keep--learning-优快云博客

原创《Neurocomputing》投稿历程

Neurocomputing》是CCF C类期刊，SCI二区（中科院），影响因子5.5。

2025-03-01 17:04:11 791 2

原创 word 常用功能

插入符号——普通文本——数学运算符。选中对号后，点击开始中的带圈字符。后续将持续更新ing。

2025-03-01 16:49:42 188

原创解决报错RuntimeError: Error(s) in loading state_dict for InpaintGenerator: Missing key(s) in state_dict

报错提示是因为在加载模型的state_dict时，模型中的一些关键参数（比如"conv_

2024-09-30 11:03:09 786

原创数据通信基本概念

串行通信：数据逐位按顺序依次传输并行通信：数据各位通过多条线同时传输特点传输速率抗干扰能力通信距离IO资源占用成本串行通信较低较强较长较少较低并行通信较高较弱较短较多较高单工通信：数据只能沿一个方向传输半双工通信：数据可以沿两个方向传输，但需要分时进行全双工通信：数据可以同时进行双向传输同步通信：共用同一时钟信号异步通信：没有时钟信号，通过在数据信号中加入起始位和停止位等一些同步信号。

2024-08-25 15:54:16 316

原创报错：stlink is not in the dfu mode，please restart it

解决方法： stlink已经连接了开发板（VCC，GND，SWCLK，SWDIO四个引脚），在连接状态下，插入电脑进行更新是不行的，也就是所谓的not in the dfu mode。只需要把stlink与开发板断开，重新插入电脑，更新即可。问题：使用CubeIDE下载程序时，提示需要更新驱动，点击更新后，提示：“ST LINK is not in the DFU mode plesse restart it”

2024-08-25 15:09:55 2549 1

原创 SPI实验

SPI：串行外设设备接口（），是一种高速的，全双工，同步的通信总线。SPI与IIC区别同步串行全双工同步串行半双工MOSIMISOSCLCSSDASCL一主多从一主一从多主从片选引脚选择SDA上设备地址片选一般50MHz以下100kHz400kHz3.4MHz8位/16位8位MSB/LSBMSBSPI接口主要应用在存储芯片、AD转换器以及LCD中。

2024-08-25 13:47:31 384

原创 stm32-USB-1

USB，英文全称：Universal Serial Bus，即通用串行总线USB提供适合各种应用的传输协议，而且协议标准向下兼容。

2024-08-24 15:06:37 432

原创 stm32-SD卡实验

SD卡，，称为安全数字卡（安全数码卡）。SD卡系列主要有三种：SD卡MiniSD卡和MicroSD卡（原名 TF卡）。特点：容量大、高安全性、体积小、传输速度快接口简单2. SD分类存储等级SD卡速度等级分为：UHS和分为V6V10V30V60V90对应不同视频格式3. SD卡的驱动方式微处理器对SD卡进行操作，可通过SPI接口SDIO接口。不同接口，SD卡引脚功能不一样。SDIO接口通信线：：时钟线，由。

2024-08-24 13:55:13 1914

原创 stm32内存管理

内存管理，是指软件运行时对MCU内存资源的分配和使用的技术。其最主要目的是：如何高效，快速的分配，并且在适当的时候释放和回收内存资源。内存使用三部曲：（1）内存申请(分配) （malloc函数用于内存申请）（2）内存使用（3）内存释放（free函数用于内存释放）

2024-08-22 10:51:08 406

原创 C语言-指针

如果是int*的指针，解引用访问4个字节，如果是char*的指针，解引用访问1个字节。概念: 野指针就是指针指向的位置是不可知的(随机的、不正确的、没有明确限制的)int类型加了4个字节，char类型增加了1个字节。当指针指向的范围超出数组arr的范围时，P就是野指针。二级指针变量是用来存放级指针变量的地址的。将arr所有元素赋值为1的三种做法。指针指向空间释放及时置NULL。存放指针的数组就是指针数组。调用结束，a的空间被销毁。char类型修改1个字节。int类型修改4个字节。避免返回局部变量的地址。

2024-08-22 10:04:19 944

原创 IIC 通信协议

IIC：Inter Integrated Circuit，集成电路总线，是一种同步串行半双工通信总线。总线就是传输数据通道，协议就是传输数据的规则。

2024-07-21 14:59:12 352

原创 keil报错Error: L6218E: Undefined symbol ****原因

四，在keil中未添加.c或.h文件到工程。三，未包含含有该类型的.h文件。

2024-07-19 09:28:47 1402

原创数据结构--队列（1）

【代码】数据结构--队列（1）

2024-04-03 21:52:14 153 1

原创数据结构--稀疏数组

【代码】数据结构--稀疏数组。

2024-04-03 21:01:18 285

原创 Unsupervised Condition GAN

直接输入domain X图片，经过Generator后生成对应的domain Y的图像。这种转化input和output不能够差太多。通常只能实现较小的转化，比如改变颜色等。先学习一个X domain的encoder，把特征抽出来；然后输入Y domain的decoder，生成对应的图片。

2023-11-21 09:15:50 501 1

原创 Conditional GAN

Conditional GAN的做法就是，generator的输入一张图片和noise z，输出一张图片，discriminator会输入产生的image和input，输出一个scalar。通过算法的迭代，生成下面第三张图片，看起来很清晰，但和真实的图片还是有差异。对于根据文字生成图像的问题，传统的做法就是训练一个NN，然后输入一段文字，输出对应一个图片，输出图片与目标图片越接近越好。存在的问题就是，比如火车对应的图片有很多张，如果用传统的NN来训练，模型会产生多张图像的平均，结果就会很模糊。

2023-11-21 09:04:33 1161

原创 Theory behind GAN

假如要生成一些人脸图，实际上就是想要找到一个分布，从这个分布内sample出来的图片像是人脸，分布之外生成的就不像人脸。之后训练G：其中第一项是与生成器无关的，由于G不能训练太多，否则会导致D无法evaluate JS，所以update一次就好。其实在训练过程中不是真正的minimize JS散度，因为G在训练时变化时，理论上V是要取期望值，但是实际上是不可能的，只能用样本的均值进行估计。现在的目标是最小化这个差异，所以下图的三个网络中，都是固定的，所以设为常数，然后通过求导求出最大值。

2023-11-17 09:51:47 472

原创生成对抗网络Generative Adversarial Network，GAN

生成对抗网络，GAN，变分编码器，VAE

2023-11-17 09:29:36 559

原创 Transformer

本节主要讲了Self-Attention的原理以及在Transformer上的应用。

2023-06-22 16:33:11 855

原创 Generative Adversarial Network（生成对抗网络）

生成对抗网络（GAN），变分编码器（VAE）

2023-06-20 13:27:03 2376

原创 Unsupervised Learning（无监督学习）

无监督学习，聚类，主成分分析（PCA），降维，矩阵分解

2023-06-13 14:25:43 1700

原创 Semi-supervised Learning(半监督学习)

半监督学习，

2023-05-30 18:14:42 1627

原创 Recurrent Neural Network（循环神经网络）

循环神经网络（RNN），长短期记忆单元（LSTM）

2023-05-26 10:25:19 1451

原创 Convolutional Neural network(卷积神经网络)

卷积神经网络

2023-05-15 18:34:29 3273 4

原创 Tips for Deep Learning

激活函数，优化器，训练策略

2023-05-14 14:25:17 1837 1

原创 Backpropagation(反向传播)

梯度反向传播

2023-05-12 15:58:49 651

原创金字塔特征融合

金字塔特征融合；多尺度特征融合

2023-05-11 10:32:12 872

原创论文阅读——Hourglass Attention Network for Image Inpainting

网络由三个部分构成：CNN 编码器、CNN 解码器和沙漏注意力模块。沙漏注意力模块包含特征编码和特征解码两个过程，编码过程和解码过程由多层次的注意力块完成。在编码过程中patch的大小分别为1,2,4,8。沙漏注意力模块可以有效地利用多尺度的特征信息，同时降低了计算的复杂度。作者在softmax后引入了拉普拉斯先验以反映特征之间距离对注意力得分的影响。损失主要由重构损失（L1）、感知损失、风格损失和对抗性损失四个损失构成。每一个注意力块包含两个部分：拉普拉斯注意力层和前馈网络。

2023-05-09 18:09:28 361 1

原创 JAVA打印九九乘法表

思路分析：只需用运用两个for的嵌套循环来实现。设置两个变量i，j。i表示行，j表示列，输出i*j的结果即可。

2023-04-29 16:35:07 107

原创原码、反码、补码

二进制，原码、反码、补码

2023-04-23 11:11:05 516

原创论文阅读——OMNI-DIMENSIONAL DYNAMIC CONVOLUTION（ICLR 2022）

的基础上，将注意力权重扩展到卷积核空间位置、输入通道、输出通道以及卷积核个数四个维度。ODconv在之前动态卷积（图中，GAP为全局平均池化，为卷积核每个位置的权重，

2023-04-09 16:54:00 576 1

原创论文阅读——Dynamic Convolution: Attention over Convolution Kernels

的基础上进行改进的。对CondConv生成权重部分进行改进，用SE（将最后的sigmod替换成softmax）注意力生成不同卷积核的权重。动态卷积不是每层使用单个卷积核，而是根据输入相关的注意力动态聚合多个并行卷积核。

2023-04-04 10:31:23 209 1

原创论文阅读——CondConv: Conditionally Parameterized Convolutions for Efficient Inference[2019-NIPS]

条件参数化卷积（CondConv），其实质就是将每个样本的卷积核用一组卷积核的线性组合来代替。在测试过程中，卷积核W的参数是固定的，改变的是权重α，从而实现动态卷积。得到，主要包括全局平均池化、全连接层、Sigmoid激活函数三个操作。其中，n为卷积核的个数（文章成为专家个数），其中，R为学习路由权重的矩阵。

2023-03-31 15:05:49 296 1

原创解决报错CUDA error：out of memory。CUDA kernel errors might be asynchronously reported at some other API

在服务器上运行程序，遇到报错：CUDA error：out of memory。CUDA kernel errors might be asynchronously reported at some other API call, so the stacktrace below might be incorrect.报错原因：我在另一个显卡的程序B占用了目前显卡的显存，导致运行程序A显存不够。解决方法：停止程序B后，再次运行程序A，就可以正常运行。

2023-03-29 10:38:44 6060