代码哥19950715的博客

联邦学习作为一种多设备协同训练的边缘智能算法，可以保护数据隐私，但增加了无线设备的计算负担。为了解决上述问题，我们提出了一种无线网络的混合联邦分裂学习框架，该框架结合了FL多clients协同训练和SL的灵活分割。为了减少模型分裂中的计算的空闲时间，我们设计了一种不共享标签的模型分裂并行计算方案，并从收敛性上对时延梯度的影响进行理论分析。为了平衡训练时延和能耗，我们通过联合优化分割点决策带宽和计算资源分配以最小化训练时延和能耗(多目标优化：时延、能耗)。然后，我们提出了一种。

论文阅读：基于DRL的计算卸载方法的会议论文研读

opencv GUI模块：图像，视频的展示，绘图，画矩形框

目录1、导入python第三方库2、定义路径参数3、遍历文件夹及视频3.1遍历视频3.2遍历文件夹4、完整代码1、导入python第三方库 代码使用的是anaconda编写import osimport numpy as npimport cv22、定义路径参数定义自己的视频路径和需要保存的视频帧路径# 定义源视频根路径路径video_root_Path = "F:/dataSet/meng_data/origin_video"#...

1、数据类别数：将不同类别的图片放入不同的文件夹下：2、生成标签列表import warningswarnings.filterwarnings('ignore')import imghdr # 判断图片格式用的import random# import seaborn as snsfrom time import timeimport paddle.fluid as fluidimport paddleimport numpy as npfrom PIL import

目录1、卷积层和池化层实现1.1、4维数组1.2、基于im2col的展开1.3、卷积层的实现1.4、池化层的是实现2、CNN实现​2.1、目录结构如下：2.2、结果如下：2.3、代码实现：2.3.1simple_convnet.py2.3.2train_convnet3、CNN可视化3.1、第一层权重的可视化3.2、基于分层结构的信息4、...

目录1、架构2、卷积层2.1、优点2.1.1、全连接存在的问题：2.1.2、卷积的优点：2.2、卷积运算2.3、填充2.4、步幅2.5、三维卷积运算2.6、结合方块思考2.7、批处理3、池化层3.1、计算方式3.2、特征该文章是对《深度学习入门 基于Python的理论与实现》的总结，作者是[日]斋藤康毅本片文章将讲述卷积神经网络（Co...

目录1、验证数据2、超参数的最优化2.1优化步骤3、实现3.1案例3.2代码及结果3.2.1结果3.2.2代码实现该文章是对《深度学习入门 基于Python的理论与实现》的总结，作者是[日]斋藤康毅神经网络中，除了权重和偏置等参数，超参数（hyper-parameter）也经常出现。这里所说的超参数是指，比如各层的神经元数量、batch大小、参数更新时的学习...

目录1、过拟合2、权值衰减3、Dropout3.1案例3.1.1案例结果3.1.2代码实现如下：1、trainer.py2、multi_layer_net_extend.py3、overfit_dropout.py该文章是对《深度学习入门 基于Python的理论与实现》的总结，作者是[日]斋藤康毅机器学习的问题中，过拟合是一个很常见的问题。过拟合指的是只...

目录1、Batch Normalization算法2、评估2.1、common/multi_layer_net_extend.py2.2、batch_norm_test.py3 结果该文章是对《深度学习入门 基于Python的理论与实现》的总结，作者是[日]斋藤康毅在上一篇博文中，我们观察了各层的激活值分布，并从中了解到如果设定了合适的权重初始值，则各层的激活值分布会有...

目录1、简述2、sigmiod权重初始值3、relu权重初始值4、案例：不同初始值比较4.1common文件夹4.2ch06文件夹4.2.1weight_init_compare.py4.3结果该文章是对《深度学习入门 基于Python的理论与实现》的总结，作者是[日]斋藤康毅该文将介绍权重的初始值的相关问题。1、简述在神经网络的学习中，权重的初始值...

目录参数的更新1SGD(随机梯度下降法)方法1.1SGD缺点2Momentum方法3AdaGrad方法4Adam方法5案例5.1 common文件夹5.1.1、common/functions.py5.1.2、common/gradient.py5.1.3、common/layers.py5.1.4、common/util.py5.1.5、...

目录1计算图1.1计算图求解1.2局部计算2链式法则2.1定义2.2计算图的反向传播2.3链式法则与计算图3反向传播3.1加法节点反向传播3.2乘法节点反向传播4简单层的实现4.1乘法层的实现4.2加法层的实现5激活函数模块化5.1Relu层5.2Sigmoid层5.3Affine层5.3.1Affine层5.3.2批版本...

目录1相关术语2损失函数2.1定义2.2均方误差2.3交叉熵误差2.4批处理数据2.5为何需要损失函数3数值微分3.1导数3.2偏导数4梯度5案例实现5.1dataset5.2common5.2.1functions.py:5.2.2gradient.py：5.3ch045.3.1two_layer_net.py5.3.2...

目录1神经网络初解2激活函数及实现2.1初识激活函数2.1激活函数类型及实现2.1.1阶跃函数及实现2.1.2sigmoid函数及实现2.1.3Relu函数及实现2.1.4恒等函数和softmax函数及实现3手写数字识别3.1mnist数据集3.1.1下载数据集3.1.2读取数据集3.2神经网络推理处理3.2.1ch03/neuralnet_...

目录1什么是感知机2简单逻辑电路及实现2.1与门2.2或门2.3与非门2.4异或门3总结该文章是对《深度学习入门 基于Python的理论与实现》的总结，作者是[日]斋藤康毅1什么是感知机感知机是由美国学者Frank Rosenblatt在1957年提出来的，感知机也是作为神经网络（深度学习）的起源的算法。因此，学习感知机的构造也就是学习通向神经网络和深度学...