- 博客(102)
- 资源 (19)
- 收藏
- 关注
原创 最全的深度学习回归损失函数
这种损失的问题是,有时误差可能会在单个样本之间抵消,导致零损失,这可能会产生误导。这种损失在行为上非常接近Huber损失,因为它对于非常大的误差值具有线性行为,而对于小的损失值具有二次性行为。这里的好处是,您不必像Huber损失的情况那样决定阈值的值。损失函数与标度无关,因为它是两个对数值的差,这与值的比值的对数相同。接近零的值,其中零是最佳值,是一个好模型的特征。对于超过阈值的损失值,损失是线性的,否则是二次的。损失函数与标度无关,因为它是两个对数值的差,这与值的比值的对数相同。
2023-12-05 10:42:45 198
原创 使用python发邮件
该代码是我程序完成,然后它会自动发一封邮件,并且通过sys.argv将程序相关设置写到邮箱里。使用python发邮件,下面是代码,我使用的是。
2023-11-30 15:53:54 193
原创 python获取网络时间,0延时
在我的一个中,自定义了一个定时执行程序的功能,但是有很多服务器跟网络时间是不同的,或快或慢,那么如何用网络时间进行定时呐。
2023-11-30 15:19:50 319
原创 python监控显卡显存
在工作组中,经常会遇到多人争抢显卡的情况,僧多肉少,所以可以做个监控显卡的头部程序,然后再调取主程序训练模型。当显卡的剩余显存大于40GB的时候,才可以执行下面的程序,否则将等待1分钟(可以根据自己情况设置)。下面使用pynvml可以查看显卡总共多少显存,剩余多少显存,以及已用多少显存。
2023-11-30 14:39:17 379
原创 python定时执行程序
我们知道,python可以使用os库来执行终端命令,python的time库下有一个sleep函数,可以实现程序暂停。逻辑:让程序sleep到你需要启动的时刻某年某月某日某时某分某秒,假设到公元2111年11月11号 11时11分11秒(上述代码就是到公元2111年11月11号 11时11分11秒开始执行data.py文件。可以借用python的另一个默认安装的datetime库。上述代码就是运行5秒后再运行data.py文件。,且该程序一直在运行。
2023-11-30 09:38:18 55
原创 干涉阵相关知识
当理想的点光源通过光学系统成像时,由于衍射、光学像差和系统不完美等多种因素的影响,它在图像平面上不会呈现为完美的点,而会出现光的扩散或模糊,即点扩散函数。因此它反映了光学系统中的模糊效应。在射电干涉测量中,观测到的结果被称为“脏图像”,即包含了观测过程中的噪声、干扰和所观测源的真实辐射分布。这是由于干涉测量的性质引起的,射电数据的组合和采集过程导致了干涉仪的模糊效应和噪声。脏图像(Dirty Image): 脏图像是在射电干涉测量中观测到的图像,它是真实图像和仪器效应(包括PSF和站波束)的组合结果。
2023-09-07 16:59:03 442
原创 最快卷积操作:公式证明傅里叶变换与卷积等效
这个公式的含义是,将一个信号(f(t))和另一个信号(g(t))反向后移位,然后以每个τ的位置进行乘积并对每个τ积分,最后得到积分值作为卷积函数(h(t))在时间点(t)的值。卷积函数 h(t) 描述的是信号 f(t) 和 g(t) 重叠部分的积分,因此卷积函数 h(t) 反映了信号 f(t) 和 g(t) 之间的相互作用。可以看到,傅里叶变换把信号从时间域转换到频率域,它表示信号中各个频率分量的幅度和相位信息。假设有两个连续时间信号 F(t) 和 G(t),它们的卷积函数是 h(t)。
2023-06-21 17:30:22 291
原创 射电望远镜干涉阵模拟
首先模拟了一个干涉射电望远镜,它的两个天线之间有一个基线距离。我们首先定义了天线位置和天线响应函数,它描述了每个天线如何响应来自天空中不同方向的辐射。接下来,定义光源的坐标,计算 u 和 v 方向的采样频率,并在 u-v 平面上生成光源的傅里叶变换。我们使用 Sinc 函数将(u,v)数据插值到一个网格上并计算干涉测量信号的强度。最后,我们使用反傅里叶变换来获得 x-y 平面上的图像。图像显示了来自源头的无线电发射的强度。可以调整模拟参数,例如基线长度、频率和源的坐标,以检查对结果图像的影响。
2023-06-05 14:02:53 49
原创 深度学习的超参数调整
在深度学习中,超参数有很多种,比如:网络宽度(层宽)、深度(层数),链接方式、损失函数、学习率、批样本数量、优化器等等。对于一个工作来说,对其一一调整是非常浪费时间的,并且也不符合实际。因此我们需要对每个超参数对结果的影响有一个大致了解。#mermaid-svg-ttMBcFL2iL6C0VZQ {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-ttMBcFL2iL6C0V
2022-05-01 01:30:00 3848
原创 tensorlfow 卷积操作解释
解释一下:tf.keras.layers.Conv2D( filters, kernel_size, strides=(1, 1), padding='valid', data_format=None, dilation_rate=(1, 1), groups=1, activation=None, use_bias=True, kernel_initializer='glorot_uniform', bias_ini
2022-04-23 23:20:11 2781 2
原创 深度学习中初始化权重
对于一个神经元来说,需要初始化的参数有两类:一类是权重W,还有一类是偏置b,虽然偏置b的初始化为可以使用0或者随机书代替,但是权重的初始化会对模型的训练有重要影响。文章目录tensorflow 权重初始化方法常见的初始化方法初始化与激活函数权重的初始化最好不要用零或随机数初始化权重,因为如果初始权重太小,则信号在穿过每一层时会收缩,会导致小而无用。如果初始权重太大,则信号在穿过每一层时会不断增长,直到其太大而无法使用为止。tensorflow 权重初始化方法这是tensorflow 2中的初始化权.
2022-04-21 22:11:42 3742
原创 欠拟合、过拟合、训练误差与泛化误差与模型复杂度的关系
文章目录相关定义欠拟合解决方案过拟合解决方案相关定义训练误差: 模型在训练数据集上表现出的误差。泛化误差: 模型在任意⼀个测试数据样本上表现出的误差的期望,并常常通过测试数据集上的误差来近似,这里可以理解成测试集。欠拟合: 模型⽆法得到较低的训练误差。过拟合: 模型的训练误差远小于它在测试数据集上的误差。通过上面的图,可以简单推出:loss不下降,分多种情况:训练集不下降,验证集不下降,本文结合其它博客,做个小的总结:训练损失与测试损失结果分析训练损失不断下降↓\downarrow↓
2022-04-20 19:08:21 4588 1
原创 解决数据遇到缺失值(NAN)问题
文章目录NAN概述什么是NaN值?NaN值是怎样的危险?如何处理它们?测试!处理方法方法1: 直接删除方法2. 用0/平均值/中位数替换方法3. 指定一个独特的类别方法4:用最邻近算法KNN进行估算方法5:用随机森林算法(Randforest)进行估算方法6:用MICE进行代偿在做大数据分析,特别是图像识别或者重构时,发现了一个可以破坏每个数据分析过程的障碍。这个障碍被称为数据科学和机器学习中的NaN值。在现实世界的数据中,有一些情况下,由于各种原因,例如,损坏的数据,未能加载信息,或不完整的提取,导致一
2022-04-14 17:16:31 8759
原创 机器学习中分类算法的优缺点
各种分类算法的优缺点算法优点缺点贝叶斯分类法1)所需估计的参数少,对于缺失数据不敏感。2)有着坚实的数学基础,以及稳定的分类效率。1)需要假设属性之间相互独立,这往往并不成立。(喜欢吃番茄、鸡蛋,却不喜欢吃番茄炒蛋)。2)需要知道先验概率。3)分类决策存在错误率。决策树1)不需要任何领域知识或参数假设。2)适合高维数据。3)简单易于理解。4)短时间内处理大量数据,得到可行且效果较好的结果。5)能够同时处理数据型和常规性属性。 6)一次构建,反复使用。 7)可以处理不相关特
2022-04-13 17:20:24 223
原创 matplotlib两个Y轴,共享X轴
正常会遇到要左右画图的情况,直接上代码import matplotlib.pyplot as pltimport matplotlib as mplimport numpy as npmpl.rcParams['font.sans-serif'] = ['FangSong']mpl.rcParams['axes.unicode_minus'] = Falset = np.arange(0.05, 10.0, 0.01)s1 = np.exp(t)s2 = np.cos(t)fig
2022-03-23 19:06:29 2820
原创 matplotlib各种简单绘图
文章目录函数bar()-用于绘制柱状图barh() - 用于绘制条形图函数hist() - 用于绘制直方图函数pie() - 绘制饼状图函数polar() - 绘制极线图函数 scatter() - 绘制气泡图函数 stem- 绘制棉棒图函数 boxplot() - 绘制箱型图函数 errorbar() - 绘制误差棒图函数bar()-用于绘制柱状图import matplotlib.pyplot as pltimport matplotlib as mplimport numpy as nppl
2022-03-23 18:28:31 792
原创 matplotlib图像绘制基础
文章目录1. 图像里的各种元素1. 图像里的各种元素在绘制图像时,会对图像有各种需求,比如线图、点图、横纵坐标、标题等等。
2022-03-18 21:39:20 2121
原创 宇宙学共动距离、光度距离以及物质功率谱的求解(astropy)
对于宇宙学和天文学的小伙伴来说,会经常遇到求解各种距离和物质功率谱等参数,如果自己写程序,要写不少行,至少我原来是这样的。那么如何更有效的得到这些参数呢?astropy发现很好用。具体网站该笔记与我的另外一个笔记类似,功能相同,但是库不同,可以参考一下:宇宙学colossus库介绍这里不做过多叙述,可以参考一下截图:...
2022-01-18 08:50:17 836 1
原创 宇宙学colossus库介绍
宇宙学中经常会用到求光度距离或者共动距离等相关参数,下面介绍一个比较好用的python库:colossus Cosmology这个模块是对标准FLRW宇宙学的实现,包括ΛCDM、wCDM和不同的暗能量状态方程等多种暗能量模型。宇宙学对象对来自暗物质、重子、曲率、光子、中微子和暗能量的贡献进行建模。在Colossus中,宇宙学是全局设置的,所有的函数都尊重这个全局宇宙学。Colossus不设置默认的宇宙学,这意味着用户在使用任何宇宙学函数或任何其他依赖宇宙学模块的函数之前必须设置一个宇宙学。本文档包含了
2022-01-18 08:43:29 621 6
原创 10.基数排序算法详解
基数排序(英语:Radix sort)是一种非比较型整数排序算法,其原理是将整数按位数切割成不同的数字,然后按每个位数分别比较。
2022-01-11 08:17:29 626
原创 7. 堆排序算法详解
堆排序是指利用堆这种数据结构所设计的一种排序算法。堆是一个近似完全二叉树的结构,并同时满足堆的性质:即子节点的键值或索引总是小于(或者大于)它的父节点。
2022-01-10 17:27:19 328
原创 6. 快速排序算法详解
快速排序使用分治法(Divide and conquer)策略来把一个序列(list)分为较小和较大的2个子序列,然后递归地排序两个子序列。
2022-01-10 17:26:36 415 1
原创 5. 归并排序算法详解
归并排序,是创建在归并操作上的一种有效的排序算法。1945年由约翰·冯·诺伊曼首次提出。该算法是采用分治法的一个非常典型的应用,且各层分治递归可以同时进行。
2022-01-10 17:25:51 367
原创 2. 选择排序算法详解
首先在未排序序列中找到最小(大)元素,存放到排序序列的起始位置;从剩余未排序元素中继续寻找最小(大)元素;然后放到已排序序列的末尾;以此类推,直到所有元素均排序完毕。
2022-01-10 17:22:18 443
原创 1. 冒泡排序算法详解
比较相邻的元素。如果第一个比第二个大,就交换它们两个。对每一对相邻元素作同样的工作,从开始第一对到结尾的最后一对。这步做完后,最后的元素会是最大的数。针对所有的元素重复以上的步骤,除了最后一个。持续每次对越来越少的元素重复上面的步骤,直到没有任何一对数字需要比较。
2022-01-10 17:21:06 764
原创 Healpy如何在每个像素上写标号
如何在Healpy天图上标上像素的坐标,示例如下:import matplotlibimport healpy as hpmatplotlib.rcParams.update({'font.size': 8})nside = 4mmap = np.arange(hp.nside2npix(nside))hp.mollview(mmap, title='', cbar=None)for i in range(len(testmap)): theta, phi = hp.pix2a
2022-01-06 19:47:28 707 7
原创 numpy实现数学中的各种积
数学中有很多种积,内积、外积、张量积、以及对应元素相乘1. 内积内积又叫标量积、数量级、点积、点乘,定义:a⋅b=∣a∣∣b∣cos∠(a,b)a\cdot b=|a||b|\cos\angle(a, b)a⋅b=∣a∣∣b∣cos∠(a,b)程序实现:import numpy as npa = np.arange(10)b = np.arange(10)print(np.dot(a, b))输出结果:285 # (1+2*2+3*3+4*4+5*5+6*6+7*7+8*8+9*
2022-01-06 15:56:30 1063
快排序程序实现,python实现,动态图实现
2022-01-25
归并排序算法,python实现,动态图
2022-01-25
希尔排序算法python实现,可实现动态图实现
2022-01-25
插入排序可视化动图排序
2022-01-11
选择排序可视化动图排序
2022-01-11
Linux 安装Easy Connect依赖的库 libpango
2021-12-29
ImageAssistant_1_62_1_0.crx
2021-03-22
params.ini
2020-04-10
COM_PowerSpect_CMB-TT-full_R3.01.txt
2020-03-25
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人