<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[m0_65590944的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/m0_65590944</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; m0_65590944]]></copyright><item><title><![CDATA[OpenCV读取图片和图片融合操作]]></title><link>https://blog.youkuaiyun.com/m0_65590944/article/details/141105590</link><guid>https://blog.youkuaiyun.com/m0_65590944/article/details/141105590</guid><author>m0_65590944</author><pubDate>Mon, 12 Aug 2024 10:36:40 +0800</pubDate><description><![CDATA[OpenCV读取图片和图片融合操作。注意：OpenCV默认的读取格式是BGR]]></description><category></category></item><item><title><![CDATA[VDSR论文总结]]></title><link>https://blog.youkuaiyun.com/m0_65590944/article/details/141022418</link><guid>https://blog.youkuaiyun.com/m0_65590944/article/details/141022418</guid><author>m0_65590944</author><pubDate>Sun, 11 Aug 2024 08:16:03 +0800</pubDate><description><![CDATA[在本论文中提出了一种高精度的单图像超分辨率方法。作者受到图像分类网络VGGNet的启发，使用了一个非常深的卷积网络应用于超分辨率领域，最终的网络模型达到20层。]]></description><category></category></item><item><title><![CDATA[VDSR论文精读（使用深层卷积网络获得高精度的图像分辨率）]]></title><link>https://blog.youkuaiyun.com/m0_65590944/article/details/141021080</link><guid>https://blog.youkuaiyun.com/m0_65590944/article/details/141021080</guid><author>m0_65590944</author><pubDate>Thu, 08 Aug 2024 11:25:08 +0800</pubDate><description><![CDATA[我们提出了一种高精度的单图像超分辨率(SR)方法。我们的方法使用了一个非常深的卷积网络，灵感来自于用于ImageNet分类[19]的VGG-net。我们发现增加网络深度可以显著提高准确率。我们最终的模型使用了20个权重层。通过在深度网络结构中多次级联小过滤器，可以有效地利用大图像区域上的上下文信息。然而，对于非常深的网络，在训练过程中，收敛速度成为一个关键问题。我们提出了一个简单而有效的训练过程。我们只学习残差，并使用极高的学习率(比SRCNN[6]高倍)，这通过可调的梯度剪裁来实现。我们提出的方法在准确性]]></description><category></category></item><item><title><![CDATA[PyTorch加载数据集]]></title><link>https://blog.youkuaiyun.com/m0_65590944/article/details/140995623</link><guid>https://blog.youkuaiyun.com/m0_65590944/article/details/140995623</guid><author>m0_65590944</author><pubDate>Wed, 07 Aug 2024 17:11:32 +0800</pubDate><description><![CDATA[PyTorch加载数据集主要涉及两个类——Dataset和Dataloader]]></description><category></category></item><item><title><![CDATA[FSRCNN论文读后感]]></title><link>https://blog.youkuaiyun.com/m0_65590944/article/details/140951326</link><guid>https://blog.youkuaiyun.com/m0_65590944/article/details/140951326</guid><author>m0_65590944</author><pubDate>Tue, 06 Aug 2024 11:34:05 +0800</pubDate><description><![CDATA[FSRCNN论文读后感]]></description><category></category></item><item><title><![CDATA[FSRCNN论文精读]]></title><link>https://blog.youkuaiyun.com/m0_65590944/article/details/140825788</link><guid>https://blog.youkuaiyun.com/m0_65590944/article/details/140825788</guid><author>m0_65590944</author><pubDate>Wed, 31 Jul 2024 16:50:34 +0800</pubDate><description><![CDATA[摘要：超分辨率卷积神经网络(SRCNN)[1，2]作为一种成功应用于图像超分辨率(SR)的深度模型，无论在速度还是恢复质量上都优于以往的手工模型。然而，较高的计算代价仍然阻碍了它投入要求实时性能(24fps（帧每秒）)的实际应用。本文，我们的目标是加速当前的SRCNN，并提出了一种紧凑的沙漏形CNN（卷积神经网络）结构，以实现更快、更好的SR。我们主要从三个方面对SRCNN结构进行了重新设计。]]></description><category></category></item><item><title><![CDATA[overlap]]></title><link>https://blog.youkuaiyun.com/m0_65590944/article/details/140737835</link><guid>https://blog.youkuaiyun.com/m0_65590944/article/details/140737835</guid><author>m0_65590944</author><pubDate>Tue, 30 Jul 2024 08:32:01 +0800</pubDate><description><![CDATA[在深度学习中，overlap通常指的是卷积神经网络（Convolutional Neural Network, CNN）中的卷积操作中滑动窗口的重叠部分。]]></description><category></category></item><item><title><![CDATA[torch.optim.SGD优化器]]></title><link>https://blog.youkuaiyun.com/m0_65590944/article/details/140737866</link><guid>https://blog.youkuaiyun.com/m0_65590944/article/details/140737866</guid><author>m0_65590944</author><pubDate>Mon, 29 Jul 2024 17:18:25 +0800</pubDate><description><![CDATA[在PyTorch中，torch.optim.SGD是一个非常流行的优化器，它实现了随机梯度下降算法。SGD优化器被广泛用于深度学习模型的训练过程，用于更新网络中的权重和偏置。]]></description><category></category></item><item><title><![CDATA[DataLoader]]></title><link>https://blog.youkuaiyun.com/m0_65590944/article/details/140737810</link><guid>https://blog.youkuaiyun.com/m0_65590944/article/details/140737810</guid><author>m0_65590944</author><pubDate>Sun, 28 Jul 2024 15:02:22 +0800</pubDate><description><![CDATA[在深度学习和机器学习领域，DataLoader 是一个非常关键的组件，尤其是在使用 PyTorch 等框架时。DataLoader 负责在训练模型时批量加载数据，并提供多种配置选项来优化加载过程。]]></description><category></category></item><item><title><![CDATA[动量参数（Momentum Parameter）]]></title><link>https://blog.youkuaiyun.com/m0_65590944/article/details/140737672</link><guid>https://blog.youkuaiyun.com/m0_65590944/article/details/140737672</guid><author>m0_65590944</author><pubDate>Sun, 28 Jul 2024 09:40:57 +0800</pubDate><description><![CDATA[动量参数（Momentum Parameter）在机器学习中指的是一种用于加速梯度下降算法的技术，特别是深度学习中优化神经网络权重时。简单来说，动量参数是一种帮助优化过程加速并减少震荡的技术。]]></description><category></category></item><item><title><![CDATA[SRCNN论文总结]]></title><link>https://blog.youkuaiyun.com/m0_65590944/article/details/140737520</link><guid>https://blog.youkuaiyun.com/m0_65590944/article/details/140737520</guid><author>m0_65590944</author><pubDate>Sat, 27 Jul 2024 16:34:12 +0800</pubDate><description><![CDATA[SRCNN论文总结]]></description><category></category></item><item><title><![CDATA[SRCNN论文精读]]></title><link>https://blog.youkuaiyun.com/m0_65590944/article/details/140705270</link><guid>https://blog.youkuaiyun.com/m0_65590944/article/details/140705270</guid><author>m0_65590944</author><pubDate>Fri, 26 Jul 2024 09:00:22 +0800</pubDate><description><![CDATA[摘要：我们提出了一种单幅图像超分辨率(SR)的深度学习方法。我们的方法直接学习低/高分辨率图像之间的端到端映射。该映射表示为以低分辨率图像为输入，高分辨率图像为输出的深层卷积神经网络(CNN)[15]。我们进一步表明，传统的基于稀疏编码的SR方法也可以被视为一个深层卷积网络。但与单独处理每个部分的传统方法不同，我们的方法联合优化了所有层。我们的深层CNN具有轻量级的结构，但展示了最先进的恢复质量，并实现了实际在线使用的快速度。]]></description><category></category></item><item><title><![CDATA[python中的OS模块]]></title><link>https://blog.youkuaiyun.com/m0_65590944/article/details/140658446</link><guid>https://blog.youkuaiyun.com/m0_65590944/article/details/140658446</guid><author>m0_65590944</author><pubDate>Thu, 25 Jul 2024 08:22:45 +0800</pubDate><description><![CDATA[OS模块是python内置的与操作系统文件相关的模块，该模块中语句的执行结果通常与操作系统有关，即有些函数的运行效果在Windows操作系统和MacOS系统中不一样。]]></description><category></category></item><item><title><![CDATA[编写一个程序，推算日期]]></title><link>https://blog.youkuaiyun.com/m0_65590944/article/details/140654461</link><guid>https://blog.youkuaiyun.com/m0_65590944/article/details/140654461</guid><author>m0_65590944</author><pubDate>Wed, 24 Jul 2024 14:52:11 +0800</pubDate><description><![CDATA[编写一个程序，输入开始日期和间隔天数，可以推算出结束日期，使用内置的datetime模块。]]></description><category></category></item><item><title><![CDATA[模拟高铁售票系统]]></title><link>https://blog.youkuaiyun.com/m0_65590944/article/details/140652880</link><guid>https://blog.youkuaiyun.com/m0_65590944/article/details/140652880</guid><author>m0_65590944</author><pubDate>Wed, 24 Jul 2024 09:24:47 +0800</pubDate><description><![CDATA[使用第三方模块prettytable模拟高铁售票系统]]></description><category></category></item><item><title><![CDATA[python中第三方模块---openpyxl]]></title><link>https://blog.youkuaiyun.com/m0_65590944/article/details/140625214</link><guid>https://blog.youkuaiyun.com/m0_65590944/article/details/140625214</guid><author>m0_65590944</author><pubDate>Tue, 23 Jul 2024 10:01:38 +0800</pubDate><description><![CDATA[python中第三方模块---openpyxl。openpyxl模块是用于处理Microsoft Excel文件的第三方库
可以对Excel文件中的数据进行写入和读取。
求助：从这个运行结果可以看出，虽然结果运行出来了，但是程序出现了大片红色报错字样，我想知道是为什么？同样，上述将爬取的景区天气预报数据存储到excel表中的代码也出现了大片红色报错字样。运行结果并没有错，程序为什么会报红呢？]]></description><category></category></item><item><title><![CDATA[python中常用的第三方模块——requests]]></title><link>https://blog.youkuaiyun.com/m0_65590944/article/details/140600154</link><guid>https://blog.youkuaiyun.com/m0_65590944/article/details/140600154</guid><author>m0_65590944</author><pubDate>Tue, 23 Jul 2024 08:14:42 +0800</pubDate><description><![CDATA[python中常用的第三方模块——requests和简单的爬虫实例]]></description><category></category></item><item><title><![CDATA[python中datetime模块]]></title><link>https://blog.youkuaiyun.com/m0_65590944/article/details/140590537</link><guid>https://blog.youkuaiyun.com/m0_65590944/article/details/140590537</guid><author>m0_65590944</author><pubDate>Mon, 22 Jul 2024 10:58:55 +0800</pubDate><description><![CDATA[python中datetime模块，详细介绍datetime类和timedelta类的使用]]></description><category></category></item><item><title><![CDATA[python中的time模块]]></title><link>https://blog.youkuaiyun.com/m0_65590944/article/details/140585595</link><guid>https://blog.youkuaiyun.com/m0_65590944/article/details/140585595</guid><author>m0_65590944</author><pubDate>Mon, 22 Jul 2024 08:12:42 +0800</pubDate><description><![CDATA[python中的time模块]]></description><category></category></item><item><title><![CDATA[python中random模块的使用]]></title><link>https://blog.youkuaiyun.com/m0_65590944/article/details/140584498</link><guid>https://blog.youkuaiyun.com/m0_65590944/article/details/140584498</guid><author>m0_65590944</author><pubDate>Sun, 21 Jul 2024 10:53:45 +0800</pubDate><description><![CDATA[python中random模块的使用，详细介绍随机数种子的用法。]]></description><category></category></item></channel></rss>