- 博客(86)
- 资源 (1)
- 问答 (5)
- 收藏
- 关注
RSS订阅原创 通过使用Excel VBA来进行Outlook自动邮件发送
通过使用Excel VBA来进行Outlook自动邮件发送，来实现批量邮件发送的功能！
2024-07-24 16:54:33
2128
原创 PyQt QraphicsView无法触发点击事件（已解决）
对于键盘鼠标事件，scene会传递给获得焦点的图形项。如果场景没有获得焦点，那键盘事件会丢弃；如果调用场景setFocus()或者场景中的一个图形项获得了焦点，那么场景会自动获得焦点；如果场景丢失了焦点（如调用clearFocus()）而其中一个图形项获得焦点那场景会保存这个图形项的焦点信息。GraphicsView支持事件传播体系结构，可以使图元在场景scene中得到提高了已被的精确交互能力。图形视图框架中的事件都是首先由视图进行接收，然后传递给场景，再由场景给相应的图形项。
2023-01-19 11:52:59
475
原创 PyQt设置图标无效问题解决
使用designer设计好布局后从.ui转为.py文件发现并没有显示图片。经过多番测试，有效的方法为，在定义窗口的时候，对图片。这里UI_Main为从.ui转.py后的文件。
2023-01-18 22:45:01
809
原创 PyQt6 Designer与实际运行不一致问题
我们在Designer设计布局时，会先定义好布局然后只在某个布局内存放元素，其他布局为空，可能就会产生布局不一致问题，其实已经存在了对应的布局只是里面为空，所以剩余空间优先被有元素的布局使用。我们在每个布局中加入某个组件即可解决。
2023-01-18 22:40:33
744
原创 Python 俄罗斯方块实战（代码可直接拿来用）
玩法方面和正常俄罗斯方块一样，操作方面使用空格旋转图案，↓键图案落下，ENTER键暂停。自行在同级目录下创建elsfk.cfg文件。
2023-01-16 20:56:18
2524
2
原创 Pytorch Kaggle实战：House Prices - Advanced Regression Techniques
通过Kaggle比赛，将所学知识付诸实践。
2023-01-14 13:47:33
545
原创 AI 配音软件|网站推荐
当我们在进行视频剪辑的过程中可能需要配上自己的声音，但是由于种种原因，可能使用自己的声音效果不好，这时候我们便需要使用AI配音来帮助我们。下面汇总了一些配音网站及软件。
2023-01-13 23:00:09
3207
1
原创 Pytorch 环境和分布偏移与错误使用机器学习例子
假设我们训练了一个贷款申请人违约风险模型，用来预测谁将偿还贷款或违约。这个模型发现申请人的鞋子与违约风险相关（穿牛津鞋申请人会偿还，穿运动鞋申请人会违约）。此后，这个模型可能倾向于向所有穿着牛津鞋的申请人发放贷款，并拒绝所有穿着运动鞋的申请人。这种情况可能会带来灾难性的后果。首先，一旦模型开始根据鞋类做出决定，顾客就会理解并改变他们的行为。不久，所有的申请者都会穿牛津鞋，而信用度却没有相应的提高。总而言之，机器学习的许多应用中都存在类似的问题：。
2023-01-12 10:17:33
577
原创 Pytorch 数值稳定性和模型初始化
有人会认为初始化方案是理所当然的，忽略了如何做出这些选择的细节。甚至有人可能会觉得，初始化方案的选择并不是特别重要。相反，初始化方案的选择在神经网络学习中起着举足轻重的作用， 它对保持数值稳定性至关重要。此外，这些初始化方案的选择可以与非线性激活函数的选择有趣的结合在一起。我们选择哪个函数以及如何初始化参数可以决定优化算法收敛的速度有多快。糟糕选择可能会导致我们在训练时遇到梯度爆炸或梯度消失。
2023-01-11 14:47:27
584
原创 Pytorch 前向传播、反向传播、计算图
在计算梯度时，我们只调用了深度学习框架提供的反向传播函数，而不知其所以然。梯度的自动计算（自动微分）大大简化了深度学习算法的实现。在自动微分之前，即使是对复杂模型的微小调整也需要手工重新计算复杂的导数， 学术论文也不得不分配大量页面来推导更新规则。
2023-01-11 11:06:11
1566
原创 Pytorch 暂退法（Dropout）
在2014年，斯里瓦斯塔瓦等人 () 就如何将毕晓普的想法应用于网络的内部层提出了一个想法： 在训练过程中，他们建议在计算后续层之前向网络的每一层注入噪声。因为当训练一个有多层的深层网络时，注入噪声只会在输入-输出映射上增强平滑性。这个想法被称为暂退法（dropout）。
2023-01-10 10:36:33
970
原创 Pytorch 权重衰减
使用L2范数的一个原因是它对权重向量的大分量施加了巨大的惩罚。但这可能成本很高，耗时颇多，或者完全超出我们的控制，因而在短期内不可能做到。（ridge regression）算法， L1正则化线性回归是统计学中类似的基本模型， 通常被称为。为了使过拟合效果更加明显，将问题的维数增加到d=200，并只使用包含20个小样本的训练集训练。使用权重衰减，即设置lambd=3，训练误差增大了，但测试误差减小，正则化起到效果。（weight decay）是最广泛使用的正则化的技术之一， 它通常也被称为L2。
2023-01-09 12:21:13
1090
原创 Pytorch 多项式拟合
特别是在深度学习领域，最好的预测模型在训练数据上的表现往往比在验证数据上好得多。一般来说泛化误差无法进行准确计算，实际上我们只能通过将模型应用于一个独立测试集来估计泛化误差，该测试集由随机选取的、未曾在训练集中出现的数据样本构成。，这意味着对数据采样过程中没有进行记忆，也就是说，抽取第2个样本和第3个样本的相关性，并不比抽取第2个样本和第200万个样本的相关性强。（generalization error）是指， 模型应用在同样从原始样本的分布中抽取的无限多数据样本时，模型误差的期望。
2023-01-08 15:37:15
771
原创 Pytorch 多层感知机
torch.nn.Parameter()将一个不可训练的tensor转换成可以训练的类型parameter，并将这个parameter绑定到这个module里面。忽略像素之间的空间结构， 我们可以将每个图像视为具有784个输入特征 和10个类的简单分类数据集。首先，我们将实现一个具有单隐藏层的多层感知机， 它包含256个隐藏单元。这里面使用Sequential搭建了网络架构，其中先将图片进行展平（nn.Flatten）然后传入线形层，在经过relu激活函数，最后使用Linear进行输出。
2023-01-07 21:57:14
784
原创 PyQt5中每隔几秒更新页面方法
如果单独使用下面这个方法time.sleep(1)它会等到所有结果都结束了才输出例如： while self.endDraw==0: self.NextDrawBtn() self.SuiJi() time.sleep(1)我这段程序便是在 self.NextDrawBtn()里面控制self.endDraw的，因此可能会执行好几次最后才一起进行绘制页面。解决办法分析原因我们可以知道是程序执
2022-03-21 17:44:36
1629
原创 编程比赛常用技巧总结
编程比赛常用技巧总结输入输出加快输入输出读入一行字符串常用输出格式控制比赛常用算法四舍五入绝对值快速幂算法最短路算法并查集二叉树建树结构体重载小于号数据结构堆pairvectorset, map, multiset, multimap, 基于平衡二叉树（红黑树），动态维护有序序列dequestackqueue我这里的编程比赛主要指的是算法类的比赛，例如蓝桥杯，天梯赛，CCF之类的比赛。为了备战天梯赛、蓝桥杯而写的一个总结。输入输出加快输入输出ios::sync_with_stdio(false);
2022-03-16 11:27:23
907
原创 Dijkstra算法
#include<iostream>#include<cstring>#include<stack>using namespace std;const int maxn=10001;//点的个数//dist[i]表示点i到源点s的最短距离，map记录图的信息，pre记录前驱、源点、终点 int dist[maxn],map[maxn][maxn],pre[maxn],n,m;//n表示源点数，m表示边数 void Dijkstra(int n,int s).
2021-11-29 17:18:48
116
原创 扩充PL/0语言语法的EBNF描述
<程序> :: = <分程序>.<分程序> :: = [<常量说明部分>][<变量说明部分>][<过程说明部分>]<语句><常量说明部分> :: = CONST <常量定义>{ ,<常量定义> };<常量定义> :: = <id>= <integer><变量说明部分> :: = VAR <id>{ ,<id&g...
2021-11-15 19:01:33
2637
原创 C++全排列
全排列的过程相当于将要进行全排列的元素分别放入一个盒子的过程#include<iostream>using namespace std;//a相当于一个盒子 int a[100],c[100];int n;//book为标记当前盒子是否存放了数字 int book[100];void dfs(int step){ if(step==n)//所有的盒子中都有数字 { for(int i=0;i<n;i++) { cout<<a[i]<&
2021-09-15 16:01:52
369
翻译 DIFFERENTIABLE CONSISTENCY CONSTRAINTS FOR IMPROVED DEEP SPEECH ENHANCEMENT -- 论文翻译
用于改进深度语音增强的可区分一致性约束作者： Scott Wisdom, John R. Hershey, Kevin Wilson, Jeremy Thorpe,Michael Chinen, Brian Patton, Rif A. Saurous Google Research摘要 近年来，深度网络通过将其作为一个数据驱动的模式识别问题，导致了语音增强方面的巨大改进。在许多现代增强系统中，大量的数据被用来训练一个深度网络，以估计复值短时傅里叶变换（STFT）的掩码，以抑制噪声和保留语音。然而，
2021-08-28 10:07:58
398
原创 Pytorch--Tensor的维度变换
目录Pytorch--Tensor的维度变换1、View/reshape2、Squeeze/unsqueeze3、Expand / repeat4、其他方法4.1、.t（）4.2、Transpose（）4.3、permute（）Pytorch--Tensor的维度变换1、View/reshapeview在变换过程中size相乘必须一样才可以变换view操作会丢失dim信息2、Squeeze/unsqueezeunsqueeze.
2021-08-18 16:28:25
699
原创 Pytorch--Tensor的索引与切片
Pytorch--Tensor的索引与切片1、直接用索引的方式2、：号的方式3、index_select4、...5、 .masked_select()1、直接用索引的方式相当于创建一个CNN的Tensora[0].shape直接指向对应维度的第几个2、：号的方式三种情况start：#指从start包括start到最后：end #指从开始到end不包括endstart：end#指从start到end，包括start不包括end特殊情况start：end：step #分别代表开
2021-08-17 21:56:33
325
原创 Pytorch--创建Tensor
目录1、Import from numpy2、Import from List3、uninitialized4、set default type5、rand/rand_like, randint6、randn7、normal8、full9、arange/range10、linspace/logspace11、Ones/zeros/eye1、Import from numpytorch.from_numpy()# 转化维Tensornp.ones([2,3])#创建2行3列的数组2、Import
2021-08-16 21:28:08
2267
原创 Pytorch--基本数据类型
Pytorch--基本数据类型1、Python与Pytorch数据类型对比2、数据类型2.1、常用的类型2.2、判断类型的几种方法3、Tensor的维度3.1、0维3.2、1维3.3、2维3.4、3维3.5、4维3.6、高维1、Python与Pytorch数据类型对比PythonPytorchIntIntTensor of size()floatFloatTensor of size()Int arrayIntTensor of size [d1, d2 ,…]
2021-08-16 12:51:29
206
原创 Pytorch--手写数字识别
Pytorch--手写数字识别实现步骤1、加载数据集2、创建网路3、模型训练4、测试全局代码实现步骤1、加载图片（7万张）2、建立模型（三层非线性层）3、训练4、测试可视化图片、曲线的代码###绘制曲线def plot_curve(data): fig = plt.figure() plt.plot(range(len(data)), data, color='blue') plt.legend(['value'], loc='upper right') pl
2021-08-15 21:46:25
332
原创 Pytorch--简单线性回归
梯度下降在求解损失函数的最小值时，可以通过梯度下降法来一步步的迭代求解，得到最小化的损失函数和模型参数值。???????????????? = ????2 ∗ sin(????)线性方程???? = ???? ∗ ???? + ????例如1.567 = w * 1 + b3.043 = w * 2 + b我们可以解的W = 1.477，B = 0.089但是在现实生活中存在一定的噪声，所以我们任需要引入一个噪声来模拟???? = ???? ∗ ???? + ???? + ????
2021-08-14 20:46:33
188
原创 Unity声音管理
创建一个总的声音管理类using System.Collections;using System.Collections.Generic;using UnityEngine;using UnityEngine.Audio;/// <summary>/// 音频管理器，管理所有音乐/// </summary>public class AudioManager : MonoBehaviour{ /// <summary> /// 存储单个音
2021-08-07 16:05:49
760
翻译 WAVE-U-NET: A MULTI-SCALE NEURAL NETWORK FOR END-TO-END AUDIO SOURCE SEPARATION-----论文翻译
WAVE-U-NET: 一个用于端到端音源分离的多尺度神经网络作者：Daniel Stoller、Sebastian Ewert、Simon Dixon摘要： 音频源分离模型通常在幅度频谱上操作，这忽略了相位信息，使分离性能依赖于频谱前端的超参数。因此，我们研究了时域中的端到端声源分离，它允许对相位信息进行建模，并避免了固定的频谱转换。由于音频的高采样率，在采样水平上采用长时间的输入背景是困难的，但由于长距离的时间相关性，需要高质量的分离结果。在这种情况下，我们提出了Wave-U-Net，它是U-N
2021-08-05 09:38:11
2788
翻译 Complex Spectral Mapping With Attention Based Convolution Recurrent Neural Network（省略）---论文翻译
基于注意力的卷积递归神经网络的复杂频谱映射，用于语音增强Liming Zhou1, Yongyu Gao1,Ziluo Wang1,Jiwei Li1,Wenbin Zhang11CloudWalk Technology Co., Ltd., Shanghai, China 1fzhouliming,gaoyongyu,wangziluo,lijiwei,zhangwenbing@cloudwalk.cn摘要语音增强已经从深度学习在可懂度和感知质量方面的成功中获益。传统的时频（TF）域方法侧重于通过天
2021-07-21 09:42:16
1710
翻译 DPCRN: Dual-Path Convolution Recurrent Network for Single Channel Speech Enhancement---论文翻译
DPCRN：用于单通道语音增强的双路径卷积递归网络Xiaohuai Le1;2;3, Hongsheng Chen1;2;3, Kai Chen1;2;3, Jing Lu1;2;31Key Laboratory of Modern Acoustics, Nanjing University, Nanjing 210093, China 2NJU-Horizon Intelligent Audio Lab, Horizon Robotics, Beijing 100094, China 3Nanjing
2021-07-21 09:21:25
7258
2
翻译 A Convolutional Recurrent Neural Network for Real-Time Speech Enhancement---论文翻译
用于实时语音增强的卷积递归神经网络作者：Ke Tan1, DeLiang Wang1,21Department of Computer Science and Engineering, The Ohio State University, USA2Center for Cognitive and Brain Sciences, The Ohio State University, USA摘要许多现实世界中的语音增强应用，如助听器和人工耳蜗，都需要实时处理，没有延迟或低延迟。在本文中，我们提出了一种
2021-07-15 22:40:27
1192
翻译 Learning Complex Spectral Mapping With Gated Convolutional---论文翻译
用门控的复杂频谱映射学习 复杂频谱映射的学习 单声道语音增强作者： Ke Tan , Student Member, IEEE, and DeLiang Wang , Fellow, IEEE摘要：相位对于语音的感知质量很重要。 然而，通过监督学习直接估计相位谱似乎很困难 由于其中缺乏频谱时间结构，通过监督学习直接估计相位谱似乎很难。复杂频谱映射的目的是估计 复杂频谱映射的目的是估计干净语音的实谱和虚谱，从那些 噪声语音的实谱和虚谱，这同时增强了语音的幅值和 语音的相位响应。受多任务学习的启发，我们
2021-07-15 22:11:50
1321
便民小工具1.0.zip
2020-05-14
Python使用Designer进行Ui设计时候怎么获取鼠标坐标
2022-02-28
C++已经声明类还是类未定义
2020-08-15
微信小程序API请求成功但是传递参数错误
2020-05-28
上三角打印蛇形打印矩阵11111
2019-11-28
怎么实现输入0程序退出了
2019-10-19
TA创建的收藏夹 TA关注的收藏夹
TA关注的人