- 博客(7)
- 收藏
- 关注
RSS订阅原创 LSTM教程
第二个时间步同样的进入这四层LSTM1->LSTM2->LSTM3->LSTM4，这里的四层中，每一层也都需要输入h和c，而它们输入的h和c则是从刚刚提到的记录的4层h和c中，取出对应层的状态信息，作为第二个时间步同一层的输入。假如你的输入序列有10个时间步，在你提取第5个时间步的信息的时候，前面4个时间步的信息已经存放到了细胞单元中，而当前第5个时间步提取到的信息就记作候选细胞单元，它需要后面和已经存放了历史4个时间步信息的细胞单元进行整合。中的信息过多，并不一定都对下一个时间步有用。
2025-07-24 00:34:41
849
1原创 Moving-MNIST数据集介绍
clips.npy：shape：（2,10000,2），第一个2表示有两个（10000,2）的数组，第一个数组存储了历史帧（输入帧）的索引值，第二个数组存储了未来帧（输出帧/预测帧的索引）input_raw_data：形状为（200000,1,64,64），一共10000条数据，每条里面含输入帧和预测帧共20张，共200000张图片。dims.npz：形状为（1,3），代表了图片的尺寸；
2024-07-10 23:42:16
705
原创 PyQt5：QImage图片与Pillow格式图片相互转换
最近在做目标检测算法，为了项目完整一些，学习了pyqt5，为算法做一个可视化界面。在使用pyqt中的pushbutton设计了一个加载图片的按钮后，可以获得QImage格式的图片。然后需要将图片转换为pillow格式的进而使用训练好的pytorch模型进行预测，这个过程中遇到了格式转换的问题。在网上看了很多教程，各式各样，复杂的简单的，但是后面总会报错。偶然发现Pillow库自带了格式转换函数，大道至简，一行代码解决战斗。转换回去也很简单，直接使用ImageQt.ImageQt函数。
2024-04-01 23:23:51
623
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