- 博客(5)
- 收藏
- 关注
RSS订阅原创 关于axis，操作轴的方向
同理，对数组操作np.sum(A, axis=1)，相当于将数组A按列压缩求和，对数组操作np.sum(A, axis=0)，相当于将数组A按行压缩求和，最终压缩成一个1*3的数组array([12, 15, 18])最终压缩成一个1*3的数组array([6, 15, 24])[1, 2, 3], # 第0行。[4, 5, 6], # 第1行。第1列: 1 + 4 + 7 = 12。第1行: 1 + 2 + 3 = 6。第3列: 3 + 6 + 9 = 18。这是一个3*3的数组。
2025-07-14 14:50:18
139
原创 「学习YOLO模型并改进优化算法」的系统化学习路线
以下是针对「学习YOLO模型并改进优化算法」的。的样本分配模块，尝试修改匹配阈值分析效果。在YOLOv8代码中定位。
2025-06-09 16:06:27
1804
原创 Yolo算法优化学习前备知识
补全目标检测基础知识（任务、指标、数据集）。深入理解YOLO系列的核心原理与演进（v1-v3必读，最新版精研）。重点学习优化相关的深度知识，特别是损失函数（定位IoU变体、Focal/VFL）和样本分配策略（SimOTA, Task-Aligned Assigner等）。熟练掌握PyTorch和实验工具。通过大量阅读代码和动手实验来巩固理解并探索改进。
2025-06-09 16:03:56
373
原创 深度学习入门-写一个线性回归模型
"""生成 y=Xw+b+噪声"""# 生成特征矩阵X，形状为(num_examples, len(w))# 假设num_exampeles=1000,len(w)=2 则会生成一个1000*2的二维矩阵# 使用标准正态分布N(0,1)生成随机数# 计算线性模型预测值y=Xw + b# torch.matmul进行矩阵乘法，X的形状(num_examples, n_features)，# w形状(n_features,) 一维# 形状(5,)表示这是一个一维张量，有5个元素。
2025-03-21 13:42:25
674
原创 深度学习-- （数据操作-张量）
PyTorch 中四维张量的维度顺序通常为：(Batch Size, Channels, Height, Width) 即 (批量大小, 通道数, 高度, 宽度)。输出 tensor([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11])第 0 维 1：批量大小（Batch Size）表示一个数值组成的数组 这个数组可能有很多维度。第 1 维 1：通道数（Channels）第 2 维 3：高度（Height）第 3 维 3：宽度（Width）
2025-03-19 13:21:32
1818
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