weixin_58112990的博客

原创 扩散模型后门攻击综述

FTHCW” [324] 将目标模式嵌入到来自不同类别的图像中，形成文本 - 图像对以生成多样化的输出。

原创 DDIM原理

原创 GNN学习

传统的神经网络解决不了，输入不同应该怎么办。GCN的输入是：各节点的特征 和 邻接矩阵很多图的任务并不一定是有监督学习，是半监督学习比如说下图中针对点，红色的点有标签，？的点没有标签；所以针对图的数据，有些点没有标签是可以的。

原创 读论文-BadDiffusion

这样，模型就能更好地学习从噪声中恢复数据的过程，即扩散过程的逆过程。正常的扩散模型损失函数：最小化高斯转换和后验分布这两个分布之间的差距。损失函数的目的是在训练过程中调整模型参数 θ，使得模型预测的噪声。尽可能接近真实的噪声。

原创 扩散模型学习笔记

也就是说同时掷两个骰子然后点数之和的概率分布，等于单独掷一个骰子两次后叠加的概率分布，只要知道掷两个骰子然后点数之和的概率分布，就只需要采样一次即可，所以我们现在需要知道掷两个骰子然后点数之和的概率分布。一张常见的图片，以RGB24格式为例，图片由像素组成，每一个像素对应着一个颜色，这个颜色有3个通道，每个通道取值范围[0，255]，表示红绿蓝三个颜色的比重。都表示的是服从正态分布的随机数，然后前面乘上下图的系数，根据正态分布的性质我们知道，这个乘积仍然是服从正态分布的。然后用下面的式子替换掉上面的。

原创 李宏毅2022深度学习与机器学习笔记（一）

梯度下降：首先假设函数只有一个未知参数w，然后随机选取一个初始值w0，然后计算函数在w0的导数，然后更新w0得到w1，然后计算函数在w1点处的导数，然后更新w1得到w2，然后一次类推，不断的迭代更新参数w，直到在某一点w处的函数的导数等于0，或者预先设置了一个迭代次数，达到了这个迭代次数，就停止更新w的值，也许会存在局部最小值的情况，但是线性模型当中不存在这个问题。有了训练数据之后，需要评估一个函数的好坏，也就是一组参数的好坏，对于损失函数LOSS来说，输入是一组参数，输出表示这一组参数有多么的坏。

转载 攻防世界-MISC：glance-50题解

使用python代码：代码参考：【向生活低头】用python提取gif动图的每一帧为png格式_gif读取 python-优快云博客使用convert工具：于是得到200张png图片：使用montage工具