狂小虎/Anthony Dave的博客 KuangXiaoHu's Blogs

嵌套列表及浅拷贝，深拷贝，列表推导式

序列是一种有序的数据结构，通常用于存储一组相关的元素。Python中的序列包括列表（list）、元组（tuple）和字符串（string）。

布尔值：逻辑运算符，短路逻辑，运算符优先级

Python中的数字类型包括整数(int)、浮点数(float)、复数(complex)和布尔值(bool)。

介绍python里最基础的变量和字符串。

这个问题是由于两个变量的维度大小不一致导致，解决方法是查验变量读取和处理是否出现问题。

这个问题是由于环境变量改变或者Qt的路径改变导致，解决办法是在环境变量里面重新添加Qt路径。

实践建议：优先使用ReLU及其变体作为默认选择，在特殊场景（如GAN生成器）可尝试Tanh，注意输出层激活函数需与损失函数匹配。（Google提出）

反向传播本质是微分运算在计算图上的系统化实现，通过自动微分机制高效计算各参数梯度。现代深度学习框架（如TensorFlow/PyTorch）均基于计算图自动构建正反向传播流程。：输入层→隐藏层→输出层。：链式法则的逆向应用。

对于样本集XXX和参数θ\thetaθ，损失函数LθL(\theta)Lθ衡量预测值与真实值的差异。Lθ−1m∑i1myilog⁡hθxi1−yilog⁡1−hθxiLθ−m1​i1∑m​yiloghθ​xi1−yilog1−hθ​xi)]概念作用数学表达损失函数量化模型预测误差Lθ1m∑liLθm1​∑li​偏导数。

运行PyQt GUI程序时出现PATH警告提示，原因是缺少PyQt5环境工具。解决方法是通过pip安装pyqt5-tools包，该包包含所需的pylupdate5、pyrcc5和pyuic5等工具。安装命令为"pip install pyqt5-tools"，安装后即可解决路径问题。

摘要 出现该问题是由于torchvision版本过低导致的。解决方法为：先卸载当前版本的torchvision，然后重新安装最新版本。具体操作命令为：先执行"pip uninstall torchvision;卸载旧版本，再执行pip install torchvision"安装最新版本。

PyTorch不支持多loss值直接反向传播，需转化为标量形式。问题出现的原因是多个loss值拼接在一起无法自动求导。解决方法是对输出求平均值后再调用.backward()。示例代码展示了如何将10维输出通过.mean()转化为标量后进行反向传播。这一限制是因为PyTorch的自动微分机制需要明确的标量输出才能计算梯度。

摘要：本文系统梳理了深度学习中的损失函数原理与应用，重点分析了逻辑回归的交叉熵损失。通过数学推导展示了从概率表达式到损失函数的转化过程（$J(w,b)=-\frac{1}{m}\sum[y^{(i)}\log\hat{y}^{(i)}+(1-y^{(i)})\log(1-\hat{y}^{(i)})]$），并给出梯度计算公式和Python实现代码。文章还阐明了损失函数的凸性、概率解释等关键特性，以及多分类场景下的softmax扩展。实验部分通过特征矩阵示例（X=[[2,3],[1,4],[5,2]]）演示了

回归分析与拟合方法研究摘要 回归分析和拟合是数据建模中的核心方法。回归分析通过统计方法研究变量间关系，常采用最小二乘法建立数学模型。拟合则用光滑曲线连接数据点，是回归实现的具体数学手段。最小二乘法通过最小化误差平方和求解最优参数，其矩阵形式为β̂=(XᵀX)⁻¹Xᵀy，计算高效且易于理解。本文通过具体示例展示了最小二乘法的推导过程，并提供了Python实现代码。研究还指出最小二乘法存在对异常值敏感、矩阵不可逆等问题。在实际应用中，回归分析通常通过拟合方法实现建模目标，两者在数据科学领域具有紧密的关联性。

这个问题是由于预训练模型保存出错所致，解决方法是严格按照规定格式保存。

使用这个记住单个value也要是list形式，否则如果value是string类型，那么会自动把string里面的每个字符串当成是value。

一般数据集文件会比较大，直接下单单个压缩包很慢。可以使用代码多线程下载小文件。

这个问题是由于orientation的数据增强在scaling之后导致的，解决方法是将这两个数据增强的顺序调换。问题原因orientation在scaling之前可以保证不同的方向能够在同一个轴等比变化。The orientation should be before any anisotropic spatial scalings, so that data from different orientations are scaled in the same axes.将改成参考orientat

这个问题小虎今天刚刚遇到，问题原因有很多。但是由于使用了cuda运行，报错看不出来。解决方法是用cpu运行来看错误出在哪里。

这是由于多worker的时候函数不能内定义导致。

当返回变量只有一两个时，可以通过相应个数的"_"符号来接收。但是返回变量多个甚至是不定的时候，那么可以使用"*_"。

这个问题是在小虎想提前定义一个list，然后作为index list来调用另一个list里面的变量出现的问题。

这个问题是由于使用了自定义的batch_sampler引起，解决方法是可以通过将dataloader一些参数设置成默认值。

这个问题可以通过打印返回结果解决。

这个问题是由于tensor定义错误导致的，解决方法是用torch.tensor。

直接说结论好了，小虎在windows配了一个星期失败了，结果是双系统在linux下配置成功。

更新一下pip，然后配置setuptools即可。

这个跟数据集有关，不过可以通过clip减缓。

简而言之，就是如果的nn.module类里面的，建议用add_module；其他用setattr。

安装mmcv直接用pip install会报错，这里小虎看了官方说明后解决了这个问题。

【代码】COCO数据集json文件批量转txt格式。

这个权限问题在处理文件夹遇到，解决方法是用shutil.copytree。

有些程序会占用GPU运行到半夜一两点，不想熬夜干活，但是又想最大限度利用硬件。

在设置一个变量的时候，需要输入一个list。按照教程设置后，如果设置了两个list变量，会出现这个错误。

第六章（9）： 高阶函数#高阶函数是指接受其他函数作为参数或返回函数的函数。在编程语言中，。高阶函数可以更灵活地处理和操作函数，使得代码更简洁、可复用性更高。高阶函数的一个常见应用是在函数式编程中，通过函数组合、函数柯里化等技术来解决问题。例如，在函数式编程中，可以使用高阶函数来实现链式操作，将多个函数串联起来依次执行。另一个常见的应用是在回调函数中使用高阶函数。当一个函数需要在特定事件发生后执行某些操作时，可以将需要执行的操作封装成一个函数，并作为参数传递给另一个函数，这个接收函数即为高阶函数。

这个功能小虎并不想用，反倒是一直提示一直点错。这里就来看看如何关闭或开启这个功能。

这个问题是改动了网络层的结构导致不能进行in-place的操作，解决方法是用将in-place改成indirect的。

这个问题是由于dataloader读取的数据中有None类型的变量，而default_collate不能处理这种变量。解决方法是检查读取的变量，如果None可以设成0不使用。

这个问题在小虎登录vscode同步了设置后出现，原因是launch文件被修改或删除。解决方法是重新添加launch。