便纵有千种风情

原创 原点矩与中心矩

K阶原点矩: E(xk)E(x^k)E(xk),1阶原点矩是数学期望。K阶中心矩: E(x−E(x))kE(x-E(x))^kE(x−E(x))k,2阶原点矩是方差。

原创 主子式、顺序主子式、余子式、代数余子式

K阶主子式[1]^{[1]}[1]以3阶行列式为例：[a1a2a3b1b2b3c1c2c3]\begin{bmatrix} a_1 & a_2 & a_3 \\ b_1 & b_2 & b_3\\ c_1 & c_2 & c_3 \end{bmatrix}⎣⎡​a1​b1​c1​​a2​b2​...

原创 MATLAB imshow()函数

imshow(I,[low high]) 显示灰度图像 I，以二元素向量 [low high] 形式指定显示范围。显示灰度图像的范围，指定为 [low high] 形式的二元素向量。imshow 函数将值 low（以及任何小于 low 的值）显示为黑色，并将值 high（以及任何大于 high 的值）显示为白色。使用默认数量的灰度级别时，介于 low 和 high 之间的值显示为灰色的中间色调...

原创 python、PyTorch图像读取与numpy转换

Tensor转为numpynp.array(Tensor)numpy转换为Tensortorch.Tensor(numpy.darray)PIL.Image.Image转换成numpynp.array(PIL.Image.Image)numpy 转换成PIL.Image.ImageImage.fromarray(numpy.ndarray)首先需要保证n...

转载 一个简单实例的LR分析过程

一个简单实例的LR分析过程　　经过前面两篇文章。已经讲清楚了LR语法分析中最重要的分析表的构造过程。先补充一个小问题，就是LR(0)项目的分类　　　　根据圆点所在的位置和圆点后是终结符还是非终结符或为空把项目分为以下几种：　　　　移进项目： 形如 A→α .a β ，a是终结符, a ,b∈V* 以下同　　待约项目：A→α .B β , 其中B是非终结符　

转载 LR(0)和SLR分析表的构造

LR(0)和SLR分析表的构造上篇文章中，我已经说到了，LR(0)分析表是LR(0)分析器的重要组成部分，它是总控程序分析动作的依据，他是由LR(0)项目集规范族来进行构造的。他的结构主要有两个部分ACTION 和GOTO　　　　先看看指导原则，可以直接跳过，看例题的时候可以返回来对照参考。　　　　假设已构造出LR(0)项目集规范族为：C={I0,I1, …

原创 【无标题】 torchrun命令报错

usr/bin/env python 改成。path/to/python 即可。

原创 Leetcode 295. 数据流的中位数

leetcode 295. 数据流的中位数

原创 Leetecode 661. 图片平滑器

Leetcode 661

原创 P8074 [COCI2009-2010#7] SVEMIR 最小生成树

P8074 [COCI2009-2010#7] SVEMIR 最小生成树

原创 P1196 [NOI2002] 银河英雄传说 带权并查集

P1196 [NOI2002] 银河英雄传说 带权并查集

原创 numpy.asarray与numpy.array

y=np.array(x)np.array() 输入x的改变不影响输出ynp.asarray() 输入x的改变影响输出y import numpy as np a=torch.ones([4,4]) b=np.asarray(a) print(a) print(b) a.zero_() print(a) print(b)tensor([[1., 1., 1., 1.],[1., 1., 1., 1.],[1., 1., 1., 1.],[1., 1., 1., 1.]])

原创 pytorch log

torch.log() 底数为etorch.log10() 底数为10nn.LogSoftmax() 先softmax后取log 底数为eimport torch.nn as nn m=nn.Softmax(dim=1)input = torch.randn(2, 3)print(input)output = m(input)print(output)print(torch.log10(output))print(torch.log(output))tensor([[-0.472

原创 Informative Sample Mining Network for Multi-Domain Image-to-Image Translation

Jie Cao, Huaibo Huang, Yi Li, Ran He, Zhenan Sun. Informative Sample Mining Network for Multi-Domain Image-to-Image Translation. arXiv:2001.01173 (2020).

原创 Learning disentangling and fusing networks for face completion under structured occlusions

Li, Zhihang, et al. Learning disentangling and fusing networks for face completion under structured occlusions.Pattern Recognition 99 (2020): 107073.

原创 DR-GAN (CVPR 2017, Disentangled Representation Learning GAN for Pose-Invariant Face Recognition)

原创 Leave-One-Out Cross-Validation

10折交叉验证（10-fold Cross Validation）使用这种方法，我们将数据集随机分成10份，使用其中9份进行训练而将另外1份用作测试。该过程可以重复10次，每次使用的测试数据不同。Leave-One-Out Cross-Validation数据集中有n个样本点时，n折交叉验被称为留一法。优点是稳定，同一个分类器和数据集用Leave-One-Out计算多次结果是一样的。缺点...

原创 Layer Normalization

论文： Jimmy Lei Ba, Jamie Ryan Kiros, Geoffrey E. Hinton. Layer Normalization. arXiv:1607.06450Batch normalization对每个channel或者hidden unit，求输入(mini-)batch上所有样本在这个channel上的均值和标准差。之后根据每个channel上的均值和...

原创 Transferrable Prototypical Networks for Unsupervised Domain Adaptation (CVPR 2019)

Transferrable Prototypical Networks for Unsupervised Domain Adaptation论文: Yingwei Pan, Ting Yao, Yehao Li, Yu Wang, Chong-Wah Ngo, Tao Mei. Transferrable Prototypical Networks for Unsupervised Domain...

原创 Progressive Feature Alignment for Unsupervised Domain Adaptation-CVPR2019.md

Progressive Feature Alignment for Unsupervised Domain Adaptation (CVPR2019)提出了一个逐步特征对齐网络 Progressive Feature Alignment Network (PFAN)去解决原域有标签、目标域无标签的无监督domain adaptation分类问题：Easy-to-Hard 迁移策略 (EHT...

原创 Face photo recognition using sketch (人脸画像合成)

paper(原文): Xiaoou Tang, Xiaogang Wang. “Face photo recognition using sketch.” Proceedings. International Conference on Image Processing. Vol. 1. IEEE, 2002.1. eigenface1.1利用协方差矩阵得到eigenvectors(也称为e...

原创 SSIM(structural similarity index) ---图像质量评价指标之结构相似性

Zhou Wang, Alan C. Bovik, Hamid R. Sheikh, and Eero P. Simoncelli. Image Quality Assessment: From Error Visibility to Structural Similarity. IEEE TRANSACTIONS ON IMAGE PROCESSING, VOL. 13, NO. 4, APRI...

原创 Universal Style Transfer via Feature Transforms (WCT，风格迁移，NIPS2017)

Li Y, Fang C, Yang J, et al. Universal Style Transfer via Feature Transforms. NIPS 2017风格迁移的关键问题是如何提取有效果的风格特征并且让输入的内容图像去匹配这种风格。前人的工作证明了协方差矩阵和Gram矩阵能较好地反映视觉风格。基于优化的风格迁移方法，可以处理任意风格并且达到满意的效果但是计算代价太大(时间...

原创 Diversified texture synthesis with feed-forward networks (纹理生成、风格迁移,CVPR2017)

paper: Li, Yijun, et al. “Diversified texture synthesis with feed-forward networks.” IEEE CVPR 2017.目前的判别和生成模型在纹理合成方面有较好的效果。但是，现存的基于前馈神经网络的方法往往牺牲generality(普遍性)来换取效率，这往往会引发以下问题： 1） 训练出的网络缺少generality...

原创 Adaptive Instance Normalization (AdaIN Normalization) ICCV 2017

paper: Huang, Xun, and Serge Belongie. “Arbitrary style transfer in real-time with adaptive instance normalization.” ICCV 2017.论文首先回顾了Batch Normalization和Instance Normalization1. Batch Normalization...

原创 A Content Transformation Block for Image Style Transfer (CVPR2019, 风格迁移)

Kotovenko, Dmytro, et al. “A Content Transformation Block for Image Style Transfer.” CVPR 2019.风格迁移问题: X→YX \rightarrow YX→Y 。源域为XXX，目标域为YYY本文中EEE为Encoder，主要负责提取图像内容信息，换句话说也就是去风格化。DDD为Decoder，主要负责将...

原创 Unsupervised pixel-level domain adaptation with generative adversarial networks (DA+ 图像转换)

**Bousmalis, Konstantinos, et al. “Unsupervised pixel-level domain adaptation with generative adversarial networks.” CVPR2017. **问题背景：将原域的图像转换到目标域。已知源域的图像类别标签，对于目标域的图像标签未知。损失函数1. 域对抗损失：2. 分类损失...

原创 Discriminative deep metric learning for face verification in the wild 度量学习(CVPR2014)

Hu, Junlin, Jiwen Lu, and Yap-Peng Tan. “Discriminative deep metric learning for face verification in the wild.” CVPR 2014. (度量学习用于Face Verification：)马氏距离：其中MMM是一个d×dd \times dd×d的半正定矩阵，根据Choleskey...

原创 马氏距离

1. 协方差矩阵是半正定矩阵对于向量xxx,设其均值为uuu。那么协方差矩阵Σ=E[(x−u)(x−u)T]\Sigma=E[(x-u)(x-u)^T]Σ=E[(x−u)(x−u)T]yTΣy=yTE[(x−u)(x−u)T]y=E[yT(x−u)(x−u)Ty]=E[((x−u)Ty)T(x−u)Ty]=E[∣∣(x−y)Ty∣∣2]≥0\begin{aligned}y^T\Sigma ...

原创 Unsupervised domain adaptation with residual transfer networks(NIPS 2016)

Long, Mingsheng, et al. “Unsupervised domain adaptation with residual transfer networks.” Advances in Neural Information Processing Systems. 2016.问题：domain adaptation用于分类问题。其中source domain具有label，ta...

原创 Deep coral: Correlation alignment for deep domain adaptation. ECCV 2016. Domain Adaptation

** Sun, Baochen, and Kate Saenko. “Deep coral: Correlation alignment for deep domain adaptation.” ECCV. Springer, Cham, 2016. **结构如图：两个损失函数：其中LCLASS\mathcal{L}_{CLASS}LCLASS​为分类损失，LCORAL\mathcal{...

原创 Domain Separation Networks (NIPS 2016)

Bousmalis, K., Trigeorgis, G., Silberman, N., Krishnan, D., & Erhan, D. (2016). Domain separation networks. NIPS 2016.网络结构：输入图像为xxx。对于target domain 有两个特征提取网络： Ec(x),Eps(xs)E_c(x),E_p^s(x^s)Ec​...

原创 Beyond sharing weights for deep domain adaptation (PAMI 2018) ---Transfer Learning

Rozantsev, Artem, Mathieu Salzmann, and Pascal Fua. “Beyond sharing weights for deep domain adaptation.” IEEE transactions on pattern analysis and machine intelligence 41.4 (2018): 801-814. (Domain Ad...

原创 Deep Domain Confusion: Maximizing for Domain Invariance

Tzeng E , Hoffman J , Zhang N , et al. Deep Domain Confusion: Maximizing for Domain Invariance[J]. Computer Science, 2014.主要使用两个损失函数：1） 对于source domain上（默认有label）数据 （以及target domain上有label的数据）的分类误差进...

原创 笔记： Gradient Reversal Layer (unsupervised domain adaptation by backpropagation. ICML 2015)

paper: Ganin, Yaroslav, and Victor Lempitsky. “Unsupervised domain adaptation by backpropagation.” ICML 37. JMLR. org, 2015.论文用**domain adaptation **算法解决目标域无标签的分类问题。文章假设source domain有数据xxx,和label yyy...

原创 PyTorch 模型参数和optimizer

网络参数 ( parameters()和named_parameters())model为网络，打印层结构：ret=[*model.modules()]for layer in ret: #print(type(layer)) print(layer.__class__)大概会输出这样的一个效果：<class ‘main.ResNet’>...

原创 pandas读取csv并绘制散点图

读取loc='checkpoints/mnist_vae2/mu_and_sigma.csv'import pandas as pdimport numpy as npX=pd.DataFrame.from_csv(loc)#X = X.sort_index(by='label') 按照label排序X = X.values #转换成熟悉的numpy绘制import matpl...

原创 frp内网穿透实例

（目前仅实现了SSH功能）问题： 具有公网IP的计算机A需要访问仅有内网IP的gpu服务器C。情况: 本来想通过具有内网和外网ip的跳板机D实现转发。但不知D做了何种设置，A始终连不上D。解决方案： 使用了一台具有公网ip的云服务器B。保证A与B能ping通。在B和C之间建立frp。具有公网ip的B作为服务端，gpu服务器C作为客户端。配置文件frps.ini (B中配置):[com...

原创 多元高斯分布/多元正态分布

这些知识，动不动就忘。为了不白选了一门数学课，还是把他记下来。f(x)=1(2π)n/2∣C∣12exp{(x−μ)TC−1(x−μ)}f(x)= \frac{1}{ (2\pi)^{n/2} {|C|}^{\frac{1}{2}}}exp\{ (x-\mu)^T C^{-1} (x-\mu) \}f(x)=(2π)n/2∣C∣21​1​exp{(x−μ)TC−1(x−μ)}，其中 CCC为协方...

原创 Tensorflow 教程笔记---Custom layers

import tensorflow as tftf.enable_eager_execution()Layers: common sets of useful operations# In the tf.keras.layers package, layers are objects. To construct a layer,# simply construct the object...