速率 网路learning神经
基于卷积神经网络的美食分类
使用卷积神经网络解决美食图片的分类问题：：：数据集在我这里，私聊给！！！！！！！！！ 环境：python3.7 ， 飞浆版本2.0 ， 操作平台pycharm 步骤1：美食图片数据集介绍与加载： 本实践使用的数据集包含5000张格式为jpg的三通道彩色图像，共5种食物类别。对于本实践中的数据包，具体 ......
基于深度神经网络的宝石分类
我们将宝石分类视为一个图像分类任务，主要方法是使用深度神经网络搭建一个分类模型，通过对模型的多轮训练学习图像特征，最终获得用于宝石分类的模型，大致可以分为五步： 1、数据集的加载与预处理； 2、模型的搭建； 3、模型训练； 4、模型评估； 5、使用模型进行预测； 环境：python3.7，使用飞浆2 ......
[机器学习复习笔记] RNN 循环神经网络
RNN 循环神经网络 1. RNN 1.1 RNN 示意图及时序展开 此处的 \(\text{RNN}\) 模型采用的是 \(\text{BPTT}\) 算法（随时间反向传播） \(x^{(t)}\) 表示输入层的输入 \(U\) 为输入层到隐藏层的权值参数 \(h^{(t)}\) 表示隐藏层的输出 ......
[机器学习复习笔记] CNN 卷积神经网络
CNN 卷积神经网络 1. 二维卷积公式（机器学习） \[O(i, j) = \sum^{kh}_{i = 0} \sum^{kw}_{j = 0} w(i, j) * I(i + kh, j + kw) \]上述公式中，\(O\) 为输出矩阵，\(I\) 为输入矩阵，\(w\) 为卷积核，\(kh ......
Checkerboard Context Model for Efficient Learned Image Compression
目录AbstractIntroductionPreliminary 初步介绍Variational Image Compression with Hyperprior(超先验变分图像压缩)Autoregressive Context(自回归上下文模型)Parallel Context Modelin ......
神经网络稀疏综述
神经网络稀疏综述 1. 稀疏的概念 随着现代神经网络的规模不断提升，其消耗的内存，算力，能量都不断增加，这构成了在神经网络在实际应用中的瓶颈。如何尽可能的缩小网络同时又不损失其性能成为了一大神经网络方面的研究重点，目前常用的方法包括：剪枝，量化，网络结构搜索，知识蒸馏等。 我们现在讨论的神经网络稀疏 ......
机器学习——卷积神经网络
对于表格数据（其中行对应样本，列对应特征），我们寻找的模式可能涉及特征之间的交互，但是我们不能预先假设任何与特征交互相关的先验结构。 此时，多层感知机可能是最好的选择，然而对于高维感知数据，这种缺少结构的网络可能会变得不实用。原因如下： 当特征数非常高维时，全连接网络的参数会变得极大，导致计算成本大 ......
网络速率限制
wget https://raw.githubusercontent.com/magnific0/wondershaper/master/wondershaper chmod +x wondershaper # 查看帮助 ./wondershaper --help # 设置最大的下载速率为 1024 ......
分享一个项目：`learning_go_plan9_assembly`， 学习 golang plan9 汇编
作者:张富春(ahfuzhang)，转载时请注明作者和引用链接，谢谢！ cnblogs博客 zhihu Github 公众号:一本正经的瞎扯 近期在学习 golang plan9 汇编，总算基本做到了手写汇编，并整理了很多笔记。 plan9 汇编的资料少，难学，难用。可能也有想学习汇编的人会遇到与我 ......
【深度学习】PyTorch的基本运算 与 构造简单神经网络模型
基本运算 import torch # 创建一个自定义的张量 t = torch.tensor([1.0, 2.0, 3.0]) # tensor([1., 2., 3.]) # 求平均值 t.mean() # tensor(2.) # 创建一个指定行列的张量 x = torch.empty(3,5 ......
神经网络基础篇：向量化(Vectorization)
向量化 向量化是非常基础的去除代码中for循环的艺术，在深度学习安全领域、深度学习实践中，会经常发现自己训练大数据集，因为深度学习算法处理大数据集效果很棒，所以的代码运行速度非常重要，否则如果在大数据集上，代码可能花费很长时间去运行，将要等待非常长的时间去得到结果。所以在深度学习领域，运行向量化是一 ......
Learn DevOps-第一章：Introduction
Introduction DevOps的定义有很多种，AWS对其定义如下： “DevOps is the combination of cutural philosophies, practices, and tools that increases an organization's abilit ......
现代卷积神经网络
白羽~ summer pockets AlexNet 背景 当时计算机视觉研究人员会告诉一个诡异事实————推动领域进步的是数据特征，而不是学习算法。计算机视觉研究人员相信，从对最终模型精度的影响来说，更大或更干净的数据集、或是稍微改进的特征提取，比任何学习算法带来的进步要大得多。 另一组研究人员， ......
神经网络基础篇：详解逻辑回归 & m个样本梯度下降
逻辑回归中的梯度下降 本篇讲解怎样通过计算偏导数来实现逻辑回归的梯度下降算法。它的关键点是几个重要公式，其作用是用来实现逻辑回归中梯度下降算法。但是在本博客中，将使用计算图对梯度下降算法进行计算。必须要承认的是，使用计算图来计算逻辑回归的梯度下降算法有点大材小用了。但是，认为以这个例子作为开始来讲解 ......
ELIC: Efficient Learned Image Compression with Unevenly Grouped Space-Channel Contextual Adaptive Coding
abstruct \(\quad\) 受能量压缩表现的启发，提出了不均匀通道情况自适应编码.结合不均匀分组模型和现有上下文模型，获得一种空间通道上下文自适应模型，来提高编码性能，而不影响其运行时间。 \(\quad\)这种模型支持预览解码和渐进解码。 introduction 学习图像压缩中最重要的 ......
神经网络基础篇：史上最详细_详解计算图（Computation Graph）
计算图 可以说，一个神经网络的计算，都是按照前向或反向传播过程组织的。首先计算出一个新的网络的输出（前向过程），紧接着进行一个反向传输操作。后者用来计算出对应的梯度或导数。计算图解释了为什么用这种方式组织这些计算过程。在这个博客中，将举一个例子说明计算图是什么。让举一个比逻辑回归更加简单的，或者说不 ......
【CVPR2023】Learning A Sparse Transformer Network for Effective Image Deraining
论文：https://readpaper.com/paper/4736105248993591297 代码：https://github.com/cschenxiang/DRSformer Transformer 模型通常使用标准的 QKV 三件套进行计算，但是部分来自 K 的 token 与来自 ......
Introduction of Deep Reinforcement Learning
Reading Notes about the book Deep Reinforcement Learning written by Aske Plaat Recently, I have been reading the book Deep Reinforcement Learning writ ......
Tabular Value-Based Reinforcement Learning
Reading Notes about the book Deep Reinforcement Learning written by Aske Plaat Recently, I have been reading the book Deep Reinforcement Learning writ ......
umich cv-6-1 循环神经网络基本知识
这节课中介绍了循环神经网络的第一部分，主要介绍了循环神经网络的基本概念，vanilla循环网络架构，RNN的一些应用，vanilla架构的问题，更先进的rnn架构比如GRU和LSTM 循环神经网络基本知识 vanilla循环网络架构 应用与理解 vanilla架构的问题 LSTM vanilla循环 ......
神经网络基础篇：详解导数（Derivatives）
导数 一个函数\(f(a)=3a\)，它是一条直线。下面来简单理解下导数。让 看看函数中几个点，假定\(a=2\)，那么\(f(a)\)是\(a\)的3倍等于6，也就是说如果\(a=2\)，那么函数\(f(a)=6\)。假定稍微改变一点点\(a\)的值，只增加一点，变为2.001，这时\(a\)将向 ......
基于CNN卷积神经网络的目标识别matlab仿真,数据库采用cifar-10
1.算法运行效果图预览 2.算法运行软件版本 MATLAB2022a 3.算法理论概述 CNN是一种专门用于图像处理的神经网络架构，其核心是卷积层、池化层和全连接层。CNN利用卷积操作和池化操作来自动学习图像中的特征，然后通过全连接层将这些特征映射到不同类别的标签上，实现图像分类和目标识别。 CNN ......
基于CNN卷积神经网络的口罩检测识别系统matlab仿真
1.算法运行效果图预览 2.算法运行软件版本 matlab2022a 3.算法理论概述 新型冠状病毒可以通过呼吸道飞沫等方式传播，正确佩戴口罩可以有效切断新冠肺炎病毒的传播途径，是预防感染的有效措施。国内公众场合要求佩戴口罩。而商场、餐饮、地铁等人员密集型的场所对人流量高峰时段的应对措施往往令人力不 ......
umich cv-5-2 神经网络训练2
这节课中介绍了训练神经网络的第二部分，包括学习率曲线，超参数优化，模型集成，迁移学习 训练神经网络2 学习率曲线 超参数优化 模型集成 迁移学习 学习率曲线 在训练神经网络时，一个常见的思路就是刚开始迭代的时候学习率较大，然后随着迭代次数的增加，学习率逐渐下降，下面我们就来介绍几种学习率下降的方法： ......
umich cv-5-1 神经网络训练1
这节课中介绍了训练神经网络的第一部分，包括激活函数的选择，权重初始化，数据预处理以及正则化方法 训练神经网络1 激活函数 数据预处理 权重初始化 正则化方法 激活函数 这部分主要讨论我们之前提到的几种激活函数的利弊： 首先我们看sigmoid函数，这种激活函数有着激活函数中常见的优点与缺点： 优点方 ......
常见的空中速率有哪些及对无线通信系统的影响
空中速率是指无线通信系统中数据在空气中传输的速度，在无线通信系统的设计和优化中，需要根据具体的应用场景和需求选择合适的空中速率，以达到最佳的传输效果。同时，还需要考虑其他因素，如传输距离、实时性、通信质量等，进行综合分析和优化。 ......
learn-ue-ui
learn ue ui Created: 2023-10-24T15:29+08:00 Published: 2023-10-25T12:47+08:00 目录IntroWidgetsText Box(Multi-Line) Intro User Interface Development - Un ......
[论文阅读] PCL: Proxy-based Contrastive Learning for Domain Generalization
PCL: Proxy-based Contrastive Learning for Domain Generalization abstract 领域泛化是指从不同源领域的集合中训练模型，该模型可以直接泛化到未见过的目标领域的问题。一种有前途的解决方案是对比学习，它试图通过利用不同领域之间的样本对之 ......
深度学习调参手册（Deep Learning Tuning Playbook）
google-research/tuning_playbook: A playbook for systematically maximizing the performance of deep learning models. (github.com) dkhonker/tuning_playbo ......
ST-SSL: 用于交通流量预测的时空自监督学习《Spatio-Temporal Self-Supervised Learning for Traffic Flow Prediction》(交通流量预测、自监督)
2023年10月23日，继续论文，好困，想发疯。 论文：Spatio-Temporal Self-Supervised Learning for Traffic Flow Prediction Github：https://github.com/Echo-Ji/ST-SSL AAAI 2023的论文 ......