- 博客(7)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 【基础知识】
转换格式：将 PIL Image 或 numpy.ndarray (H x W x C) 转换为 PyTorch Tensor (C x H x W)。转换数据类型：将数据从 uint8 (0-255的整数) 转换为 float32 (32位浮点数)。缩放数值：自动将像素值从 [0, 255] 的范围缩放到 [0.0, 1.0] 的范围。它期望的输入：一个已经缩放到 [0.0, 1.0] 范围的 Float Tensor。增加数据多样性，防止过拟合，提高模型泛化能力。以指定概率随机水平翻转图像。
2025-09-08 17:14:24
186
原创 【对比学习】
Mutual Constrastive Learning，m个网络的Loss是单个网络求和。引入无监督学习学习相似样本的相似性，避免有监督学习中样本标注错误。单个网络的Loss， infoNCE。特征提取（Encoder）：CNN。
2025-08-14 22:37:53
239
原创 【无标题】
torch.mul(a, b) 是矩阵a和b对应位相乘，a和b的维度必须相等，比如a的维度是(1, 2)，b的维度是(1, 2)，返回的仍是(1, 2)的矩阵；torch.mm(a, b) 是矩阵a和b矩阵相乘，比如a的维度是(1, 2)，b的维度是(2, 3)，返回的就是(1, 3)的矩阵。torch.matmul() 没有强制规定维度和大小，可以用利用广播机制进行不同维度的相乘操作。torch.bmm() 强制规定维度和大小相同。
2025-08-11 21:11:48
316
原创 【知识蒸馏】
用训练教师网络用教师网络预测出来的训练学生网络（soft包含更多知识，非正确类别概率大小）引入蒸馏温度T，暴露非正确类，减少两极分化T越大，越soft。
2025-08-01 21:24:30
295
原创 【PyTorch深度学习实战】
self.linear = torch.nn.Linear(1, 1)：构造Linear对象（继承自Module）至少实现__init__() 和 forwad()。会根据计算图自动构建backward()。因为Linear实现了__call__()，call调用forward()人工计算 -> 构造出PyTorch计算图，梯度自动算出来。继承torch.nn.Module。super()调用父类构造，必须写。将x, y向量化、广播机制。这节课将用PyTorch框架。自己写的用梯度手动更新。
2025-07-16 21:37:55
489
原创 剑指offer
剑指offer类刷题记录18 删除链表的节点18 删除链表的节点import java.util.*;/* * public class ListNode { * int val; * ListNode next = null; * public ListNode(int val) { * this.val = val; * } * } */public class Solution { /** * 代码中的类名、方法名、参数名已
2022-03-25 13:24:58
672
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人