qq_43573054的博客

原创 GAN图像生成

原创 LSTM RNN

原创 医学影像分割

原创 深度学习语义分割

原创 深度学习目标检测

原创 深度学习目标检测

原创 深度学习图像分类

原创 深度学习基础

原创 神经网络与误差反向传播算法

原创 未有深度学习之前

原创 图像特征与描述

原创 图像预处理

原创 bp网络numpy

原创 过拟合&卷积神经网络CNN

原创 pytorch基础及高阶

原创 手写数字识别

原创 深度学习 作业6

import os #讀取 label.csv import pandas as pd #讀取圖片 from PIL import Image import numpy as np import torch #Loss function import torch.nn.functional as F #讀取資料 import torchvision.datasets as datasets from torch.utils.data import Dataset, DataLoader #載入預訓練的模型

原创 深度学习 作业5

Start our python script 引入库 import os import sys import argparse import numpy as np from PIL import Image import matplotlib.pyplot as plt import torch import torch.nn as nn import torch.nn.functional as F from torch.optim import Adam from torch.utils.data

原创 深度学习 zuoye4

Download Dataset 有三個檔案，分別是training_label.txt、training_nolabel.txt、testing_data.txt training_label.txt：有label的training data(句子配上0 or 1) training_nolabel.txt：沒有label的training data(只有句子)，用来做半监督学习，约120万句句子。 比如： hates being this burnt !! ouch，前面没有0或者1的标签 test

原创 李宏毅 深度学习作业3 CNN

#Import 需要的套件 import os import numpy as np import cv2 import torch import torch.nn as nn import torchvision.transforms as transforms import pandas as pd from torch.utils.data import DataLoader, Dataset import time #Read image 利用 OpenCV (cv2) 讀入照片並存放在 numpy

原创 深度学习11

Generative Adversarial Network Conditional Sequence Generation 用maximize likelihood（也可以称为minimize cross entropy）训练seq2seq model 的问题是training criterion很难选到合适的 与普通Gradient更新（更新一次参数，再求一个gradient，再更新…）的不同，在这里更新参数后需要返回互动，需要重新互动N收集数据，然后再求gradient，再更新参数…

原创 深度学习10

Feature Extraction InfoGAN 对于Regular GAN而言，我们很难从输入和输出中找到某种关联（Modifying a specific dimension, no clear meaning），例如下图中，每一列都是改变了输入的某一个维度，然后得到的结果，我们并不知道为什么第三行第六列为什么会突然多一个小尾巴。 InfoGAN就是要解决这个问题。来看它的概念： What is InfoGAN? 来看流程，现有一个输入z zz，和原始GAN不一样，这里把输入分为两个部分 然后经过

原创 深度学习9

Theory behind GAN 比如说，假如我们想要生成一些人脸图，实际上，我们是想找到一个分布，从这个分布内sample出来的图片，像是人脸，而不属于这个distribution的分布，生成的就不是人脸。而GAN要做的就是找到这个distribution。 Maximum Likelihood Estimation 最大似然估计的理念是，假如说我们的数据集的分布是Pdata​(x) ，我们定义一个分布 PG​(x;θ),我们想要找到一组参数 θ ,使得 PG​(x;θ)接近Pdata​(x) 。比如

原创 深度学习8

Generative Adversarial Network

原创 深度学习7

PyTorch Tutorial torch.device 定义cpu Convolutional Neural Network CNN常常被用在影像处理上 CNN做的事情其实是，来简化这个neural network的架构，根据自己的知识和对图像处理的理解，一开始就把某些实际上用不到的参数给过滤掉。 一个neural并不需要取观察整张图片，而是只需要观察一个小部分即可，所以，一个neural只需要连接到一个小块的区域就好，

原创 深度学习6

Backpropagation 在神经网络中，却是拥有着大量的可能多达上百万个的参数，是一个百万维的向量，传统的求微分方法行不通，这样就需要应用Backpropagation去有效的计算出微分 Chain Rule Tips for Training DNN deep learning 的方法：三步法大纲，define-goodness-pick 1、一般的机器学习方法（如KNN，决策树等）不会在train好的模型上检查training data的结果，因为NN在train

原创 深度学习4

Classification 例子 首先以binary classification（二元分类）为例，我们在Training时让输入为class 1的输出为1，输入为class 2的输出为-1；那么在testing的时候，regression output是一个数值，它大于0接近1则说明它是class 1，它小于0接近-1则说明它是class 2。 Ideal Alternatives 怎么得到P（x|C1）和P（x|C2） 估测均值μ和协方差的方法就是极大似然估计法

原创 深度学习3

mt + 1 : 动量 L(θt;x t) : 表示y 和 y^ 之间的差距 • Find a ???? to get the lowest Σ???? ????(????; ????) !! • Or, Find a ???? to get the lowest ????(????) !! SGD SGDM Momentum项相当于速度,因为β稍小于1，表现出一些摩擦力，所以球不会无限加速下去，所以不像梯度下降法，每一步都独立于之前的步骤，你的球可以向下滚，获得动量，可以从碗向下加速获得动量。

原创 深度学习2Gradient Descent

学习率需要仔细调节 过小训练慢 过大可能忽略最低点 自动调节学习率

原创 深度学习1

原创 2021-08-15

cp命令选项-a的使用 远程登录 vim的介绍 软件的安装 软件的卸载

原创 linux

文本搜索命令 压缩和解压缩命令 文件权限命令 获取管理权限的相关命令 用户相关操作 用户组相关操作

原创 linux

第一天知识点回顾 操作系统 就是软件 承上启下 虚拟机软件 模拟真实计算机 查看目录命令 ls tree 清除 clear 切换目录命令 绝对路径和相对路径 创建\删除文件及目录命令 查看文件内容命令 ls /bin | more 软链接 硬链接 查找文件命令 ...

原创 linux2

创建 删除文件和目录 拷贝 移动文件和目录 终端命令的格式说明 查看命令帮助 ls命令选项 mkdir和rm命令选项 cp和mv命令选项 重定向

原创 linux

操作系统 虚拟机软件 Ubuntu操作系统 Linux内核和发行版 查看目录命令 切换目录命令 绝对路径和相对路径

原创 两个实践案例

PM2.5案例 豆瓣电视的案例

原创 pandas时间序列02 案例911

pandas时间序列02 911 或

原创 pandas时间序列 案例1

pandas时间序列 案例1

原创 字符串离散化案例 数据合并 数据分组聚合 数据的索引学习

字符串离散化的案例 数据合并 数据分组聚合 数据的索引学习

原创 panda行列 统计方法和字符串离散化

dataFrame的索引 bool索引和缺失数据的处理 pandas的常用统计方法 获取演员人数 【统计方法和字符串离散化】电影数直方图