- 博客(46)
- 收藏
- 关注
RSS订阅原创 图像处理中注意力机制的解析与代码详解
注意力机制在图像处理中具有重要作用，能够显著提升模型对关键信息的捕捉能力。通道注意力和空间注意力机制分别从通道和空间维度对特征进行加权，而多头注意力机制则通过多个头的并行计算进一步提升模型的表达能力。
2025-03-04 20:04:20
431
原创 防止参考文献查重，论文如何交叉引用[1-5]
3、出现一行代码，第一个括号为首个引用代码。第一个：{REF _Ref191987419 \r \h }第二个：{REF _Ref191987421\r \h }2、用鼠标框选[8][9]两个引用，右击点击修改代码。二、回到所需要添加参考文献的段落，进行交叉引用。4、框选整个点击F9，变成[89]这样的形式。然后点击插入即可，最后把引用设置成上标即可。三、如何设置[1-3]这样的交叉引用。第一个括号最后加\#"[0"第二个括号最后加\#"0]"5、手动在8和9之间加入-号。6、最后把引用设置成上标即可。
2025-03-04 13:41:21
897
原创 【pytorch】thread: [16,0,0] Assertion `t ＞= 0 && t ＜ n_classes` failed
标签label或者预测的结果pred，超出了数据的范围，比如标签里面只有0-15的数字，但是pred中出现19这个数字，那么在交叉熵损失计算中就会报错。
2024-07-17 15:02:56
524
原创 cross attention交叉熵注意力机制
则是在两个不同序列上计算注意力，用于处理两个序列之间的语义关系。在两个不同的输入序列之间计算关联度和加权求和的机制。具体来说，给定两个输入序列，cross attention机制将一个序列中的每个元素与另一个序列中的所有元素计算关联度，并根据关联度对两个序列中的每个元素进行加权求和。这样的机制使模型能够建立不同序列之间的关联关系，并将两个序列的信息融合起来。例如，在翻译任务中，需要将源语言句子和目标语言句子进行对齐，就需要使用交叉注意力来计算两个句子之间的注意力权重。它的输出是一个大小为。
2024-07-07 19:28:31
2048
原创 AutoDL中Notebook中无法打开“checkpoints”文件夹
checkpoints是Notebook的关键字，若用户创建文件夹命名为checkpoints，则在JupyterLab上无法打开、重命名和删除。此时可以在Terminal里使用命令行打开checkpoints，或者新建文件夹将checkpoints里的数据移动到新的文件夹下。方法二：新建一个文件夹，移动checkpoints文件夹的数据到新建的文件夹下。打开Terminal，用命令行进行操作。打开checkpoints文件夹。
2024-05-27 20:45:50
1347
原创 numpy-mkl的下载地址
不要使用pip3直接在终端安装，因为pip3默安装的是numpy，而不是numpy+mkl。采用在第三方库中手动下载后，再安装的方式。第三方库网址：https://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy。
2024-05-27 20:44:52
2323
1
原创 Autodl如何进行实例使用（同区）
四、选择空余的GPU进行创建即可。三、选择是否要保存之前的数据盘。二、点击更多然后选择克隆实例。一、首先找到之前保存的实例。
2024-05-27 20:43:38
1338
2
原创 Calls into the C++ engine to run the backward pass but got: struct c10::Half != float
pytorch报错：Calls into the C++ engine to run the backward pass but got: struct c10::Half!（2）在某个环节矩阵相乘的时候，一个为half类型，一个为float类型，从而得出一个混合进度的变量导致报错。（3）模型的某个地方没有进行反向传播，或者是没有将其设置为没有梯度变化，这个需要自己捋一遍模型的整个过程。（1）labels标签和模型预测的pred矩阵类型没有匹配到，要改成一样的类型。
2024-05-27 20:42:40
475
原创 解决：AttributeError: module ‘backend_interagg‘ has no attribute ‘FigureCanvas‘的问题
解决：AttributeError: module 'backend_interagg' has no attribute 'FigureCanvas'的问题
2024-04-10 11:23:39
320
原创 Farthest Point Sampling (FPS)算法详讲
它是一种常用的点云采样方法，用于在点云数据集中选择一部分代表性的点。FPS的主要思想是从点云中选择与已选择点之间最远的点，以确保选择的点在空间上尽可能分散，从而提高采样的效率和代表性。FPS通常用于点云处理、计算机图形学和计算机视觉等领域。
2024-04-10 11:22:50
1369
1
原创 蓝桥杯2022年第十三届省赛真题-选数异或
题目 2665: 时间限制: 3s 内存限制: 320MB 提交: 8328 解决: 1505给定一个长度为 n 的数列 A1, A2, · · · , An 和一个非负整数 x，给定 m 次查询, 每次询问能否从某个区间 [l,r] 中选择两个数使得他们的异或等于 x 。输入的第一行包含三个整数 n, m, x 。第二行包含 n 个整数 A1, A2, · · · , An 。接下来 m 行，每行包含两个整数 li ,ri 表示询问区间 [li ,ri ] 。对于每个询问, 如果该区间内存在两个数的异或为
2024-02-27 20:20:59
401
原创 知识蒸馏实战代码教学一（原理部分）
知识蒸馏（Knowledge Distillation）源自于一篇由Hinton等人于2015年提出的论文《Distilling the Knowledge in a Neural Network》。这个方法旨在将一个大型、复杂的模型的知识（通常称为教师模型）转移到一个小型、简化的模型（通常称为学生模型）中。通过这种方式，学生模型可以获得与教师模型相似的性能，同时具有更小的模型体积和计算资源需求。
2024-02-20 00:18:51
1120
1
原创 知识蒸馏实战代码教学二（代码实战部分）
总的来说，知识蒸馏是一种有效的模型压缩技术，可以通过在模型训练过程中引入额外的监督信号来训练简化的模型，从而获得与大型复杂模型相近的性能，但具有更小的模型尺寸和计算开销。
2024-02-20 00:16:56
2235
6
原创 2022年第十三届蓝桥杯大赛软件类省赛题集链接
10.2022年第十三届蓝桥杯大赛软件类省赛Python大学B组真题。11.2022年第十三届蓝桥杯大赛软件类省赛Python大学C组真题。9.2022年第十三届蓝桥杯大赛软件类省赛Python大学A组真题。1.2022年第十三届蓝桥杯大赛软件类省赛C/C++大学A组真题。2.2022年第十三届蓝桥杯大赛软件类省赛C/C++大学B组真题。3.2022年第十三届蓝桥杯大赛软件类省赛C/C++大学C组真题。7.2022年第十三届蓝桥杯大赛软件类省赛Java大学C组真题。
2023-12-27 16:11:25
433
1
原创 选数异或（BP思想）
题目 2665: 时间限制: 3s 内存限制: 320MB给定一个长度为 n 的数列 A1, A2, · · · , An 和一个非负整数 x，给定 m 次查询, 每次询问能否从某个区间 [l,r] 中选择两个数使得他们的异或等于 x 。输入的第一行包含三个整数 n, m, x 。第二行包含 n 个整数 A1, A2, · · · , An 。接下来 m 行，每行包含两个整数 li ,ri 表示询问区间 [li ,ri ] 。对于每个询问, 如果该区间内存在两个数的异或为 x 则输出 yes, 否则输出 n
2023-12-20 22:30:24
371
1
原创 蓝桥杯：质因数个数
题目 2692: 时间限制: 4s 内存限制: 320MB 提交: 9051 解决: 1130给定正整数 n，请问有多少个质数是 n 的约数。输入的第一行包含一个整数 n。输出一个整数，表示 n 的质数约数个数。复制396样例输出复制3提示396 有 2, 3, 11 三个质数约数。对于 30% 的评测用例，1 ≤ n ≤ 10000。对于 60% 的评测用例，1 ≤ n ≤ 109。对于所有评测用例，1 ≤ n ≤ 1016。
2023-12-20 14:34:47
872
1
原创 过河卒（基础动态规划）
棋盘上A点有一个过河卒，需要走到目标B点。卒行走的规则：可以向下、或者向右。同时在棋盘上C点有一个对方的马，该马所在的点和所有跳跃一步可达的点称为对方马的控制点。因此称之为“马拦过河卒”。
2023-03-04 15:29:38
338
原创 给定一个数n，让你随便选用n个数构造一个序列a，满足以下条件:a1⊕a2⊕...⊕an=(a1+a2+...+an)/n ，输出序列a。
抓住序列编号的规律，才是解决问题的最好方法
2023-02-28 20:15:06
234
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