- 博客(42)
- 收藏
- 关注
RSS订阅转载 Transformer模型的二次复杂度的理解
Transformer模型的二次复杂度的理解-优快云博客。Transformer模型的二次复杂度的理解-优快云博客。Transformer模型的二次复杂度的理解。
2025-01-03 20:07:26
34
原创 DeiT 的训练策略
通过最小化这两者之间的差异，学生模型能够从教师模型中学习到更多的有用信息，尤其是在数据不足的情况下，能有效提高学生模型的性能。
2024-12-14 21:25:13
235
原创 TransNeXt: Robust Foveal Visual Perception for Vision Transformers 为视觉Transformer设计的鲁棒中央凹视觉感知模型
主要介绍了TransNeXt模型
2024-09-21 18:49:17
1589
6
原创 安装BLIP2模型时报错：Can‘t load tokenizer for ‘bert-base-uncased‘. If you were trying to load it from ‘h ...
安装BLIP2模型报错
2024-09-02 19:15:40
667
原创 Transformer 中自注意力机制的 一些细节理解
摘自知乎博主作者：月来客栈首先让我们先一起来看看作者当时为什么要提出Transformer这个模型？需要解决什么样的问题？现在的模型有什么样的缺陷？现在主流的序列模型都是基于复杂的循环神经网络或者是构造而来的Encoder-Decoder模型，并且就算是目前性能最好的序列模型也都是基于注意力机制下的Encoder-Decoder架构。
2024-08-14 11:49:56
1094
原创 ROC曲线理解2 通过 ROC 曲线输出 ：特定误报率要求下的准确率（误报率即假阳率 正常人0类→生病的人1类 小于1%）
通过ROC曲线输出 ：特定误报率要求下的二分类准确率（误报率即假阳率 正常人0类→生病的人1类 想让正常人的误报率在1%以下 ：
2024-08-01 11:33:58
304
原创 理解CNN中的Batch Normalization （补充 知乎博主）
理解CNN中的Batch Normalization （补充 知乎博主 fc+BN）
2024-07-12 22:01:47
445
原创 过滤器不就是卷积核吗？
对于一幅128×128像素、三通道彩色输入图像（尺寸为128×128×3），经过一个包含4个Filter的3×3卷积核的卷积层（Filter的个数对应输出通道数，此时卷积核尺寸为3×3×3×4），最终输出4个特征图（Feature Map）。整个过程可以用下图来表示。简单来说，卷积核是实际进行卷积操作的小矩阵，而过滤器则是包含这些卷积核的集合。因此，可以说过滤器包含了多个卷积核。
2024-07-09 15:38:57
481
原创 高斯滤波 adaptiveThreshold
cv2.RETR_CCOMP建立两个等级的轮廓，上一层为外边界，内层为内孔的边界。cv2.RETR_TREE建立一个等级树结构的轮廓。ksize.width和ksize.height可以不同，但它们都必须为正数和奇数，也可以为零，然后根据sigmaX和sigmaY计算得出。注意：cv2.findContours()函数接受的参数为二值图，即黑白的（不是灰度图），所以读取的图像要先转成灰度的，再转成二值图。cv2.CHAIN_APPROX_NOME存储所有的轮廓点，相邻的两个点的像素位置差不超过1；
2024-07-09 10:54:12
939
原创 The detected CUDA version (10.1) mismatches the version that was used to compile PyTorch (11.3)
当前PyTorch版本是为CUDA 11.3编译的，而系统检测到的CUDA版本是10.1。要解决这个问题，需要安装一个与系统中存在的CUDA版本相匹配的PyTorch版本。
2024-04-24 16:04:58
1528
1
原创 压力表使用函数2
cv2.RETR_CCOMP建立两个等级的轮廓，上一层为外边界，内层为内孔的边界。cv2.RETR_TREE建立一个等级树结构的轮廓。ksize.width和ksize.height可以不同，但它们都必须为正数和奇数，也可以为零，然后根据sigmaX和sigmaY计算得出。注意：cv2.findContours()函数接受的参数为二值图，即黑白的（不是灰度图），所以读取的图像要先转成灰度的，再转成二值图。cv2.CHAIN_APPROX_NOME存储所有的轮廓点，相邻的两个点的像素位置差不超过1；
2024-04-24 15:57:19
749
原创 Python —类的私有属性、公有属性、私有方法、公有方法
https://blog.youkuaiyun.com/weixin_43056298/article/details/103006827
2024-04-21 21:41:45
255
原创 anaconda导航主页没有vscode图标
参考：https://blog.youkuaiyun.com/deepdrill/article/details/117399637
2024-01-18 19:07:30
464
1
原创 LATEX排版 2：表格学习总结
必须使用@{\extracolsep\fill}命令，使后面所有列间距可以伸展到预定义的表格宽度。注意：在tabular*中，三线表的列数根据c的个数来确定，cccc表示四列居中，l, r 分别表示左右对齐。用\begin{tabular*}{\hsize}{@{}@{\extracolsep{\fill}}然后试了下resizebox，确实拉长了，但是表格的字体变大了。一个普通的表格，需要将两边拉长，等于论文单栏的长度（双栏排版）。环境里写表格的标题（caption）、表格的偏移之类的。
2023-12-22 22:36:38
1128
原创 第8章 子查询没想象中的那么难
可以看到子查询结果并不是一个数据，而是多个数据，所以子查询外部每个商品价格比较的对象有多个，导致无法比较。where a.category=b.category 建立内外部的关联关系，这种子查询叫关联子查询。在子查询内部运行完毕后，最原始的表b已经不存在了，对于子查询外部展示的是子查询的结果表，而不是原始表。标量子查询特点是子查询的结果只返回一行一列的结果（即一个值），该子查询返回的是。因为子查询内部表的别名 b在子查询外部不能被识别，即其作用域仅限于子查询内部。子查询外部查询全部信息 ，
2023-06-11 21:47:32
49
原创 第7章 分组的意义
如何进行分组和分组之后如何对组进行过滤操作，总结select语句的书写和执行顺序。使用第三章的进货信息表，统计不同类别商品的平均进货量group by category表示根据category列分组，然后计算每组购买数量的平均值avg(purchase_quantity)由于group by易错点按照商品类别分组后，想筛选出组成员个数大于3的平均进货量看到筛选可能会想到where过滤方法，注意where用于对行进行过滤这里是对分组后的组进行过滤，可以用having，并将其写在group by之后。
2023-06-07 21:12:01
65
1
原创 第六章 常见的聚合函数
结果与上边一致，avg()函数计算时，会忽略空值.查询表中含有哪些商品品类（去重后的商品品类）在商品价格表中插入一行商品价格为空的数据。函数计算时，也会忽略空值.再次查询商品的平均价格。统计有多少种商品品类。
2023-06-07 20:13:23
50
1
原创 SQL第五章 高效的数据处理函数
若第二个为负数，代表从字符串最后边开始数，即负数的绝对值个位置后边都取了。或者是取 -2 -1两个位置的数。若第二个为负数，代表从字符串最后边负数绝对值位置开始取。第一个参数为待截取字符串,第二个为截取的起始位置，之后的都取出来。第一个为待截取字符串,第二个为截取的起始位置，第三个为截取的长度。利用substring函数提取年月日。
2023-06-07 19:39:30
59
1
原创 SQL第四章 计算字段真奇妙
创建表 地址信息表，包含城市名称（city）和exact_address(具体地址)多个字段，要将城市和具体地址拼接在一起，生成详细地址。要将城市和具体地址拼接在一起，生成详细地址 ，字符串拼接函数concat('字符串1','字符串2',...,'字符串n')所以对数据进行拼接之前，要先检查拼接的字段是否存在null。再使用字符串拼接函数concat(), 进行字符串拼接。对数据进行拼接之前，要先检查拼接的字段是否存在null。通过计算字段生成一些符合要求的新字段。在原始表中插入一条空白数据。
2023-06-07 18:37:06
77
1
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