模型和迭代管道。（一）数据管道根据标准协议，我们使用Dataset和DataLoader作为多工作数据加载。Dataset返回一个数据字典，数据字典的参数是模型前向算法中的参数。由于被检测的数据对象可能大小不一样（比如图像大小，bbox大小等），我们推荐一个MMCV中新的DataContainer类型，来收集和分发不同大小的数据...
2020-02-09 13:04:02
2396
2
翻译 mmdetection 中文文档三（由原英文文档翻译）
三、基准和模型Zoo（本章表格数据请参照英文原版）（一）环境1.硬件• 8 NVIDIA Tesla V100 GPUs• Intel Xeon 4114 CPU @ 2.20GHz2.软件环境• Python 3.6 / 3.7• PyTorch 1.1• CUDA 9.0.176• CUDNN 7.0.4• NCCL 2.1.15（二）镜像站我们使用AWS来管理我们的模...
2020-02-07 23:56:36
1249
3
翻译 mmdetection 中文文档二（由原英文文档翻译）
二、入门本节提供MMDetection使用的基础教程。关于安装说明，请看上一节。（一）预训练模型检测（推理）我们提供了一个测试脚本来评测一个完整的数据集（比如COCO,PASCAL VOC等），也提供了一些高级接口来更加容易的整合其他工程。1.测试一个数据集。包括：单GPU测试，多GPU测试，可视化检测结果。你可以使用如下命令来测试一个数据集：单GPU测试python tools/...
2020-02-07 00:15:30
2015
翻译 mmdetection文档一（由原英文文档翻译）
Mmdetection 中文文档（由原英文文档翻译）一、安装（一）所需条件1.Linux操作系统（官方不支持Windows操作系统，如果要在Windows上使用，见我博客中的另一篇文章）2.Python 3.5+3.PyTorch1.1或者更高版本4.CUDA9.0或者更高版本5.NCCL26.GCC4.9或更高版本7.mmcv8.安装Anaconda 3（原文中没有此条，但确...
2020-02-05 23:16:32
843
原创 mmdetection离线安装与使用--填平所有坑实记
mmdetection 的背景与作用，略去1000字不表，自己百度。运用GPU加速做图像识别、检测等工作，请不要用虚拟机，本文环境基于实体机运行。一、准备工作。1.配置pip国内源。在C:\Users\Administrator新建pip文件夹，并新建pip.ini配置文件，文件内容如下：[global] index-url = https://mirrors.aliyun.com/pyp...
2020-01-08 23:58:11
6763
7
原创 Python深度学习---使用数据增强加预训练网络的特征提取
弗朗索瓦.肖莱的Python深度学习书，第五章5.3.1中的特征提取第二个例子，利用数据增强进行特征提取，我理解，笔者可能更想表述数据增强后使用VGG16卷积基的特征提取，因此循着这个技术思路，对利用冻结的卷积基训练模型源码进行了改进。不说废话，直接上码。导入必要的包Ctrl/Commandimport numpy as npfrom keras import layersfrom ke...
2019-06-01 21:45:33
1971
gvm环境中LunarLanderContinuous-v2 需要的一些资源包swig-4.0.2.tar.gz，pcre
2022-09-04
mmdetection-中文文档(自己翻译).pdf
2020-02-10
mirrors-mmcv-master.zip
2020-01-09
cocoapi-master.zip
2020-01-09
mirrors-mmdetection-master.zip
2020-01-08
vgg16模型-TF后端.zip
2019-06-10
机器学习预测分析核心算法--自写源码.zip
2019-05-31
Android Studio在启动AVD时报错
2015-12-25
TA创建的收藏夹 TA关注的收藏夹
TA关注的人