- 博客(9)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 一文让你理解KL散度
KL散度（Kullback-Leibler Divergence），又称为相对熵，是信息理论中的一个重要概念，用来测量两个概率分布之间的差异。KL散度越大代表两个概率分布的差异越大，只有当两个概率分布相同时，KL散度最小，此时为0。它不仅适用于信息论，并且在统计和机器学习中也至关重要。
2025-04-03 20:20:31
577
转载 【无标题】
综合以上两个条件，累积分布函数是个好的选择，因为累积分布函数是单调增函数（控制大小关系），并且值域是0到1（控制越界问题），所以直方图均衡化中使用的是累积分布函数。其中，s_k指当前灰度级经过累积分布函数映射后的值，n是图像中像素的总和，n_j是当前灰度级的像素个数，L是图像中的灰度级总数。③如果一幅图像有两个不相连的区域组成， 并且每个区域的直方图已知， 则整幅图像的直方图是该两个区域的直方图之和。， 描述的是图像中具有该灰度级的像素的个数： 其中， 横坐标是灰度级， 纵坐标是该灰度级出现的率。
2025-02-25 23:47:50
8
原创 Diffusion Model学习笔记
主要由三个部分组成：Text Encoder、Generation Model、Decoder。其中三个部分可以分开训练，再组合到一起。接下来分别介绍这三个部分。实验表明Text Encoder对整个模型的影响是非常大的。很多模型可以被用来做Encoder,eg:ber。这部分数据的训练实际上不需要文字的资料，进需要图片资料。在训练这部分时，我们往往需要一个auto-encoder，目标是使得输入和输出十分相似。一个加减噪声构造数据并训练的过程。
2024-03-27 17:25:43
226
1
原创 dataset与DataLoader的简单使用
利用torchvision下载给定的数据到dataset中，并采用DataLoader进行加载。
2023-06-29 14:15:24
167
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人