3 ChaoFeiLi

尚未进行身份认证

我要认证

暂无相关简介

等级
TA的排名 3w+

最全的CSE-CIC-IDS2018 下载

前言复现论文,CSE-CIC-IDS2018全部有452.8GiB,所幸有处理好的CSV文件,2018的合计有6GiB左右;四处找寻不到,CSDN会员资源下载下来里面是不对的内容,没办法自己去官网下载,过程不易,特总结一下方法,以及分享我下载的2018数据集。我采用的下载办法,是用windows系统下的下载【1】官网下载AWS工具或者用我下载下来的(,windows64位)【2】 在aws的安装文件夹中打开cmd命令窗口,运行:...

2020-10-15 16:55:21

PyTorch 的 Autograd学习

https://zhuanlan.zhihu.com/p/69294347https://zhuanlan.zhihu.com/p/67184419

2020-10-08 22:01:34

如何区分并记住常见的几种 Normalization 算法

神经网络中有各种归一化算法:Batch Normalization (BN)、Layer Normalization (LN)、Instance Normalization (IN)、Group Normalization (GN)。从公式看它们都差不多,如 (1) 所示:无非是减去均值,除以标准差,再施以线性映射。Batch Normalization (BN)# coding=utf8import torchfrom torch import nn# track_r...

2020-10-07 14:42:40

running_mean和running_var的计算方式

参考链接:https://www.johndcook.com/blog/standard_deviation/https://www.zhihu.com/question/314505455/answer/1025527665两种计算方差的公式第一种:第二种 :均值的计算方法在线计算附上代码:class RunningStat { public: RunningStat() : m_n(0) {} ..

2020-10-07 11:03:12

MAML代码踩坑

本文是在自己电脑上学习MAML,使用CPU跑的数据首先已经进行了数据预处理,同时已经形成了.npy文件加载数据import torchimport numpy as npimport osroot_dir = 'D:\A_Datasets\omniglot\python'img_list = np.load(os.path.join(root_dir, 'omniglot.npy')) # (1623, 20, 1, 28, 28)x_train = img_list[:..

2020-10-06 22:30:57

小样本数据集介绍

本篇对小样本学习常用数据集进行介绍,由于本人理解问题,可能还存在误差。1、OmniglotOmniglot数据集包含来自50个不同字母的1623个不同手写字符。每一个字符都是由20个不同的人通过亚马逊的 Mechanical Turk 在线绘制的。相当于1623个类,每类20个样本。对于one shot来说,support_num_per_class = 1,query_num_per_class= 19。每个图像都与笔画数据配对, 坐标序列为[x, y, t][x,y,t...

2020-10-06 20:41:39

元学习简单介绍

元学习在元学习过程中,模型在元训练集中学习不同的任务。在该过程中存在两种优化:学习新任务的学习者(器)和训练学习者的元学习者。元学习方法通常属于下面三个范畴中的一个:循环模型(recurrent model)、度量学习(metric learning)和学习优化器(learning optimizer)(三种元学习方法)。循环模型这种元学习方法训练一个循环模型(即LSTM),模型从数据集中获取序列输入,然后处理任务中新的输入。在图像分类设置中,这可能包括从(图像、标签)对数据集中获取序列输入,.

2020-10-06 20:14:23

pytorch从F.softmax(dim)

参考博客https://blog.csdn.net/xinjieyuan/article/details/105346381

2020-10-06 10:50:33

使用对抗样本的攻击过程

参考文献:针对恶意代码分类模型的对抗技术研究1、首次提出了一种基于灰度图像的对抗样本攻击算法,生成可执行的对抗样本,用以攻击基于机器学习的以灰度图像为分类依据的恶意代码分类模型。本文首先以灰度图像为依据,修改了One Pixel Attack算法用以生成图像对抗样本,然后将图像对抗样本映射回代码形式,打包成为Android可运行程序,即生成的对抗样本可以通过程序的形式安装、运行。传播,具有现实的攻击意义。对上述算法进行实验验证。首先在Derbin样本集上进行以灰度图像为分类依据的恶意代码分类训练,以得到

2020-09-29 17:17:26

恶意软件检测技术综述

目录恶意软件检测技术综述摘要第一章绪论第二章理论准备2.1恶意软件检测技术与恶意软件检测器2.2恶意软件检测研究现状2.2.1基于异常的检测研究现状2.2.2基于签名的检测研究现状第三章从计算机系统结构看恶意软件检测第四章总结恶意软件检测技术综述摘要本文介绍了恶意软件、恶意软件探测技术和探测器的定义,以及研究它们的现实意义。概述了恶意软件探测技术的具体分类和各个类别的研究现状。结合研究现状,总结了软件探测器性能损耗高,覆盖范围有限的特点...

2020-09-29 15:15:26

NVIDIA驱动安装与卸载+ 查看内核版本信息+实时查看GPU信息+搭建多个Cuda环境

NVIDIA驱动安装与卸载:两种方式1.卸载掉原有驱动: sudo apt-get remove nvidia-* //若安装过其他版本或其他方式安装过驱动执行此项)2.给驱动run文件赋予执行权限: sudo chmod a+x NVIDIA-Linux-x86_64-440.31.run3.安装 ./NVIDIA-Linux-x86_64-440.31.run -no-x-check -no-nouveau-check -no-opengl-files//只有禁用opengl这样安

2020-09-28 21:16:28

Ubuntu中Failed to initialize NVML: Driver/library version mismatch问题的解决

目录问题描述问题根源解决方案问题描述nvidia-smi问题根源NVIDIA 内核驱动版本与系统驱动不一致解决方案以下是我的解决方案,卸载电脑驱动,重装415版本与nvidia 内核版本匹配输入下条命令,查看你的显卡驱动所使用的内核版本cat /proc/driver/nvidia/version可以看出Kernel Module 为415.27输入下条命令,查看电脑驱动cat /var/log/dpkg.log | grep n.

2020-09-28 09:44:23

Pycharm远程服务器的Path mapping

当我打开一个工程的时候,想要调用远程的服务器。我当时已经配置了Project Interpreter,而且Path mapping我当时设置的是一个tmp存储。然后无法运行。解决方法:本地工程是:pytorchtest,然后远程工程是:/Project/pytorchtest。需要pytorchtest里面的所有内容都上传到/Project/pytorchtest。这样在这两个之间做好映射,就可以。...

2020-09-28 09:35:07

类中的__init__,__call__,__len__,__getitem__,__setitem__,__delitem__函数

目录自己认为的:参考别人的:对应于(自己认为的)那部分的代码自己认为的:在下面的代码中,用到了类,其中类中的__init__(self, output_size)和__call__(self, output_size)函数,介绍一下。当我一遍一遍的debug的时候,scale = Rescale(256)中的256赋值output_size,进行的是初始化。而没有调用__call__()。scale = Rescale(256)crop = RandomCrop(1..

2020-09-28 09:17:40

了解Cookie(强烈推荐)

https://blog.csdn.net/f45056231p/article/details/88837058https://blog.csdn.net/playboyanta123/article/details/79464684目录Cookie的诞生Cookie的处理分为:服务器端的发送与解析发送cookiecookie 是怎么工作的?Cookie是由服务器端生成,发送给User-Agent,浏览器会将Cookie的key/value保存到某个目录下的文本文件内,下次

2020-09-27 19:56:35

XSS(跨站脚本)漏洞详解

参考链接:https://blog.csdn.net/qq_35393693/article/details/86597707XSS的原理和分类跨站脚本攻击XSS(Cross Site Scripting),为了不和层叠样式表(Cascading Style Sheets, CSS)的缩写混淆,故将跨站脚本攻击缩写为XSS。恶意攻击者往Web页面里插入恶意Script代码,当用户浏览该页之时,嵌入其中Web里面的Script代码会被执行,从而达到恶意攻击用户的目的。XSS攻击针对的是用户层面的攻击!

2020-09-27 19:32:08

cuda版本和NVIDIA兼容性问题

安装了cuda 10.2,结果告诉我不兼容,所以重新安装一下cuda 10.0http://chaofei.baiduux.com/h5/zh-lcf.html

2020-09-26 20:06:58

网络安全攻击防御体系

2020-09-22 21:57:03

网络安全攻击与防护

2020-09-22 20:00:42

初认联邦学习—背景和框架介绍

1 背景介绍1.1 人工智能的遇到的困境(1)数据孤岛问题。一个AI项目可能涉及多个领域,需要融合各个公司、各个部门的数据。(比如研究居民线上消费问题,需要各个消费平台的数据,可能还需要银行数据等等)但在现实中想要将分散在各地、各个机构的数据进行整合几乎是不可能的。(2)数据隐私问题。GDPR的出台,使得各方对数据所有权和隐私性的关注越来越多,对用户隐私和安全管理日趋严格,拿不到赖以生存的数据集。GDPR:2018年欧洲联盟出台《通用数据保护条例》。旨在保护用户的个人隐私和数据安全。用户可以删除

2020-09-22 09:58:26

查看更多

勋章 我的勋章
  • 领英
    领英
    绑定领英第三方账户获取
  • GitHub
    GitHub
    绑定GitHub第三方账户获取
  • 签到新秀
    签到新秀
    累计签到获取,不积跬步,无以至千里,继续坚持!
  • 阅读者勋章Lv1
    阅读者勋章Lv1
    授予在CSDN APP累计阅读博文达到3天的你,是你的坚持与努力,使你超越了昨天的自己。
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 勤写标兵Lv4
    勤写标兵Lv4
    授予每个自然周发布9篇以上(包括9篇)原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。