- 博客(22)
- 收藏
- 关注
RSS订阅原创 python导入模块失败
将你自己的目录添加到sys.path，假设你的目录位置是D://winhzq//桌面//pydemo//OPenMMlab//Timedemo，添加下面两行代码。运行下面代码模块，出现报错，导入模块失败。
2025-01-07 19:18:41
158
原创 vscode的插件自定义位置以及插件记得备份保存
首先原来的插件位置一般都在C:\Users\25364\.vscode\extensions中，将extensions复制到你想保存的插件路径。点击vscode的属性，快捷方式，修改目标上面的内容其中"D:\Program Files\CodeAPP\Microsoft VS Code\Code.exe"是原来的你自定义安装路径，后面需要加上 --extensions-dir "你自己想把插件安装的路径"
2024-12-12 10:19:48
692
原创 jupyter或者python文件导入其他python文件模块中方法路径问题
上面代码是什么意思呢，定义了一个绝对路径D:\winhzq\桌面\笔记本资料\OPenMMlab\AAAA，下面导入的模块内容以这个AAA文件为根目录，layers是一个文件夹，Embed是后缀为.py的文件，这样就可以正常导入Embed.py文件的class模块了。同理以此类推...exp.中exp后面一个点表示exp文件中下面的exp_anomaly_detection.py文件，然后导入方法。..两个点表示移动上移一个文件夹，在加一个点是在上移一个文件夹，所以上移两个文件夹是...
2024-12-12 10:07:03
476
原创 【论文分享】ICLR 2024 | iTransformer：倒置Transformer在时间序列预测中效果显著
近期线性预测模型的兴起，引发了对基于 Transformer 的预测模型的架构修改热潮的质疑。此类模型利用 Transformer 来建模时间序列的时间令牌中的全局依赖关系，其中每个令牌由同一时间戳的多个变量组成。然而，Transformer 在处理具有较大回顾窗口的时间序列时表现不佳，性能下降且计算量急剧增加。此外，每个时间令牌的嵌入融合了多个不同变量，这些变量可能代表潜在的延迟事件和不同的物理测量，导致难以学习变量中心的表示，进而生成无意义的注意力图。
2024-11-29 22:22:02
3182
3
原创 【TPAMI】深度时间序列模型：全面综述与基准
时间序列是一种以离散时间顺序排列的数据点序列，广泛存在于实际应用中。与其他数据类型不同，时间序列因其复杂和动态的特性而带来了独特的挑战，包括。
2024-11-16 22:09:27
1455
原创 【AAAI2024】SCTNet：具有Transformer语义信息的单分支CNN用于实时分割
最近的实时语义分割方法通常采用额外的语义分支来获取丰富的长距离上下文信息。然而，这一额外的分支会带来不必要的计算开销，并降低推理速度。为了消除这一困境，我们提出了SCTNet，一种单分支CNN结合变压器语义信息的实时分割网络。SCTNet在保持轻量级单分支CNN高效性的同时，享有无需推理的语义分支的丰富语义表示能力。SCTNet在训练时使用变压器作为仅训练的语义分支，利用其卓越的长距离上下文提取能力。
2024-10-30 08:26:32
2046
原创 【KDD2024】ShapeFormer：用于多元时间序列分类的Shapelet Transformer
多元时间序列分类（MTSC）因其在现实世界中的广泛应用而吸引了大量研究关注。最近，Transformer在MTSC中取得了先进的性能。然而，
2024-10-30 08:15:49
2881
7
原创 Sorry, but miktex-makemf did not succeed. The log file hopefully contains the information to get....
记录自己解决bug的一天。
2024-10-23 15:40:55
989
原创 VScode远程连接ssh失败，无法与“oyvu7l1r6sbmtvhwsnow.deepln.com“ 建立连接: 已取消连接
我在连接服务器的时候一直连接不上，因为这里出现选择三种Linux、windows、macOS系统的时候我一开始想的是选择window，可是在网上找了很多解决方案，最后都以失败结尾，最后发现选择linux的时候，远程服务器成果连接上。
2024-10-18 16:24:12
193
原创 【校园网连接失败】你可能需要与该网络的 Interet 服务提供商(ISP)签署协议才能获未修复得访问 Intemnet 的杈限
随手记录一下自己电脑的问题。想让自己的电脑使用网线连接校园网，进而登入账号和密码进行连接。但是浏览器一直加载失败不出现登入跳转页面，如下图。1.自己电脑打开了代理（梯子），需要把代理关掉再重新插入网线连接试试。3.打开WIFI设置，点击禁用，然后在重启。（一般这个方法是可以的）在网上查找半天最后发现一般解决思路可能存在三种问题。2.手机先连接热点，然后重新插入网线试试。以上三种解决思路本人可行，仅供参考。
2024-10-18 16:18:35
1693
3
原创 【TIP2024】HAFormer： 释放层次意识特征的力量，实现轻量级语义分割
卷积神经网络（CNNs）和Transformer在语义分割任务中都取得了显著成功。已有一些工作将CNN与Transformer模型结合起来，以捕捉局部和全局上下文的交互。然而，特别是在考虑计算资源限制时，仍有进一步优化的空间。在本文中，我们介绍了HAFormer模型，该模型结合了CNN的层次化特征提取能力与Transformer的全局依赖建模能力，以应对轻量级语义分割的挑战。具体来说，我们设计了一个层次感知像素激励（HAPE）模块，用于自适应多尺度局部特征提取。
2024-10-07 19:03:16
1605
原创 【MobileNetV2介绍+神经网络学习相关预备知识资料】
卷积神经网络概述卷积神经网络精讲经典卷积神经网络结构卷积神经网络工程实践技巧：https://www.bilibili.com/video/BV1K7411W7So?p=9加速深度学习计算的算法和硬件：https://www.bilibili.com/video/BV1K7411W7So?p=14子豪兄MobileNet V1论文精读：https://www.bilibili.com/video/BV16b4y117XH。
2024-09-16 19:13:55
1070
原创 【ShuffleNetV1论文精读】
有些很好的论文我认为是旧瓶装新酒，一些很早以前就有的概念，我们拿来解决新的问题，发现他是可行的，是新work，这是人工智能一个技术迭代螺旋上升的一个路径。有些技术是别人已经想到过的，但是你发现它可以用来解决新问题，这就是一种创新。我们介绍了一种名为ShuffleNet的计算效率极高的CNN架构，该架构专为计算能力非常有限的移动的设备设计（例如，10- 150MFLOP）。新的架构利用两个新的操作，逐点组卷积和信道混洗，以大大降低计算成本，同时保持准确性。
2024-09-16 18:53:12
1909
原创 tensorboard页面不显示问题
第二个：有时候路径问题真的很麻烦，需要全局路径，我一开始终端运行代码tensorboard --logdir= D:\25364\桌面\大四\1神经网络深 deep-learning-for-image-processing-master\pytorch_classification\Test2_alexnet\logs --port=6023logs --port=6023显示页面文件不存在，
2024-04-13 18:25:46
685
原创 【论文分析】异质信息网络上部分消息传播的可微元多图搜索
异构信息网络（HINs）广泛用于描述具有复杂实体和关系的真实世界数据。为了自动利用它们的语义信息，最近在HINs的各种任务上开发了图神经架构搜索。然而，现有的工作在不稳定性和不灵活性方面存在弱点。为了解决这些问题，我们提出了一种称为Partial Message Meta Multigraph Search（PMMM）的新方法，用于在HINs上自动优化神经架构设计。具体来说，为了学习图神经网络（GNNs）如何沿着各种类型的边传播消息，PMMM采用了一种高效的可微分框架。
2023-09-12 20:16:11
443
原创 【2020顶会KDD】AutoST：面向时空预测的高效神经架构搜索
时空（ST）预测（例如人群流量预测）在智能城市应用中的城市规划、智能交通和公共安全等领域具有重要意义。最近，许多深度神经网络模型已被提出用于进行准确的预测。然而，手动设计神经网络需要大量的专业工作和ST领域知识。如何自动构建适用于城市中多样时空预测任务的通用神经网络？在本文中，我们研究了面向时空预测的神经网络架构搜索（NAS），并提出了一种高效的时空神经架构搜索方法，称为AutoST。据我们所知，搜索空间是NAS在不同应用中取得成功的重要人为因素，而当前的NAS模型集中于优化固定搜索空间中的搜索策略。
2023-09-10 00:16:07
494
1
原创 【论文精读】Auto-STGCN：自主空时图卷积网络基于强化学习的搜索和现有研究结果
近年来，许多空时图卷积网络（STGCN）模型被提出来应对空时网络数据预测问题。这些STGCN模型各有优势，即它们各自提出了许多有效的操作，在实际应用中取得了良好的预测结果。如果用户能够有效地利用和组合这些优秀的操作，整合现有模型的优势，那么他们可能会获得更有效的STGCN模型，从而在现有工作的基础上创造更大的价值。然而，由于缺乏领域知识，他们无法做到这一点，也缺乏自动化系统来帮助用户实现这一目标。在本文中，我们填补了这一空白，提出了Auto-STGCN算法，
2023-09-01 14:28:21
950
1
原创 论文分析——动态异构图注意神经结构搜索
动态异构图神经网络（DHGNNs）已被证明在处理普遍存在的动态异构图方面具有有效性。然而，现有的 DHGNNs 是手工设计的，需要大量的人力投入，并且无法适应各种不同的动态异构图场景。在本文中，我们提出自动设计 DHGNN 的方法，面临两个主要挑战：1）如何设计搜索空间以共同考虑图中的时空依赖关系和异构交互；2）如何在潜在的庞大且复杂的搜索空间中设计高效的搜索算法。为了解决这些挑战，我们提出了一种新颖的动态异构图注意力搜索（DHGAS）方法。
2023-08-24 00:08:29
1365
4
原创 MNASNET：移动领域的平台感知神经架构搜索
为移动的设备设计卷积神经网络（CNN）具有挑战性，因为移动模型需要小而快速，但仍然准确。虽然已经投入了大量的努力来设计和改进移动的CNN在所有维度上，这是非常困难的手动平衡这些权衡时，有这么多的架构可能性考虑。在本文中，我们提出了一种自动移动的神经架构搜索（MNAS）的方法，明确地将模型延迟到主要目标，使搜索可以识别一个模型，实现了良好的平衡精度和延迟。与先前的工作不同，其中经由另一个通常不准确的代理（例如，FLOPS），我们的方法直接测量现实世界的推理延迟，通过在移动的上执行模型。
2023-08-11 00:23:02
498
1
原创 轻量化网络ShuffleNet V1
有些很好的论文我认为是旧瓶装新酒，一些很早以前就有的概念，我们拿来解决新的问题，发现他是可行的，是新work，这是人工智能一个技术迭代螺旋上升的一个路径。有些技术是别人已经想到过的，但是你发现它可以用来解决新问题，这就是一种创新。我们介绍了一种名为ShuffleNet的计算效率极高的CNN架构，该架构专为计算能力非常有限的移动的设备设计（例如，10- 150MFLOP）。新的架构利用两个新的操作，逐点组卷积和信道混洗，以大大降低计算成本，同时保持准确性。
2023-07-30 23:58:39
315
1
原创 拼多多算法机制，微积分的实际应用
近日，面对朋友发来的拼多多互助链接，我产生了较强的兴趣，毕竟一年前在拼多多邀请好友确实可以得到红包，我有幸成为其中一个，并基于大数据，确实有亲戚朋友得到红包的案例。于是，对于这次连接，我好奇拼多多的红包助力机制是什么样的，便开始了这两天的邀请助力环节。 拼多多红包是真实存在的，只不过获得红包特别的困难，更别说提现了。只有红包达到一定的金额，才可以把红包里的钱提出来。想要把钱提出来，那么就需要找很多朋友来帮忙，如果没有...
2021-08-09 10:38:12
10572
5
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