<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[newsymme的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/newsymme</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; newsymme]]></copyright><item><title><![CDATA[BLDC-1 直流无刷电机及其工作原理]]></title><link>https://blog.youkuaiyun.com/newsymme/article/details/144661292</link><guid>https://blog.youkuaiyun.com/newsymme/article/details/144661292</guid><author>newsymme</author><pubDate>Mon, 23 Dec 2024 21:47:16 +0800</pubDate><description><![CDATA[直流有刷电机：BDCM。]]></description><category></category></item><item><title><![CDATA[Abaqus---Springs]]></title><link>https://blog.youkuaiyun.com/newsymme/article/details/137705508</link><guid>https://blog.youkuaiyun.com/newsymme/article/details/137705508</guid><author>newsymme</author><pubDate>Sat, 13 Apr 2024 12:00:18 +0800</pubDate><description><![CDATA[相对位移定义有赖于单元类型:SPRING1单元:其相对位移是弹簧节点的第i个位移分量:;这里i为下标索引,可以在局部坐标系中定义;SPRING2单元:其相对位移是弹簧第一个节点的第i个位移分量与弹簧第二节点的第j个位移分量的差值:;这里i,j为下标索引,可以在局部坐标系中定义;根据以上的相对位移公式理解SPRING2单元的行为是非常重要的,因为单元可产生违反直觉的结果;比如,以下SPRING2单元的设置将会产生一个压缩弹簧:如果节点位移且。]]></description><category></category></item><item><title><![CDATA[计算机视觉基础知识(一)--数学基础]]></title><link>https://blog.youkuaiyun.com/newsymme/article/details/136443040</link><guid>https://blog.youkuaiyun.com/newsymme/article/details/136443040</guid><author>newsymme</author><pubDate>Mon, 04 Mar 2024 10:28:07 +0800</pubDate><description><![CDATA[向量



线性变换



矩阵

充满数字的表格


矩阵加减法

要满足两个矩阵的行数与列数一致;
	加法交换律:A+B=B+A


矩阵乘法

要满足A的列数等于B的行数;


单位矩阵

是一个nxn矩阵;
	从左到右对角线上的元素值为1;
	其余元素为0;
	A为nxn矩阵,I为单位矩阵,;
	单位矩阵在乘法中的作用相当于数字1;




逆矩阵

矩阵A的逆矩阵记做;
	;
	I是单位矩阵


奇异矩阵

没有逆矩阵的矩阵称为奇异矩阵;
	当且仅当矩阵的行列式为零时,该矩阵奇异;


当a]]></description><category></category></item><item><title><![CDATA[计算机视觉基础知识(二)---数字图像]]></title><link>https://blog.youkuaiyun.com/newsymme/article/details/136427138</link><guid>https://blog.youkuaiyun.com/newsymme/article/details/136427138</guid><author>newsymme</author><pubDate>Sun, 03 Mar 2024 22:46:33 +0800</pubDate><description><![CDATA[【代码】计算机视觉基础知识(二)---数字图像。]]></description><category></category></item><item><title><![CDATA[计算机视觉基础知识(十六)--图像识别]]></title><link>https://blog.youkuaiyun.com/newsymme/article/details/136325149</link><guid>https://blog.youkuaiyun.com/newsymme/article/details/136325149</guid><author>newsymme</author><pubDate>Sat, 02 Mar 2024 22:05:08 +0800</pubDate><description><![CDATA[图像识别

信息时代的一门重要技术;
	目的是让计算机代替人类处理大量的物理信息;
	随着计算机技术的发展,人类对图像识别技术的认识越来越深刻;
	图像识别技术利用计算机对图像进行处理\分析\理解,识别不同模式的目标和对象;
	过程分为信息的获取\预处理\特征抽取和选择\分类器设计\分类决策;
模式识别

是人工智能和信息科学的重要组成部分;
	指对表示事物或现象的不同形式的信息做分析和处理,得到对事物或现象描述\辨认和分类的过程;
	计算机图像识别技术是模拟人类的图像识别过程;
	在图像识别的过程中进行模]]></description><category></category></item><item><title><![CDATA[PyTorch概述（八）---ADAM]]></title><link>https://blog.youkuaiyun.com/newsymme/article/details/136318090</link><guid>https://blog.youkuaiyun.com/newsymme/article/details/136318090</guid><author>newsymme</author><pubDate>Tue, 27 Feb 2024 13:29:04 +0800</pubDate><description><![CDATA[【代码】PyTorch概述（八）---ADAM。]]></description><category></category></item><item><title><![CDATA[PyTorch概述（七）---Optim]]></title><link>https://blog.youkuaiyun.com/newsymme/article/details/136280352</link><guid>https://blog.youkuaiyun.com/newsymme/article/details/136280352</guid><author>newsymme</author><pubDate>Tue, 27 Feb 2024 11:03:42 +0800</pubDate><description><![CDATA[接收一个在优化过程中被期望顺序调用的调度器列表和提供具体的间隔以反映在一个给定的代数哪一个调度器被猜测调用的里程碑点.通过线性改变小的乘法系数衰减每个参数组的学习率,直到训练的代数达到了预定义的里程碑:total_iters;用一个小的常值系数衰减每个参数组的学习率直到训练的代数达到了预定义的里程碑total_iters;在给定的total_iters内,使用多项式函数衰减每一个参数组的学习率;设置每一个参数组的学习率为初始学习率乘以一个给定函数.根据周期学习率政策(CLR)设置每一个参数组的学习率;]]></description><category></category></item><item><title><![CDATA[计算机视觉基础知识(十五)--卷积神经网络]]></title><link>https://blog.youkuaiyun.com/newsymme/article/details/136223767</link><guid>https://blog.youkuaiyun.com/newsymme/article/details/136223767</guid><author>newsymme</author><pubDate>Sun, 25 Feb 2024 10:44:53 +0800</pubDate><description><![CDATA[自我增强；削弱别人；]]></description><category></category></item><item><title><![CDATA[PyTorch概述（六）---View]]></title><link>https://blog.youkuaiyun.com/newsymme/article/details/136268525</link><guid>https://blog.youkuaiyun.com/newsymme/article/details/136268525</guid><author>newsymme</author><pubDate>Sat, 24 Feb 2024 11:18:06 +0800</pubDate><description><![CDATA[【代码】PyTorch概述（六）---View。]]></description><category></category></item><item><title><![CDATA[PyTorch概述（五）---LINEAR]]></title><link>https://blog.youkuaiyun.com/newsymme/article/details/136267612</link><guid>https://blog.youkuaiyun.com/newsymme/article/details/136267612</guid><author>newsymme</author><pubDate>Sat, 24 Feb 2024 10:14:15 +0800</pubDate><description><![CDATA[【代码】PyTorch概述（五）---LINEAR。]]></description><category></category></item><item><title><![CDATA[PyTorch概述（四）---DataLoader]]></title><link>https://blog.youkuaiyun.com/newsymme/article/details/136256662</link><guid>https://blog.youkuaiyun.com/newsymme/article/details/136256662</guid><author>newsymme</author><pubDate>Sat, 24 Feb 2024 08:44:55 +0800</pubDate><description><![CDATA[windows或者MacOS上，spawn()是默认的multiprocessing启动方法；UNix上，fork() 是默认的multiprocessing启动方法；]]></description><category></category></item><item><title><![CDATA[PyTorch概述（三）---Datasets]]></title><link>https://blog.youkuaiyun.com/newsymme/article/details/136255280</link><guid>https://blog.youkuaiyun.com/newsymme/article/details/136255280</guid><author>newsymme</author><pubDate>Fri, 23 Feb 2024 14:46:01 +0800</pubDate><description><![CDATA[【代码】PyTorch概述（三）---Datasets。]]></description><category></category></item><item><title><![CDATA[PyTorch概述（二）---MNIST]]></title><link>https://blog.youkuaiyun.com/newsymme/article/details/136251545</link><guid>https://blog.youkuaiyun.com/newsymme/article/details/136251545</guid><author>newsymme</author><pubDate>Fri, 23 Feb 2024 14:09:48 +0800</pubDate><description><![CDATA[【代码】PyTorch概述（二）---MNIST。]]></description><category></category></item><item><title><![CDATA[PyTorch概述（一）---图像变换和增强]]></title><link>https://blog.youkuaiyun.com/newsymme/article/details/136244738</link><guid>https://blog.youkuaiyun.com/newsymme/article/details/136244738</guid><author>newsymme</author><pubDate>Fri, 23 Feb 2024 11:04:38 +0800</pubDate><description><![CDATA[这些是低级别的函数实现核心的功能用于特定的类型，比如：resize_bounding_boxes和resized_crop_mask;torchvision.transforms.v2.functional命名空间也包含称为kernel的对象；]]></description><category></category></item><item><title><![CDATA[计算机视觉基础知识(十四)--深度学习开源框架]]></title><link>https://blog.youkuaiyun.com/newsymme/article/details/136179884</link><guid>https://blog.youkuaiyun.com/newsymme/article/details/136179884</guid><author>newsymme</author><pubDate>Wed, 21 Feb 2024 20:18:07 +0800</pubDate><description><![CDATA[是一个编程系统；使用图来表示计算任务；图中节点表示operation，称为op；一个op获取0个或多个Tensor，计算产生0个或多个Tensor；一个Tensor是一个类型化的多维数组；比如一个小的图像集可以表示为一个思维浮点数组；四个维度分别为：【batch，height，width，channels】；TensorFlow按图计算，图必须在会话里被启动；会话将图的op分发到CPU或GPU设备上，同时提供执行op的方法；方法执行后将产生的Tensor返回；]]></description><category></category></item><item><title><![CDATA[计算机视觉基础知识(十三)--推理和训练]]></title><link>https://blog.youkuaiyun.com/newsymme/article/details/136142303</link><guid>https://blog.youkuaiyun.com/newsymme/article/details/136142303</guid><author>newsymme</author><pubDate>Mon, 19 Feb 2024 16:32:59 +0800</pubDate><description><![CDATA[Keras由纯Python编写；基于theano/tensorfolw的深度学习框架；是一个高层神经网络API；支持快速实验，将idea迅速转化为结果；]]></description><category></category></item><item><title><![CDATA[计算机视觉基础知识(十二)--神经网络与深度学习]]></title><link>https://blog.youkuaiyun.com/newsymme/article/details/136123885</link><guid>https://blog.youkuaiyun.com/newsymme/article/details/136123885</guid><author>newsymme</author><pubDate>Sat, 17 Feb 2024 21:19:43 +0800</pubDate><description><![CDATA[人是怎么思考的?--生物神经网络由相互联系的神经元组成;神经元具有权重;根据训练期间的错误更新偏差;找到一个未知函数的近似解;]]></description><category></category></item><item><title><![CDATA[计算机视觉基础知识(十一)--OpenCV算法解析]]></title><link>https://blog.youkuaiyun.com/newsymme/article/details/135932842</link><guid>https://blog.youkuaiyun.com/newsymme/article/details/135932842</guid><author>newsymme</author><pubDate>Tue, 30 Jan 2024 19:59:52 +0800</pubDate><description><![CDATA[举例说明:某产品的利润在售价为2元\5元\10元时分别为4元\10元\20元;商品的利润与售价的关系符合直线:y=2x;上述关系中,"2"称为回归系数,即斜率;回归系数表示商品的售价x变动一个单位时,利润y与之对应的变动关系;线性回归表示离散点总体上"最逼近"哪条直线;;这是一个无约束最优化的问题;分别对k和b求偏导,令偏导数为0,可得极值点;;散列函数或散列算法又称哈希函数:Hash Function;一种从任何一种数据中创建小的数字"指纹"的方法;]]></description><category></category></item><item><title><![CDATA[计算机视觉基础知识（十）--尺度不变特征变换（SIFT）]]></title><link>https://blog.youkuaiyun.com/newsymme/article/details/135831257</link><guid>https://blog.youkuaiyun.com/newsymme/article/details/135831257</guid><author>newsymme</author><pubDate>Tue, 30 Jan 2024 14:32:02 +0800</pubDate><description><![CDATA[图像金字塔--对一个原始图片不断地进行分辨率的减少，然后将得到的图片摞在一起，组成一个四棱锥，这个椎体称为图像金字塔；尺度空间--描述一个图片需要获得多少不同分辨率的图片；试图在图像领域中模拟人眼观察物体的概念和方法；对不同尺寸的物体，分别观察细节和整体的能力；最高级别分辨率的图像放在最底部；网上是一系列分辨率逐次降低的图片。对原始图像进行多尺度像素采样；最顶部是只含一个像素的图片；以多分辨率来解释图像的结构。生成N个不同分辨率的图像；这是传统意义上的金字塔。]]></description><category></category></item><item><title><![CDATA[计算机视觉基础知识（九）--图像聚类算法]]></title><link>https://blog.youkuaiyun.com/newsymme/article/details/135737351</link><guid>https://blog.youkuaiyun.com/newsymme/article/details/135737351</guid><author>newsymme</author><pubDate>Mon, 22 Jan 2024 14:15:15 +0800</pubDate><description><![CDATA[目的是把数据分开；事先不知到如何去分；完全由算法来判断数据之间的相似性；相似的数据放到一起；在聚类的结论出来之前，完全不知到每一类的特点；对聚类的结果需要由人的经验来分析，各类的特点；聚类的思想是“物以类聚”；分类是通过标签来训练得到一个模型；再对新数据进行预测；分类训练的数据具有标签；绝大多数层次聚类属于凝聚型层次聚类；只在簇间相似性的定义上不同；]]></description><category></category></item></channel></rss>