- 博客(19)
- 收藏
- 关注
RSS订阅原创 git上传文件到指定分支
1，新建分支git checkout -b <chen>2，选择要上传的文件所在的文件夹，右击选择git bash here;3，更新分支代码并提交git addgit commit -m "文件属性注释"git push origin <上传分支名>上传成功显示如下结果遇到问题总结：1）报一下错误解决：输入如下命令 git remote add origin [email protected]:NightRaid-Hill/study-reid.git
2022-03-16 15:32:08
4611
原创 QT+VS+Opencv制作界面显示图片
新建工程打开VS2019，文件->新建->项目，然后选择：模板->Visual C++ -> Qt -> Qt GUI Application，新建工程。然后创建然后创建QT GUI工程，一般按默认就好，根据需要可勾选其他的。属性页的头文件配置（qt和Opencv）打开项目的管理器属，右键选择X64的属性，如下图，进行配置项目-属性-VC++目录，这个就跟配置opencv一样的(1)设置包含目录C:\Qt\Qt5.9.6\5.9.6\msvc2015_64\i
2022-03-15 09:39:33
843
原创 如何防止google colab 掉线
colab理论上最多可以连续工作12小时，这之后就会再重新分配资源，但这之中也会存在因为网络原因或者过久没有交互而导致的disconnect的情况，因此上述内容主要是为了解决这种问题的。但是如果训练的时间本身就是超过12小时所以断开了，那就不适用了具体方法如下所示：首先调试出网页控制台（Console）按F12可找到：在这里插入然后在控制台内输入以下代码，敲回车键： function ConnectButton(){ console.log("Connect pushed");
2021-07-17 14:36:54
2336
原创 pip如何安装Dlib库
第一步：下载VS2019下载地址：VS2019安装时 选择自己需要的模块：安装完成以后重启第二步：打开cmd，输入命令pip install dlib -i https://pypi.mirrors.ustc.edu.cn/simple/，安装dlib安装成功，显示第三步：测试安装是否成功,输入以下命令：无错误，安装成功...
2021-07-09 18:53:56
3363
原创 使用Google colab的GPU
进入Google colab新建在初次使用过colab后，登录你的谷歌云盘，你就会发现可以新建Colaboratory了，新建它。new中可以新建folder，也可以新建colaboratory使用GPU修改>笔记本设置更改运行时类型（None，CPU，GPU）运行代码，挂载谷歌云盘这一步很重要，Colab的运行原理实际上就是给你分配一台远程的带GPU的主机，所以它的原始路径不是你的谷歌云盘（也就是你的代码文件）所在的路径。所以第一步我们先要把谷歌云盘挂载带到那台远程主机上：fro
2020-11-27 17:49:19
465
原创 tensorflow的可视化工具tensorboard的启动
tensorflow的可视化工具tensorboard的启动打开cmd窗口然后找到tensorboard.exe所在的位置，接着将这个路径复制下来，然后再cmd窗口中切换到刚刚复制的路径上去接着找到你想要打开可视化文件所在的位置接着在cmd窗口输入以下的命令，如下图所示。5.最后在浏览器中打开...
2020-11-10 16:36:00
138
原创 GAN基本思想
GAN全称对抗生成网络，顾名思义是生成模型的一种，而他的训练则是处于一种对抗博弈状态中的。下面举例来解释一下GAN的基本思想假如你是一名篮球运动员，你想在下次比赛中得到上场机会。于是在每一次训练赛之后你跟教练进行沟通：你：教练，我想打球教练：（评估你的训练赛表现之后）… 算了吧（你通过跟其他人比较，发现自己的运球很差，于是你苦练了一段时间）你：教练，我想打球教练：… 嗯 还不行（你发现大家投篮都很准，于是你苦练了一段时间的投篮）你：教练，我想打球教练： … 嗯 还有所欠缺（你发现你的
2020-10-24 11:09:50
917
原创 pycharm中导入pytorch
在命令行里面输入import torch是没有任何问题的但是每一次在pycharm里面import torch都会出现红色的小波浪线意味着导入失败解决方法：由于查找的python版本不对导致查找不到对应位置的包，因此查看了一下python的位置 ，Anaconda是在装pytorch框架的时候第一步给装上的 所以它对应的python应该在anaconda/python.exe 这个路径下面验证：输入代码：import torchx=torch.randn(3,5)print(x)
2020-10-13 17:22:29
3909
原创 运行tensorflow是出现的问题This TensorFlow binary is optimized with Intel(R) MKL-DNN to use the following CPU
2020-10-07 15:19:48.552933: I tensorflow/core/platform/cpu_feature_guard.cc:142] This TensorFlow binary is optimized with oneAPI Deep Neural Network Library (oneDNN)to use the following CPU instructions in performance-critical operations: AVX2To enable t
2020-10-07 15:22:40
12001
6
原创 梯度消失和梯度爆炸
1.为什么使用梯度下降来优化神经网络参数？反向传播（用于优化神网参数）：根据损失函数计算的误差通过反向传播的方式，指导深度网络参数的更新优化。采取反向传播的原因：首先，深层网络由许多线性层和非线性层堆叠而来，每一层非线性层都可以视为是一个非线性函数(非线性来自于非线性激活函数），因此整个深度网络可以视为是一个复合的非线性多元函数。我们最终的目的是希望这个非线性函数很好的完成输入到输出之间的映射，也就是找到让损失函数取得极小值。所以最终的问题就变成了一个寻找函数最小值的问题，在数学上，很自然的就会想到使
2020-10-06 09:27:35
178
原创 过拟合和欠拟合
无论在机器学习还是深度学习建模当中都可能会遇到两种最常见结果，一种叫过拟合（over-fitting ）另外一种叫欠拟合（under-fitting）。拟合（Fitting）：就是说这个曲线能不能很好的描述某些样本，并且有比较好的泛化能力。过拟合（Overfitting）： 所谓过拟合（over-fitting）其实就是所建的机器学习模型或者是深度学习模型在训练样本中表现得过于优越，导致在验证数据集以及测试数据集中表现不佳。过拟合就是学到了很多没必要的特征，比如你说的长得像猫的狗，和长得像狗的猫，其实
2020-09-30 11:23:48
735
原创 GAN网络
清晰度距离我的期待有距离。颜色上面存在差距。解决想法增加一个颜色判别器。将颜色值反馈给生成器srgan论文是建立在gan基础上的，利用gan生成式对抗网络，将图片重构为高清分辨率的图片。github上有开源的srgan项目。由于开源者，开发时考虑的问题更丰富，技巧更为高明，导致其代码都比较难以阅读和理解。在为了充分理解这个论文。这里结合论文，开源代码，和自己的理解重新写了个srgan高清分辨率模型。GAN原理在一个不断提高判断能力的判断器的持续反馈下，不断改善生成器的生成参数，直到生成器生
2020-09-29 20:50:40
246
原创 图像的上采样（upsampling）与下采样（subsampled）
缩小图像（或称为下采样（subsampled）或降采样（downsampled））的主要目的有两个：1）使得图像符合显示区域的大小2）生成对应图像的缩略图。放大图像（或称为上采样（upsampling）或图像插值（interpolating））的主要目的是：放大原图像,从而可以显示在更高分辨率的显示设备上。对图像的缩放操作并不能带来更多关于该图像的信息, 因此图像的质量将不可避免地受到影响。然而，确实有一些缩放方法能够增加图像的信息，从而使得缩放后的图像质量超过原图质量的。原理 下采样原理：对于
2020-09-29 19:52:55
141
原创 Python数据分析
1.改变数组的维度我们用ravel、flatten、reshape和resize函数对NumPy数组的维度进行了修改。2.数组的组合NumPy数组有水平组合、垂直组合和深度组合等多种组合方式，我们将使用vstack、dstack、hstack、column_stack、row_stack以及concatenate函数来完成数组的组合。...
2020-09-28 15:46:59
137
原创 AttributeError: ‘RandomWalk‘ object has no attribute ‘x_values‘
初始化函数_init_错误,修改为__init____init__左右为双划线
2020-09-25 20:30:53
1540
1
原创 一种新的分块压缩传感图像重建算法
空间自适应的分块图像重建方法摘要首先，将图像分割成一系列子块，分别将每个子块的所有列向量首尾连接起来构成原始信号; 其次，将该信号经过稀疏变换后投影到观测矩阵上得到对应的观测值，再利用优化方法从这些观测中重建出信号; 然后，分类每个重构子块的活动性，采用不同的后滤波方法处理不同活动性指数的子块边界． 最后，以MRI 图像为实验对象对算法进行了验证．实验结果表明，所提算法不仅降低了压缩传感的重建时间，而且有效去除块效应，并在一定程度上保护图像的纹理和边缘．理论方法根据自然图像的空间特性，采用不同的基
2020-09-06 11:25:37
443
原创 数独（JAVA）
package shudu;/** * Created by wolf on 2020/8/27. */public class Sudoku { private int[][] matrix; public Sudoku(int[][] matrix) { this.matrix = matrix; } public static void main(String[] args) { // 输入数独 int[][
2020-08-27 16:54:21
125
原创 一种新型亚采样技术
压缩感知（Compressed Sensing, CS）是近些年提出来的一种亚采样技术，其采样率远小于传统的奈奎斯特采样定理所需要的采样数，后者需要以不低于2倍信号的最高频率对信号进行采样才能完美重构原信息，而CS技术只需极少量的采样即可精确重建原始信号。2006年，David.L. Donoho和著名的华人数学天才、菲尔兹奖得主陶哲轩等人对CS理论进行了严格证明，搭建了完整的理论框架，自此以后，CS技术在信号处理、图像处理、通信、自动控制、人工智能等领域得到了广泛的研究与应用。压缩感知的研究内容主要可以分
2020-07-29 15:32:17
1407
原创 压缩感知
一，什么是压缩感知（CS）compressed sensing又称compressed sampling，CS是一个针对信号采样的技术，它通过一些手段，实现了“压缩的采样”，准确说是在采样过程中完成了数据压缩的过程。因此我们首先要从信号采样讲起：1. 我们知道，将模拟信号转换为计算机能够处理的数字信号，必然要经过采样的过程。问题在于，应该用多大的采样频率，即采样点应该多密多疏，才能完整保留原始信号中的信息呢？---------------------------------------------
2020-07-23 23:03:58
2590
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人