ttrr27的博客

Hi，大家好，我是半亩花海。本实验基于汽车销量时序数据，使用LSTM网络（长短期记忆网络）构建时间序列预测模型。通过数据预处理、模型训练与评估等完整流程，验证LSTM在短期时序预测中的有效性。

Hi，大家好，我是半亩花海。图神经网络（GNNs）已经成为处理图数据的重要工具，能够有效捕捉节点之间的依赖关系。在图神经网络中，图注意力网络（Graph Attention Network, GAT）作为一种基于注意力机制的图网络模型，通过引入节点间的注意力权重来动态地加权节点的邻接特征，取得了较好的表现。本实验的目的是通过实现GAT网络中的核心层——GATLayer，并利用多头注意力机制来优化节点特征的表示。最终实现了一个具有多头注意力机制的图卷积层，并通过构建一个简单的图来验证该层的有效性。

Hi，大家好，我是半亩花海。图卷积网络（Graph Convolutional Network, GCN）是一种处理图结构数据的深度学习模型。它通过聚合邻居节点的信息来更新每个节点的特征表示，广泛应用于社交网络分析、推荐系统和生物信息学等领域。本实验通过实现一个简单的 GCN 层，展示了其核心思想，并通过具体代码示例说明了 GCN 层的工作原理。

Hi，大家好，我是半亩花海。本文介绍了图神经网络（GNN）中的一种重要算法——GraphSAGE，其通过采样邻居节点和聚合信息，能够高效地处理大规模图数据，并通过一个完整的代码示例（包括数据预处理、模型定义、训练过程、验证与测试以及结果可视化）展示了如何在 Cora 数据集上实现节点分类任务。

Hi，大家好，我是半亩花海。细数日子已然有很长一段时间没有更新博客了，不是在忙东忙西，就是在玩这玩那，在家摆，在学校gap，无敌了。言归正传，今天暂且先进一步探索并整理一部分图神经网络（GNN）的图的表示与图神经网络部分。

Hi，大家好，我是半亩花海。在电池管理系统（BMS）中，电池的健康状态（StateofHealth,SOH）是评估电池剩余寿命的重要指标，而准确预测电池的健康状态可以帮助实现电池的高效管理，延长电池的使用寿命并预防电池故障。本项目的目标是使用长短期记忆（LSTM）神经网络对多个电池进行健康状态对比及预测，并使用收集到的电池循环数据来训练模型并评估其性能。

Hi，大家好，我是半亩花海。本文主要简要并通俗地介绍了几种经典的深度学习模型，如迁移学习（Transfer Learning, TL）、半监督学习（Semi-supervised Learning, SSL）、图神经网络（Graph Neural Networks, GNN）、联邦学习（Federated Learning, FL）等，便于大家初探深度学习的相关知识，并更好地理解深度学习的基础内容，为后续科研开展建立一定的基础，欢迎大家一起交流学习。

​Hi，大家好，我是半亩花海。要让一个基于 torch 框架开发的深度学习模型正确运行起来，配置环境是个重要的问题，本文介绍了pytorch、torchvision、torchaudio及python 的对应版本以及环境安装的相关流程。

​Hi，大家好，我是半亩花海。本文主要较为深入地讲述transformer 模型及attention 机制等相关深度学习的知识，主要介绍模型结构、原理等。Transformer 属于是当下比较流行和创新的深度学习的基础模型架构，主要应用于自然语言处理（NLP）、计算机视觉（CV）领域，在处理序列数据时表现出色，因此本文的标题也引用了Attention经典论文里面的标题“Attention Is All You Need”，生动活泼。另外，行文难免有不足之处，欢迎大家广泛交流！

Hi，大家好，我是半亩花海。本文主要简要并通俗地介绍了几种经典的深度学习模型，如CNN、RNN、LSTM、Transformer、ViT（Vision Transformer）等，便于大家初探深度学习的相关知识，并更好地理解深度学习的基础内容，为后续科研开展建立一定的基础，欢迎大家一起交流学习。

Hi，大家好，我是半亩花海。本实验本项目基于 VGG16-UNet 架构，利用 Labelme 标注数据和迁移学习，构建高效准确的猫狗图像分割模型。通过编码器-解码器结构（特征提取-上采样）提升分割精度，适应不同场景，推动图像分割技术发展。

Hi，大家好，我是半亩花海。本文主要使用数据标注工具 Labelme 对猫（cat）和狗（dog）这两种训练样本进行标注，使用预训练模型 VGG16 作为卷积基，并在其之上添加了全连接层。基于标注样本的信息和预训练模型的特征提取能力以及 Segnet 架构，训练自己构建的语义分割网络，从而实现迁移学习。

Hi，大家好，我是半亩花海。要让一个基于 CPU 的 tensorflow 和 keras 开发的深度学习模型正确运行起来，配置环境是个重要的问题，本文介绍了 tensorflow 和 keras 和对应的 python 版本以及安装环境的部分流程。

Hi，大家好，我是半亩花海。本文主要使用数据标注工具 Labelme对自行车（bike）和摩托车（motorcycle）这两种训练样本进行标注，使用预训练模型VGG16作为卷积基，并在其之上添加了全连接层。基于标注样本的信息和预训练模型的特征提取能力，训练自己构建的图像分类器，从而实现迁移学习。

Hi，大家好，我是半亩花海。本文主要了解YOLOv5 训练自标注数据集（自行车和摩托车两种图像）进行目标检测，实现深度学习。YOLOv5 是一个非常流行的图像识别框架，这里介绍一下使用 YOLOv5 给自己的使用 Labelme 标注的数据集进行训练和测试。