- 博客(34)
- 收藏
- 关注
原创 ViViT论文阅读
论文:ViViT: A Video Vision Transformer论文地址:ViViT: A Video Vision Transformer
2021-12-10 11:02:38
8440
原创 HRNet论文阅读及部分代码标注
一、训练文件(/tools/train.py)代码及相关注释# ------------------------------------------------------------------------------# Copyright (c) Microsoft# Licensed under the MIT License.# Written by Bin Xiao (Bin.Xiao@microsoft.com)# ----------------------------------
2021-10-21 18:55:59
3363
原创 tsn-pytorch代码解读
一、项目结构tsn-pytorch项目中主要的文件即其作用如下所示下面分为训练部分和测试部分分别进行详细的介绍。二、训练部分训练代码是从main.py进入的,所以我们从main.py开始详解代码。三、测试部分...
2021-08-27 10:03:18
4507
4
原创 TSN论文阅读
一、介绍TSNTSN(Temporal Segment Networks)即时间段网络。论文首先提出目前深层次的卷积神经网络在图像识别方面已经非常成功了,但是在视频识别上的优势并不明显。然后引出TSN这种新的基于分段采样聚合的模块,用于对长范围时间结构建模,这种模型在动作识别方面通过平均池化和多尺度时间窗口融合可以轻松适应已剪辑的与未剪辑的视频。TSN结构在几个动作识别数据集上的表现都不错,在UCF101上的准确率达到了94.9%。二、Why need TSN?传统方式进行视频中动作识别的障碍
2021-08-20 16:31:46
1198
原创 cs231n——浅析三种生成模型
文章目录一、有监督学习和无监督学习有监督学习无监督学习二者对比二、生成模型什么是生成模型?为什么需要生成模型?生成模型的分类三、PixelRNN/CNNPixelRNNPixelCNN总结四、变分自编码器自编码器变分自编码器五、生成对抗网络(GANs)GAN总结总结一、有监督学习和无监督学习有监督学习有监督学习在前面的学习中已经接触了一些,在这种模式下,我们拥有数据data和数据对应的标签label,有监督学习的目的是找到数据x与标签y之间的映射关系,标签的形式也是多样的。常见的有监督学习有以下几种
2021-08-15 23:52:30
2177
2
原创 正则化与参数初始化对神经网络的影响
正则化与参数初始化对神经网络的影响正则化简介L2正则化Dropout正则化参数初始化正则化简介L2正则化Dropout正则化参数初始化
2021-08-10 11:14:16
2320
原创 RNN笔记——吴恩达DeepLearning
1.1 序列模型本节给出了几个序列数据的例子语音识别:给出输入音频片段X,要求输出该片段对应的文字记录Y音乐生成:这个例子只有输出Y为序列,因为输入数据X可以为空,X可以为音乐风格或音乐的前几个音符情感识别:输入数据X为序列,根据输入判断评分或情绪其余不再一一介绍。值得注意的是,这些例子中,并非所有情况下输入X和输出Y均为序列模型,有时只有X或者只有Y是序列,而且X、Y的长度也可能不一致,在上述的几个例子里,只有DNA序列分析和命名实体识别X与Y是长度相等的序列。1.2 数学符号本节将
2021-07-27 17:57:11
1087
原创 Pytorch基础总结
对Pytorch的一些内容做了一定程度的整理,日后方便复习针对上述,对李沐老师pytorch实现回归进行了复现生成数据集import numpy as npimport torchfrom torch.utils import datafrom d2l import torch as d2ltrue_w = torch.tensor([2, -3.4])true_b = 4.2# 随机生成1000个feature和labelfeatures, labels = d2l.synthet
2021-07-13 17:15:39
840
原创 Pytorch自动求导
使用Pytorch自动求导autograd 是Pytorch框架中一个重要的包,它为张量上的所有操作提供自动求导功能。其运算机制稍后给出。首先需要理解的是Pytorch自动求导中的一个重要概念——计算图。
2021-06-05 18:20:13
2535
原创 记录python的几个知识点
globals和locals函数globals和locals是python内置的两个函数,它们提供了基于字典的访问局部和全局变量的方法。在理解这两个函数时,首先来理解一下python中的名字空间概念。python使用叫做命名空间的东西来记录变量的轨迹,类似于C++中的namespace。命名空间只是一个字典,它的键字就是变量名,字典的值就是那些变量的值。实际上,命名空间可以像python的字典一样进行访问。每个函数都有自己的命名空间,成为局部命名空间,记录了自己函数变量,包括参数、局部变量等;每个
2021-05-24 21:24:36
549
原创 Django学习笔记(六)
分页功能视图函数:def test_page(request): # 以带参数的方式定义url test_page?page=1 page_num = request.GET.get('page', 1) all_data = ['这', '是', '一', '个', '页', '面'] # 初始化paginator paginator = Paginator(all_data, 2) c_page = paginator.page(int(page_nu
2021-05-23 13:10:33
258
原创 Django学习笔记(一)
一、Django项目创建1.命令行下创建首先创建一个虚拟环境conda create -n django激活django环境,安装djangoconda install django使用cd命令切换到要创建项目的目录下,执行命令创建django项目mysite1django-admin startproject mysite12.使用pycharm创建在pycharm新建项目时,选择新建Django项目即可二、项目结构与启动manage.py包含项目管理的子命令,例如p
2021-05-16 10:23:43
183
原创 Spring Boot项目部署——以ruoyi为例
ruoyi项目部署说明一、环境准备1. 创建虚拟机2. 项目准备3. 环境准备3.1 配置Java开发环境3.2 配置Node.js环境3.3 安装Mysql数据库3.4 Redis服务配置3.5 配置Nginx服务器二、项目部署1. 前端部署2. 后端部署说明部署系统:Linux(CentOS7)使用工具:VMware Workstation Pro、Xshell7、XFtp7介绍:以网络上前后端分离的Spring Boot项目ruoyi为例,将其部署至云服务器上(这里用虚拟机代替。为方便免去权限
2021-05-12 17:01:33
2961
转载 关于二分法
二分法中点的取法参考博文:二分以及编程过程中求中点各种写法思想解析以及完美写法从我大学学习二分时,一直习惯将二分法中点取法写为mid = (l + r) / 2,最近开始做LeetCode题目,发现二分法求区间中点的写法更多是mid = l + (r - l) / 2,在化简后可以发现这两种实际在数学上是等价,这两种方式的差异或者说后者的优势在哪?mid = (l + r) / 2的劣势溢出问题l + r可能会溢出int的最大范围,而l + (r - l) / 2不会,这里用减法替代了加法上下
2021-05-07 11:21:37
470
原创 LeetCode笔记(一)回溯
回溯、递归与剪枝简介递归回溯剪枝经典题目LeetCode46 全排列LeetCode47 全排列IILeetCode39 组合总数LeetCode40 组合总数II总结简介递归递归:一个过程或函数在其定义或说明中有直接或间接调用自身的一种方法,它通常把一个大型复杂的问题层层转化为一个与原问题相似的规模较小的问题来求解。在LeetCode刷题过程中,遇到很多运用递归解法的题目,递归代码较难理解,但是可以使代码逻辑简洁。回溯回溯是一种算法思想,从问题的某一种可能出发,搜索从这种情况出发所能达到的所有
2021-05-05 00:17:38
582
1
原创 链表中的双指针——快慢指针
快速查找单链表的中点单链表定义如下:class ListNode { int val; ListNode next; ListNode() { } ListNode(int val) { this.val = val; } ListNode(int val, ListNode next) { this.val = val; this.next = next; }}
2021-05-04 18:52:20
268
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