据说大佬都喜欢黑色！

理解深度学习中的学习率及多种选择策略

谷歌提出新分类损失函数：将噪声对训练结果影响降到最低训练数据集里的标签通常不会都是正确的，比如图像分类，如果有人错误地把猫标记成狗，将会对训练结果造成不良的影响。如何在不改变训练样本的情况下，尽可能降低这类噪声数据对机器学习模型的影响呢？最近，谷歌提出了一个新的损失函数，解决了机器学习算法受噪声困扰的一大问题。逻辑损失函数的问题机器学习模型处理带噪声训练数据的能力，在很大程度上取决于训练...

看了很多原因，下面的方法解决了我的问题由于keras版本不同，"normalize_data_format"位置有变化，下面的两句都可以试试，不一定哪句是正确的位置~把对应导入的那句换成下面两句中的其中一句：from keras.utils.conv_utils import normalize_data_formatfrom keras.backend.common import no...

UnicodeDecodeError: ‘gbk’ codec can’t decode byte 0xad in position 1160: illegal multibyte sequence大概意思是：UnicodeDecodeError：'gbk’编解码器无法解码1160位的字节0xad：非法多字节序列据说是因为python3 区分了 unicode str 和 byte arrar...

由于我没有系统的学习过是直接看代码的，所以这些基础的概念理解的很模糊，查了之后参考下面大佬的概念，但是因为我是学习pytorch的，所以又查了pytorch中张量的概念和运用。python学习笔记一文读懂PyTorch张量基础（附代码）...

之前一直使用命令conda install torchvision来安装torchvision，也查了很多方法，但是总是显示找不到包，用了下面的方法就安装成功了，运行的时候也不会出现下面的错误了：Anaconda:conda install torchvision -c soumithpip:pip install torchvision...

原论文下载地址：论文原代码下载地址：官方pytorch代码比较完整的论文理解：ResNet论文笔记及代码剖析这里我只讲他的核心理念，残差块，也是我理解了很久的地方，请原谅我描述的如此口语化，希望能帮助大家理解，如果有理解的不对的地方，欢迎指正ImageNet的一个更深层次的残差函数F。左图：一个积木块(56×56个特征图)，如图3所示，用于ResNet-34。右图：ResNet-50/1...

一：比较容易理解的比喻原文：敏感性和特异性以糖尿病人的筛查为例。第一个钟形代表正常人，第二个钟形代表糖尿病人。理想中，如果正常人和糖尿病人的血糖范围完全没有重合就好了。这样我就把标准定在中间那个最低点。低于此点的，就是正常人；高于此点的，就是糖尿病人。多好！可惜，现实中，是这样的：由于人人都是任性的小公举，所以正常人的血糖范围和糖尿病人的血糖范围有一部分是重叠的。那么应该把标准画在哪里比较好呢...

运行网络的时候出现了这个错误，虽然之前已经解决过了，还是出现的问题下面是原来的代码：别人说在load这个checkpoint之前要加上net = torch.nn.DataParallel(net, device_ids=range(torch.cuda.device_count()))cudnn.benchmark = Trueif resume: # Load checkp...

在PyCharm2019中同目录下import其他模块，会出现No model named …的报错这是因为PyCharm不会将当前文件目录自动加入source_path。在当前目录右键make_directory as–>Sources Root然后我的问题就解决了...

详解

看了很多，感觉这一篇讲的非常容易理解PyTorch中permute的用法

遇到一个错误：RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is False. If you are running on a CPU-only machine, please use torch.load with map_location=‘cpu’ ...

如何检查pytorch是否正在使用GPU？

线性代数在很多领域都有应用计算机科学物理电力工程机械工程统计……学过线性代数的学生可能都会做以下计算，但他们却不知道为什么要这样计算，它们分别代表的含义是什么？学生们对于线性代数中的几何意义的理解是非常模糊的matrix multiplication - 矩阵乘法the Determinant - 行列式cross products - 交叉乘积eigenvalues - 特...

复制起来有点麻烦，附上链接地址线性组合（linear combinations）, 生成空间（span）, 基向量（basis vectors）——线性代数本质（二）

附上链接地址线性变换及其与矩阵的关系——线性代数的本质（三）

搞学术的都应该对谷歌学术情有独钟，但谷歌在国内许多地方是访问不到的（虽然笔者在校园内可以浏览谷歌网站，但离开校园后想找些免费的论文也是很无奈），于是笔者寻找了许许多多方法，搜集了很多网站，期望谷歌访问不了是可以找到替代或者与谷歌学术相媲美的网站，现汇总如下分享给大家，希望对搞研究的有所帮助。一、国外学术网站（可以找到众多免费资源）能访问到谷歌网址的，自然数“谷歌学术”了，网址为https:...

看到一个大神的分享。顺手黏贴过来作者：景略集智链接：https://www.zhihu.com/question/21277368/answer/277626779来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。...

【导读】最近小编推出CVPR2019图卷积网络相关论文、CVPR2019生成对抗网络相关视觉论文、【可解释性】相关论文和代码，CVPR视觉目标跟踪相关论文，CVPR视觉问答相关论文，反响热烈。最近，医学图像分割这一新分割应用领域也广泛受关注，出现了好多新方法、新数据集，今天小编专门整理最新七篇医学图像分割相关应用论文—对抗攻击、跨模态域自适应、迁移学习、one-shot、GAN等。1、Non-...

在Anaconda prompt中1.这个命令列出了我创建的虚拟环境（因为当时不知道，搞了一堆乱七八糟的，打算全部删掉，因为一般只要在一个虚拟环境里进行操作）运行之后输入y，同意继续2.这个命令是让我创建了一个新的虚拟环境eleven,然后进入python的解释器3.退出python解析器4.这个时候你就可以在这个虚拟环境里面导入包了，如果你想要在一个虚拟环境里跑代码，就要把这个...

Ini 文件操作中有一个优势是它能够直接被Python分区，并且update. 否则如果是普通的txt文件，我们会需要read line by line. 但是在ini 的操作中我们只需要阅读分区，然后再update分区就好。例如下面的这个ini文件:[Mandatory]file = C:\Users\xhan\Desktop\a.file[Scenarios]enabled = ...

懒得复制了，只取了我遇到的情况01. 省略号也是对象… 这是省略号，在Python中，一切皆对象。它也不例外。在 Python 中，它叫做 Ellipsis 。在 Python 3 中你可以直接写…来得到这玩意。>>> ...Ellipsis>>> type(...)<class 'ellipsis'>而在 2 中没有…这个语法，...

建立一个4×2的矩阵c, c.shape[1] 为第一维的长度，c.shape[0] 为第二维的长度。但是用维度来解释总是觉得很绕，尤其是在我看到shape[3]的时候所以，我索性这么理解，在pytorch中的图片一般是以(Batch_size,通道数，图片高度，图片宽度)或者(Batch_size,通道数，图片宽度，图片高度)，那么shape[0]可以理解为Batch_size,shape[...

由于本人最近在研究血液血管仿真类的论文，发现每看一篇论文就会看到矩阵的影子，实在不理解，矩阵为什么可以将各种向量组合在一起就形成了一些神奇的东西，比如为什么组合公式，（1）至（5），整个血管结构的血流可通过以下矩阵形式方程求解：其中Q表示包含每个圆柱形容器内流量的矢量，P表示分离血管模型中每个节点的压力值向量，Psource(t)是从(5)推导出来的。事实上，我并不是特例。一般工科学生初学线...