- 博客(16)
- 收藏
- 关注
RSS订阅原创 代码随想录算法第二天 | 977.有序数组的平方 ，209.长度最小的子数组 ，59.螺旋矩阵II
本题关键在于理解滑动窗口，这个滑动窗口看文字讲解 还挺难理解的，建议大家先看视频讲解。拓展题目可以先不做。： 本题关键还是在转圈的逻辑，在二分搜索中提到的区间定义，在这里又用上了。： 本题关键在于理解双指针思想。977.有序数组的平方。209.长度最小的子数组。
2022-10-14 01:35:04
167
原创 代码随想录算法第一天 | 数组理论基础，704. 二分查找，27. 移除元素
704. 二分查找本题比较基础，难在区间定义不清楚，在while中有两种写法1、left
2022-10-12 22:48:32
361
原创 ART-SS: An Adaptive Rejection Technique forSemi-Supervised restoration for adverseweather-affected
由于合成图像与真实世界图像之间的域差距，使用合成生成的天气退化图像往往导致真实天气退化图像的性能不理想。为了解决这一问题，人们提出了各种半监督恢复(SSR)方法来去雨或去雾，以学习使用综合生成的数据集来恢复干净的图像，同时使用未标记的真实图像进行更好的推广。......
2022-08-03 21:01:32
152
转载 Sizeof()计算结构体的大小
简要说明：结构体成员按照定义时的顺序依次存储在连续的内存空间，但是结构体的大小并不是简单的把所有成员大小相加，而是遵循一定的规则，需要考虑到系统在存储结构体变量时的地址对齐问题。一、没有成员的结构体占用的空间是多少个字节？ 答案是：1个字节。 这就是实例化的原因（空类同样可以被实例化），每个实例在内存中都有一个独一无二的地址，为了达到这个目的，编译器往往会给一个空类或空结构体（C++中结构体也可看为类）隐含的加一个字节，这样空类或空结构体在实例化后在内存得到了独一无二的地...
2022-03-06 18:41:24
599
原创 2021-10-28
PyTorch提供了几种常见的参数初始化方式的实现Xavier Initialization: 基本思想是维持输入和输出的方差一致，避免了所有的输出值都为0， 使用于任何激活函数Xavier 均匀分布:torch.nn.init.xavier_uniform_(tensor, gain = 1),服从均匀分布U(-a, a)， # 分布参数a=gain * sqrt(6 / (fan_in + fan_out)),gain的大小由激活函数的类型来决定。 # 其中fan_in是指第i层神
2021-10-28 19:51:58
176
原创 2021-10-26
远程服务器（Ubuntu）的PyTorch虚拟环境配置一、PyTorch虚拟环境配置该部分操作均在终端（terminal）命令行中执行，在桌面右击鼠标新建terminal即可。若系统已经安装Anaconda，则可以跳过第一步（检验方法：命令行执行conda list，有返回结果则表示已经安装了Anaconda）。安装Anaconda。进入到安装包所在文件夹，执行：bash Anconda3-x.x.x-Linux-x86_64.sh创建虚拟环境。conda create -n <you
2021-10-26 13:23:34
95
原创 2021-10-25
pytorch中的两种转置函数的区别transpose()permute()transpose()torch.transpose(input, dim0, dim1, out=None) → Tensor函数返回输入矩阵input的转置。交换维度dim0和dim1参数:input (Tensor) – 输入张量，必填dim0 (int) – 转置的第一维，默认0，可选dim1 (int) – 转置的第二维，默认1，可选两个相关的交换的位置参数。permute()参数：dims
2021-10-25 12:40:51
386
原创 2021-07-08
查看 CUDA 版本：nvcc -V 报错：bash: nvcc: 未找到命令如果在没有做任何操作的情况下，在终端上输入 nvcc -V ，会显示下面的内容：[root@localhost ~]$ nvcc -Vbash: nvcc: 未找到命令...此时切换到 ~ 目录下： cd ~ ；然后打开 .bashrc 文件：vim .bashrc ；在文件的末尾直接添加下面三行代码：export PATH=/usr/local/cuda/bin:$PATHexport LD_LIBRARY
2021-07-08 15:57:36
87
转载 2021-06-27
批量修改图片命名：亲测好用import osimport reimport syspath = r"C:\Users\MSI\Desktop\xxxdata\xxx"def rename(path): fileList = os.listdir(path) # 待修改文件夹 print("修改前：" + str(fileList)) # 输出文件夹中包含的文件 currentpath = os.getcwd() # 得到进程当前工作目
2021-06-27 15:47:30
96
原创 用python库实现图像切片
图像切片代码from PIL import Imageimport numpy as npimport osimport tqdmfrom numpy.lib.type_check import imagdirpath = '../training3/'paths = os.listdir(dirpath)for path in paths: srcimage = Image.open(dirpath + path) srcimage = np.array(srcima
2021-06-13 15:30:59
1136
2
原创 visdom配置安装
问题描述：用pytorch的visdom在服务器上跑程序，并把图片显示出来，但是服务器上打不开网页，如何处理呢？1.开启visdom所在conda虚拟环境，输入python -m visdom.server开启visdom服务器2.打开本地电脑cmd，输入ssh -L 8097:127.0.0.1:8097 username@xxx.xxx.xxx.xxx（username和xx.xx.xx.xx分别是你服务器的用户名和IP地址）3.当运行上述cmd命令并出现对应信息，表示连接成功，在浏
2021-06-11 10:20:05
468
原创 为什么会出现混合高斯
为何会出现混合高斯我们将向介绍相关基础知识。一.正态分布(高斯分布) 我们先通过通俗的语言来解释一下数据服从正态分布，例一：如小明的学校（中学）要对学生们（130人）的身高进行调查，这时肯定需要分男生身高和女生身高。我们先以男生身高为例（分布图大致如下）： 其中正态分布有两个参数μ和σ^2,μ表示样本均值与样本的均方差（其用来表示样本的波动性），我们上面的身样例中数据的均值就是μ，从图中我们通过概率可看出，身高在在172.3的学生人数在70人左右，（在这为了让基础遗忘的的读者能够更清楚的明白
2020-10-18 00:20:26
362
2
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