小闹钟的机器学习时间

原创 下个月我必更新！

更新更新

原创 第二十四章 原理篇：DBB

简要介绍diversebranchblock的原理和代码实现。

原创 深度学习基础篇 第二章： 转置卷积

简要介绍转置卷积。

原创 深度学习基础篇 第一章：卷积

简要介绍卷积原理和实现。

原创 算法工程师面试常见代码题汇总

简要列出算法工程师面试常见代码题。

原创 第二十三章 原理篇：Pix2Seq

简要介绍pix2seq的原理和代码实现。但是感觉自己理解的不太到位。

原创 第二十二章 原理篇：UP-DETR

简要介绍UP-DETR的原理和代码实现。

原创 [华为OD] 最小传输时延(dijkstra算法)

简要介绍华为od最小传输时延的python解法。

原创 第二十一章 数据处理篇：imgaug

简要介绍imgaug和基础用法。

原创 第二十章 原理篇：CLIP

简要介绍clip的原理和代码实现。

翻译 第十九章 番外篇：google-research《深度学习调参指南》

翻译 google-research: deep learning tuning playbook.

原创 [华为OD] 污染水域(多源BFS)

简要介绍华为OD 污染水域的解法和相关题目。

原创 二叉树的三序遍历

简要介绍二叉树的三序遍历和重构与代码实现。

原创 第十八章 番外篇：混合精度训练

简要介绍混合精度的原理和代码实现。

原创 第十七章 原理篇：Deformable DETR

简要介绍Deformable DETR的原理和代码实现。

原创 第十六章 原理篇：DETR

简要介绍DETR的原理和代码实现。

原创 第十五章 原理篇：YOLOv8

简要介绍yolov8的原理和代码实现。

原创 第十四章 原理篇：DEIT

简要介绍DEIT的原理和代码实现。

原创 第十三章 原理篇：SWIN-transformer

简要介绍swin-transformer的原理和代码实现。

原创 第十二章 原理篇：vision transformer

简单介绍了vision transformer的原理和实现。

原创 第十一章 原理篇：transformer模型入门

简要介绍词向量和transformer的原理。

原创 第十章 番外篇：DDP

简要介绍了ddp的使用。

原创 第九章 番外篇：TORCHSCRIPT

简要介绍torchscript的使用方法。

原创 第八章 模型篇：transfer learning for computer vision

简要介绍如何使用预训练好的模型做训练。

原创 第七章 原理篇：HOG特征提取

简单介绍了hog特征提取的原理和python代码实现。

原创 第六章 番外篇：webdataset

简要介绍了webdataset的使用。只介绍了基础用法，因为自己也没学明白。

原创 第五章 模型篇： 模型保存与加载

简要介绍pytorch中模型的保存与加载。

原创 第四章 模型篇：模型训练与示例

简要介绍了pytorch中模型训练的流程和部分原理知识。

原创 第三章 模型篇：模型与模型的搭建

主要介绍了pytorch中nn.Module()类和模型搭建。

原创 第二章 数据处理篇：transforms

主要介绍pytorch中常用的transforms方法

原创 第一章 数据处理篇：数据集读取和构建

简要介绍了cifar数据的使用和pytorch dataset的构建。

翻译 DVERGE快速理解

DVERGE：Diversifying Vulnerabilities for Enhanced Robust Generation of Ensembles今天看了这篇论文，大致了解了一下。先讲一下自己的理解，后半部分放翻译（可能存在错误）。针对对抗攻击有两种常用的解决方法，第一种是对抗学习，即人为设计较小的噪声（约束，保证视觉上无法辨认）加入到图像中，让模型学习处理过的图像，从而增强图像的鲁棒性。第二种是集成学习，通过训练多个子模型，希望子模型之间能够具有互补的效果。但是研究发现在同一数据集上训练

原创 DG-Net++快速理解

Joint Disentangling and Adaptation for Cross-Domain Person Re-Identification我以为我懂了，看了模型图发现还是高估了自己。先更新一部分，还有一部分没有整理好论文快速理解论文地址：https://arxiv.org/pdf/2007.10315.pdf代码地址：https://github.com/NVlabs/DG-Net-PP这篇论文是在DG-Net上面的扩展，主要解决的是跨域问题。用到了unsupervised d

原创 DG-Net快速理解

Joint Discriminative and Generative Learning for Person Re-identification帮微博妹妹整毕设，发现之前学习ReID的时候还是漏掉了很多东西，比如基于GAN的ReID模型，下午看了看论文，整理一下内容。论文地址：https://arxiv.org/abs/1904.07223源码：https://github.com/NVlabs/DG-Net （还没来及的跑）视频链接：https://www.bilibili.com/video

翻译 [翻译]Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neu

今天才发现上采样还有个这样的方法，之前一直没注意过。原理很好理解，但是不太明白为什么效果会好，所以去翻论文撸一遍。翻译了一部分，没有翻译完。可能是我自己阅读理解的问题，感觉论文里面的filter和feature map有点混淆，然后介绍原理的地方读起来别别扭扭的【怪我英语底子不好个人感觉相比于看整篇论文，还是看别人总结的原理更容易理解-使用亚卷积神经网络实时图片和视频超分辨率Abstract在图像超分辨率算法上，很多基于深度神经网络的模型都取得了成功，不管是在准确率还是表现上效果都不错。这些

原创 SSD-pytorch 训练过程全记录

SSD-pytorch 训练过程全记录文章目录SSD-pytorch 训练过程全记录准备工作数据集处理训练过程train.py的修改训练错误1：loss为NAN训练错误2：in layers/modules/multibox_loss.py In line 97, loss_c[pos]=0, the shape of mask [32,8732] ar index 0 not match the shape of the indexed tensor [270424,1] at index 0.训练错误

原创 yolo模型格式转换报错

使用torch.jit.trace(model,img) 对yolov5模型进行格式转换，出现报错。内容类似于：xxxxxxx：the number of sizes provided (0) must be greater or equal to the number of d解决方法：增加参数check_trace=Falsetorch.jit.trace(model,img,check_track=False)验证结果无误。...

转载 [转载]NLP/CV模型跨界，视觉Transformer赶超CNN?

原创 深度学习心律分类概括

最近在做信号分类的问题，看了一些心电图信号分类的论文，想要作为参考。不过这类论文普遍都属于医学类，使用的方法用也大部分比较简单。有点收获的是还顺便学习了傅里叶变换和小波变换。虽然说是实时识别，但其实也是进行了切块，按窗口进行识别，存在一定延时，和我工作方向的备选方案一致。数据处理部分，对于不同长度的ECG数据，通常会使用一些办法来进行切割，看的几篇论文中比较常见的是借助R-peak进行切割。这一部分对我的工作方向帮助不大。在进入深度模型前，有写论文进行了额外的特征提取，在这些论文中普遍使用了小波变换

翻译 TCN时间卷积网络

TCN时间卷积网络参考使用的benchmark:https://github.com/locuslab/TCN包含多种分类、预测样例，基于pytorch环境。Introduction通常序列模型问题都是使用循环神经网络解决的，然而最近一些结果发现卷积神经网络在序列问题上可以实现超过循环神经网络的结果。一般在研究的时候都会把循环神经网络作为一个序列模型任务的起始点，但是现在我们要选择卷积神经网络。于是就产生了一个问题：卷积序列模型的成功是否和特定的应用领域有关，序列处理和循环网络之间的关联是否可以重