- 博客(22)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 pytorch---Cosine learning rate scheduler
余弦学习率衰减公式：需要用到lambda 表达式：lambda：epoch: (epoch / 40) if epoch < 40else 0.5 * (math.cos(40/100) * math.pi) + 1)初始学习率为lr=10^-3如果是总的100个epoch，只使用后60个应用余弦学习率衰减，那么前40个不作cosine计算，前40个epoch的学习率为：lr1=epoch/40*lr， 那么后60个epoch适用0.5 * (math.cos(40/100).
2021-09-08 20:38:04
3534
原创 pytorch图像加载问题
使用pytorch制作图像数据集时，需要将存储在磁盘、硬盘的图像读取到内存中，涉及到图像I/O问题。在python中，图像处理主要采用的库：skimage, opencv-python, Pillow (PIL)。 这三个库均提供了图像读取的方法。三种主流图像处理库的比较：实验内容读取图像准备一张测试图像，彩色32bitimport matplotlib.pyplot as pltimport skimage.io as ioimport cv2from PIL impo
2021-07-27 15:18:50
748
原创 深度学习训练时GPU利用率忽高忽低问题
gpu利用率经常在0-99%之间跳动，找了一圈原因，可能是以下几点：1.数据预处理：CPU预处理太长，GPU空闲跟不上解决办法：可能是读数据或者数据预处理的时间过长，读数据部分可以尝试把全部或者部分数据放在内存，也可以放固态上。数据预处理部分有些变换是否可以固定，假如是图像数据，有些resize或者padding的操作是否可以离线处理好。适当调整dataloader读数据的线程数 pin_memory=4/8。...
2021-05-27 10:19:22
11893
2
原创 Linux下安装各种程序和遇到的问题解决方案汇总
1.pytorch安装安装完CUDA后，进入pytorch官网，https://pytorch.org/选取配置获取命令：pip3 install torch torchvision torchaudio网速非常差的，可以用镜像设置临时的Pip源命令如下：pip3 install torch torchvision torchaudio -i https://pypi.mirrors.ustc.edu.cn/simple/对是否安装成功进行测试：首先输入：python3...
2021-05-21 14:45:42
337
原创 2.2 Pytorch教程-数据操作
在Pytorch中，torch.Tensor是存储和变换数据的主要工具。“tensor”一般理解为“张量”，张量可以看作为一个多维数组。如矩阵为2维张量。1.创建tensor首先导入PyTorch：import torch(1)创建一个5x3未初始化的Tensor：x = torch.empty(5, 3)print(x)输出：(2)创建一个5x3的随机初始化的Tensor：x = torch.rand(5, 3)print(x)输出：(3)创建一个
2020-10-30 11:14:07
401
原创 Windows下成功安装PyTorch教程（国内镜像）以及PyCharm环境配置
安装步骤可分为以下几步：目录1. Anaconda下载2. Anaconda安装3. 显卡配置（无GPU可忽略）4. 有序管理环境5. 安装PyTorch6. 验证安装成功7. Pycharm下环境配置1. Anaconda下载 Anaconda是一个集成了常用于科学分析（机器学习，深度学习）的大量工具包。Anaconda的下载地址：地址。（个人使用的是python3.6，推荐3.6版本）推荐：Anaconda历史版本链接：点击这里，选择这个版本： A...
2020-06-23 11:33:43
493
原创 图像加密-光学加密方法
光学加密是一种典型高效的图像加密方法，其本质是通过光学变换过程，诸如干涉、衍射、成像等对明文图像的内在信息进行扰乱编码从而实现加密，达到良好的加密效果。 而在加密过程中，通常涉及到的属性包含波长、焦距、衍射距离、相位等属性，这些属性可以作为加密系统的多维密钥。 光学加密的优势在于：光学信息安全技术具有多维、大容量、设计自由度高、复杂度高等优点。 Refregier于...
2019-04-01 09:16:35
4571
6
原创 图像处理中梯度详解 及gradient()函数
图像在计算机中以数字图像的形式存储，即以数值矩阵的形式存在，形成了离散的数值信号，在此基础上，对于图像处理中的数值的多样性计算分析也影响着初步图像分析。1.图像梯度的定义图像函数f(x,y)在点(x,y)的梯度是一个具有大小和方向的矢量，设为Gx 和 Gy 分别表示x方向和y方向的梯度，这个梯度的矢量可以表示为：图像梯度：G(x,y)=dx i +dy j;dx(i,j)=Img(i+1,j)-I...
2018-06-23 09:08:02
12182
原创 1.ML-监督学习(supervised learning)与无监督学习(unsupervised learning)
1.1监督学习(supervised learning)初步定义：给定一个数据集，并且给定正确答案，数据集中的每个例子，算法将预测得到例子的“正确答案”。
2018-06-23 08:59:38
11576
原创 图像 结构张量(structure tensor)
结构张量(structure tensor) 主要用于区分图像的平坦区域、边缘区域与角点区域。此处的张量就是一个关于图像的结构矩阵，矩阵结构构成如下：Rx,Ry分别为图像的水平与垂直梯度，而后进行求矩阵T的行列式K与迹(trace)H。根据K与H的关系来求得区分图像的平坦、边缘与角点区域：平坦区域：H=0;边缘区域：H>0 && K=0;角点区域：H>0 &&a...
2018-05-15 21:34:30
13109
8
原创 Matlab中fspecial(), mean(), mean2(),std2() 用法及区别
1.fspecial()fspecial函数是创建预定义的滤波算子，语法格式为：h = fspecial(type)h = fspecial(type,parameters,sigma)参数type制定算子类型，parameters指定相应的参数，具体格式为：type='average'，为均值滤波，参数为n，代表模版尺寸，用向量表示，默认值为[3,3]。type= 'gaussian'，为高斯低...
2018-03-20 13:19:51
14357
1
原创 EPI(epipolar plane image)简介
EPI两个平面的参数化，分别为相机平面和图像平面，图像平面IIuv坐标(u,v)，相机平面IIst坐标(s,t)。在EPI中，每个相应的像素投射到平面中一条线上，两个平面中的两条线构成的斜率反映了场景点的深度，如下图：光线通过相机平面st，后穿过图像平面uv，形成众多的像素点，其中一点P便可投射到t*和v*的两条直线上，而△s与△u的比例变为EPI线的斜率。下图为在对实际图
2018-01-31 13:33:33
11601
10
原创 图像处理中 光场（Light Field）简介及理解
光场（Light Field ）是一个四维的参数化表示，是空间中同时包含位置和方向信息的四维光辐射场，简单地说，涵盖了光线在传播中的所有信息。光线携带二维位置信息( u，v)和二维方向信息( x，y)在光场中传递。
2017-12-31 17:51:47
21524
1
转载 梯度下降法（Gradient Descent）概述
原文出处：https://www.cnblogs.com/pinard/p/5970503.html 在求解机器学习算法的模型参数，即无约束优化问题时，梯度下降（Gradient Descent）是最常采用的方法之一，另一种常用的方法是最小二乘法。这里就对梯度下降法做一个完整的总结。1. 梯度 在微积分里面，对多元函数的参数求∂偏导数，把求得的各个参数的偏
2017-12-03 21:01:24
648
原创 HDU 1231 最大连续子序列
Problem Description给定K个整数的序列{ N1, N2, ..., NK }，其任意连续子序列可表示为{ Ni, Ni+1, ...,Nj }，其中 1 例如给定序列{ -2, 11, -4, 13, -5, -2 }，其最大连续子序列为{ 11, -4, 13 }，最大和 为20。 在今年的数据结构考卷中，要求编写程序得到最大和，现在增加一个要求，即
2017-12-02 11:06:48
301
原创 数学期望、方差、矩（moments）、倾斜度（skewness）及峰度（kurtosis）的理解及c/c++实现
在概率论中期望，方差等是基础知识点，下面简单介绍一下个人所理解的几点及实现过程，如有错误之处请指出，仅供学习参考。转载请注明出处。1.分布函数2.概率密度函数直意为对分布函数的求导，数学公式如下，3.数学期望式1表示为离散的，2为连续。4.矩（moments）5.方差与矩的关系方差主要表示随机变量围绕中心值的散布程度。
2017-11-26 10:47:13
15225
原创 acm 不容易系列 信封问题 c++实现
大家常常感慨，要做好一件事情真的不容易，确实，失败比成功容易多了！ 做好“一件”事情尚且不易，若想永远成功而总从不失败，那更是难上加难了，就像花钱总是比挣钱容易的道理一样。 话虽这样说，我还是要告诉大家，要想失败到一定程度也是不容易的。比如，我高中的时候，就有一个神奇的女生，在英语考试的时候，竟然把40个单项选择题全部做错了！大家都学过概率论，应该知道出现这种情况的概率，所以至今我都觉得这
2017-10-16 23:40:45
716
1
原创 acm 输入输出处理入门 A+B（I） C++实现
最近在vjudge上做了一些简单算法入门题目练习，下面进行一个简单的整理归纳，希望与大家一起分享，程序中难免有不足之处，敬请见谅！A+B for Input-Output Practice (I) Your task is to Calculate a + b. Too easy?! Of course! I specially designed the
2017-09-25 21:55:38
2279
转载 UML类图实例分析
首先是复习一下UML中九种图的理解：http://xhf123456789plain.blog.163.com/blog/static/172880482201192222144421/画用例图：http://xhf123456789plain.blog.163.com/blog/static/172880482201192221826110/下面是类图的实例（好像大话设计中有）：
2016-06-15 14:57:12
1370
原创 UML工具Rose出现 “relation from A to B would cause an Invalid circular inheritance"“。
最近一直在用Rational Rose 做UML图，碰到的一个小问题，分享一下解决办法。Rational Rose出现 “relation from A to B would cause an Invalidcircular inheritance /realizationcombination”(关系从A到B将会导致一个无效的继承或者实现组合)解决方法。出现这种情况往
2016-06-15 14:49:12
1755
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人