- 博客(40)
- 资源 (4)
- 收藏
- 关注
RSS订阅
原创 解决Vision Transformer在任意尺寸图像上微调的问题：使用timm库
介绍分析ViT在任意尺寸图像上微调的问题及如何通过timm库来解决
2023-11-22 18:33:21
2028
1
原创 步态识别常见模块解读及代码实现：基于OpenGait框架
最近在看步态识别相关论文，但是因为记忆力下降的原因，老是忘记一些内容。因此记录下来方便以后查阅，仅供自己学习参考，没有背景知识和论文介绍。
2023-09-15 16:59:01
1555
1
原创 这绝对是你见过的最全深度学习服务器管理配置手册，学不会你打我
最近在配置服务器，遇到了不少问题，在此整理记录一下。主要是以下几个方面：多用户管理、服务器环境配置、Anaconda虚拟环境安装TensorFlow/PyTorch、远程访问。
2022-10-22 16:17:52
3195
1
原创 有关swin transformer相对位置编码的理解：
有关swin transformer相对位置编码的理解：假设window_size是7*7那么窗口中共有49个patch，共有49*49个相对位置，每个相对位置有两个索引对应x和y两个方向，每个索引值的取值范围是[-6,6]。（第0行相对第6行，x索引相对值为-6；第6行相对第0行，x索引相对值为6；所以索引取值范围是[-6,6]） # get pair-wise relative position index for each token inside the window coord
2021-08-27 15:33:15
7551
10
原创 Pytorch DistributedDataParallel（DDP）教程一：快速入门理论篇
，简明扼要地介绍一下DDP的使用，抛开繁杂的细节和原理，帮助快速上手使用（All in one blog）。篇幅较长，分为上下两篇：这篇简要介绍相关背景和理论知识，下篇详细介绍代码框架和搭建流程。
2024-04-15 09:31:07
835
原创 深度好文：解决Ubuntu 18.04安装nvidia显卡驱动，导致内核不匹配：无需重装系统修复内核
无需重装系统修复内核解决Ubuntu 18.04安装nvidia显卡驱动，导致内核不匹配问题
2024-03-27 15:52:47
1401
1
原创 关于SAM中decomposed Relative Positional Embeddings的理解
以q和k都是7×7为例，每个相对位置有两个索引对应x和y两个方向，每个索引值的取值范围是[-6,6]。这个时候可以构建一个shape为[13,13, head_dim]的table，则当相对位置为(i，j)时，position embedding=table[i, j]。decomposed Relative Positional Embeddings的思想在于，分别计算x和y两个方向上计算相对位置坐标，并分别从两个table中取出对应的位置编码，再将两个方向的编码相加作为最终的编码。
2023-08-24 16:48:16
629
1
原创 R语言七天入门教程七：项目实战
R语言七天入门教程七：项目实战。包含三个小项目：矩阵运算计算器（变量与运算符练习）、人机猜拳小游戏（程序控制结构练习）、学生成绩分析（数据框和文件读写练习）
2022-11-16 21:30:21
2018
1
原创 R语言七天入门教程六：文件相关操作
R语言七天入门教程六：文件相关操作，内容包括：常用文件读写（txt，csv），常见的文件操作（复制、重命名等）
2022-11-15 20:20:46
2581
2
原创 R语言七天入门教程二：认识变量与运算符
R语言七天入门教程二：认识变量与运算符。内容包括：变量的认识与命名，如何声明变量，变量类型介绍，常见运算符介绍，什么是注释
2022-10-23 21:04:35
1920
原创 Linux非root用户如何优雅地安装apex加速包-----使用conda命令和cudatoolkit-dev包
Linux非root用户如何优雅地安装apex加速包-----使用conda命令和cudatoolkit-dev包一、官方推荐的安装方式github链接： GitHub - NVIDIA/apex: A PyTorch Extension: Tools for easy mixed precision and distributed training in Pytorchgit clone https://github.com/NVIDIA/apexcd apexpip install -v --
2021-10-09 19:42:05
3529
3
原创 Python2同时输出中文和变量
Python2同时输出中文和变量时中文乱码一、问题描述最近在学习tensorflow时，突然发现一个问题，python2在输出中文和变量时会出现一点问题，如下图：可以看到，输出并不是想要的结果，期望输出应该是：你好88二、解决办法将输出语句更改为：print(“你好%d”%a)，可以看到输出为期望输出，如下图：三、解释python2中print是一条语句，print(xxxx)，括号中的xxx是一个元组，由于python2默认是ACSII编码方式，所以在元组中只有一个元素时是可以正常显示中
2020-11-17 16:45:02
4454
2
原创 Bi-Modality Medical Image Synthesis Using Semi-Supervised Sequential Generative Adversarial Networks
只是论文中我比较困惑的地方的思考和记录，并不是论文的详细解读，论文的详细解读之后会写
2020-10-19 15:37:07
311
2
原创 Spring进阶案例之基于注解的IoC开发
Spring进阶案例之注解和IoC案例一、常见的注解分类及其作用从此前的基于xml的IoC开发案例和依赖注入案例中，我们可以将xml配置归纳为：<bean id="" class="" scope="" init-method = "" destroy-method = ""> <property name = "" value = "" | ref = ""></property></bean>注解按照作用可以分为四类：1.用于创建对象的注
2020-07-30 17:20:18
255
原创 人脸识别学习笔记三：强化篇
人脸识别学习笔记三：强化篇一、MTCNN原理1.MTCNN的推理流程MTCNN包括三个阶段：在第一阶段，通过一个浅层的CNN网络来快速生成检测窗口作为第二阶段的输入。第二额极端，通过一个更复杂的CNN网络来剔除大量非面部窗口，以达到细化候选窗口的目的。第三阶段，使用一个更强大的CNN网络来再次细化结果，并输出5个人脸关键点的位置。这三个阶段分别对应三个网络：P-Net、R-Net和O-Net。注意：第一阶段的输入并不是原始图像，而是将图片调整到不同比例之后，得到一个图像金字塔，将其作为输入。
2020-07-15 20:26:09
502
原创 Spring升级案例之IOC介绍和依赖注入
Spring升级案例之IOC介绍和依赖注入一、IOC的概念和作用1.什么是IOC控制反转(Inversion of Control, IoC)是一种设计思想，在Java中就是将设计好的对象交给容器控制，而不是传统的在对象内部直接控制。传统Java SE程序设计，我们直接在对象内部通过new进行创建对象，是程序主动去创建依赖对象；而IoC是有专门一个容器来创建这些对象，即由Ioc容器来控制对象的创建；可以理解为IoC 容器控制了对象和外部资源获取（不只是对象包括比如文件等）。2.反转和正转有反转就有
2020-07-14 15:36:05
162
原创 人脸识别学习笔记二：进阶篇
人脸识别学习笔记二：进阶篇一、人脸检测实战1.使用OpenCV进行人脸检测OpenCV进行人脸检测使用的是名为 Viola-Jones 的目标检测框架的算法。第一步：下载OpenCV库pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple第二步：找到默认的预训练权重文件1.一般在python安装目录的上级目录的/lib/python3.7/site-packages/cv2/data目录下，有个haarcas
2020-07-12 19:22:21
810
1
原创 Spring入门案例之解决程序间的耦合
Spring入门案例一、Spring基本介绍1.什么是SpringSpring 是分层的 Java SE/EE 应用 full-stack 轻量级开源框架，以 IoC(Inverse Of Control: 反转控制)AOP(Aspect Oriented Programming:面向切面编程)为内核，提供了展现层 Spring MVC 和持久层 Spring JDBC 以及业务层事务管理等众多的企业级应用技术，还能整合开源世界众多 著名的第三方框架和类库，逐渐成为使用最多的 Java EE 企业应用
2020-07-11 23:18:48
356
原创 人脸识别学习笔记一：入门篇
人脸识别学习笔记一：入门篇一、人脸识别概述1.人脸识别的困难之处不同个人之间的区别不大：大部分人脸的结构都很相似，甚至人脸器官的结构外形都很相似。人脸的外形很不稳定：人的面部表情多变，不同的观察角度、光照条件等都会影响人脸的视觉图像。2.人脸识别的典型流程人脸检测（Face Detection）：人脸检测用于确定人脸在图像中的大小和位置，即解决“人脸在哪里”的问题，把真正的人脸区域从图像中裁剪出来，便于后续的人脸特征分析和识别。人脸对齐（Face Alignment）：同一个人在
2020-07-11 19:00:59
766
原创 Mybatis终极案例之注解开发
Mybatis终极案例之注解开发一、注解开发实现CURD操作1.环境搭建参考入门案例，环境搭建主要分为如下几步：1.配置pom.xml<packaging>jar</packaging><dependencies> <dependency> <groupId>mysql</groupId>...
2020-03-20 12:41:01
199
原创 mybatis探究之延迟加载和缓存
mybatis探究之延迟加载和缓存一、什么是延迟加载1.延迟加载的概念在mybatis进行多表查询时，并非所有的查询都需要立即进行。例如在查询带有账户信息的用户信息时，我们们并不需要总是在加载用户信息时就一定要加载他的账户信息。这时就要用到延迟加载，所谓延迟加载就是在需要用到数据时才进行加载，不需要用到数据时就不加载数据。延迟加载也称懒加载。2.延迟加载的好处和坏处好处：先从单表查询，需...
2020-03-18 11:53:51
179
1
原创 mybatis深入之动态查询和连接池介绍
mybatis深入之动态查询和连接池介绍一、mybatis条件查询在mybatis前述案例中，我们的查询条件都是确定的。但在实际使用的时候，我们的查询条件有可能是动态变化的。例如，查询参数为一个user对象，要根据这个user对象进行查询，有可能要根据name属性进行查询，有可能是id属性进行查询，也有可能是根据id和name进行查询。这个时候我们就要用到一些标签，进行判断。我们依旧以一开始的...
2020-03-15 18:23:29
241
原创 mybatis进阶案例之多表查询
mybatis进阶案例之多表查询一、mybatis中表之间的关系在数据库中，实体型之间的关系主要有如下几种：1、一对一如果对于实体集A中的每一个实体，实体集B中至多有一个（也可以没有）实体与之联系，反之亦然，则称实体集A与实体集B具有一对一联系，记为1:1 。例如，一个班级只有一个正班长，一个班长只在一个班中任职。2、一对多如果对于实体集A中的每一个实体，实体集B中有n个实体（n≥0）...
2020-03-15 11:22:33
204
原创 mybatis升级案例之CRUD操作
mybatis升级案例之CRUD操作一、准备工作1.新建maven工程，和入门案例一样主要步骤如下，可参考mybatis入门案例a.配置pom.xml文件b.新建实例类User、DAO接口类IUserDaoc.新建主配置文件SqlMapConfig.xml，映射配置文件IUserDao.xml，log4j配置文件log4j.propertiesd.新建测试类MybatisTest，这...
2020-02-18 15:19:22
134
原创 Java反射机制原理介绍和代码实例
Java反射机制一、反射机制综述在java中，反射是一个功能强大且复杂的机制，许多框架的底层技术和原理都与反射技术有关。因此使用反射技术的主要人员是工具构造者，而不是应用程序员。利用反射机制，我们可以用来：1.在运行时查看对象2.在运行时分析类的能力3.实现通用的数组操作对象4.利用Method对象，实现类似于C/C++中函数指针的功能二、通过反射获取对象在程序运行期间，Java运...
2020-02-11 13:21:13
351
原创 mybatis入门案例自定义实现
mybatis入门案例自定义实现一、需要实现的类和接口public static void main(String[] args) throws Exception{ //1.读取配置文件 InputStream in = Resources.getResourceAsStream("SqlMapConfig.xml"); //2.创建SqlSessionFactory...
2020-02-06 16:53:45
116
原创 mybatis入门案例分析
mybatis入门案例分析一、设计模式分析public class MybatisTest { public static void main(String[] args) throws Exception{ //1.读取配置文件 InputStream in = Resources.getResourceAsStream("SqlMapConfig.x...
2020-02-05 15:59:00
153
原创 mybatis入门实例之简单查询
mybatis入门实例一、mybatis环境搭建1.创建maven工程配置环境打开IDEA ，File->New->Project，右边选择Maven，左边不要勾选任何东西，点击next，输入项目名称即可。在pom.xml文件中添加如下内容：packaging是打包方式，log4j是为了输出日志，junit是为了单元测试。其中版本号视各自版本来定。 <packagi...
2020-02-03 11:11:19
275
原创 VS2019 community版本下载Extension太慢解决方案
VS2019 community版本下载Extension太慢解决方案今天在VS2019上更新Live Share拓展时，实在是太慢了，一直卡在如下界面。不过，除了没有进度条和速度很慢，还是可以下载和更新拓展的，这应该是VS的一个bug。解决方案有两种，第一种就是科学上网。第二种就是本教程。1.不要在拓展管理页面直接点击Update或者Download，点击右侧详细信息，会跳转的相应网页。...
2019-11-28 17:45:25
2886
6
原创 过拟合解决方案之正则化
1.过拟合问题对于过拟合问题，通常原因是模型选择太过复杂，也有可能是训练数据太少。对于模型太复杂的情况，我们一般有如下考虑：一是通过分析删除部分特征（比如重复多余的特征或者对输出值贡献不太大的特征），但是这样有可能会损失一部分信息。所以，我们可以通过正则化的方法来降低参数值，从而避免过拟合问题。对于过拟合问题的详细描述，可以查看我的另一篇博客机器学习之欠拟合与过拟合。2.正则化回顾一下，在回...
2019-11-13 11:40:29
287
原创 机器学习之欠拟合与过拟合（一）
机器学习之欠拟合与过拟合（一）1.欠拟合(underfitting)与过拟合(overfitting)在机器学习中，我们的主要思想是通过对数据集的学习来生成我们的假设模型。在对数据集进行拟合的过程中，我们可能会遇到欠拟合和过拟合的问题。以身高预测的例子为例，这里给出7-18岁男生的身高标准（数据来源：7 岁～18 岁儿童青少年身高发育等级评价），如图1:将中位数随年龄的变化绘制成散点图，如...
2019-11-09 20:30:59
478
原创 分类算法之逻辑回归（Logistic Regression）
分类算法之逻辑回归（Logistic Regression）1.二分类问题现在有一家医院，想要对病人的病情进行分析，其中有一项就是关于良性\恶性肿瘤的判断，现在有一批数据集是关于肿瘤大小的，任务就是根据肿瘤的大小来判定是良性还是恶性。这就是一个很典型的二分类问题，即输出的结果只有两个值----良性和恶性（通常用数字0和1表示）。如图1所示，我们可以做一个直观的判定肿瘤大小大于5，即为恶心肿瘤（...
2019-11-08 22:20:44
399
原创 线性回归之梯度下降法原理介绍
线性回归之梯度下降法1.梯度的概念梯度是一个向量，对于一个多元函数fff而言，fff在点P(x,y)P(x,y)P(x,y)的梯度是fff在点PPP处增大最快的方向，即以f在P上的偏导数为分量的向量。以二元函数f(x,y)f(x,y)f(x,y)为例，向量{∂f∂x,∂f∂y}∣(x0,y0)=fx(x0,y0)i→+fy(x0,y0)j→\{\frac{\partial f}{\partia...
2019-11-07 22:45:28
1355
原创 线性回归之最小二乘法公式推导和原理介绍
1.最小二乘法的原理最小二乘法的主要思想是通过确定未知参数θ\thetaθ（通常是一个参数矩阵），来使得真实值和预测值的误差（也称残差）平方和最小，其计算公式为E=∑i=0nei2=∑i=1n(yi−yi^)E=\sum_{i=0}^ne_i^2=\sum_{i=1}^n(y_i-\hat{y_i})E=∑i=0nei2=∑i=1n(yi−yi^)，其中yiy_iyi是真实值，yi...
2019-11-07 22:41:25
18855
4
原创 机器学习之回归篇（一）
机器学习之回归篇（一）一、综述 回归就是从一组数据出发，确定某些变量之间的定量关系式，也就是建立数学模型并估计未知参数。回归的目的是预测数值型的目标值，它的目标是接受连续数据，寻找最适合数据的方程，并能对特定的值进行预测。其中所寻求的方程叫做回归方程，求解回归方程，首先要确定模型，最简单的回归模型就是简单线性回归（例如y = kx + b），然后就是求回归方程的回归系数（即k和...
2019-10-20 19:17:10
232
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人