這個(gè)世界流行離開(kāi)，但我們卻不擅長(zhǎng)告別
發(fā)簡(jiǎn)信
IP屬地：北京
-
-
如果模型太大無(wú)法加載怎么辦?
There are several solutions to use The XXL versions of ProtT5: Use a GPU with a big mem...
-
已解決 | 在WSL2中安裝MySQL 8.0，報(bào)錯(cuò)Can't connect to local MySQL server through socket '/var/run/mysqld/mys...
按照這篇教程[http://www.manongjc.com/detail/19-iqhjqqedkwgjnhs.html]可以順利完成安裝。安裝完成以后如果出現(xiàn)標(biāo)題中的錯(cuò)誤...
-
數(shù)據(jù)結(jié)構(gòu)與算法(python)順序表數(shù)據(jù)結(jié)構(gòu)與算法(python) 在此之前先明確一下:a=10表示的是10是占用的內(nèi)存空間, a表示的是指向10內(nèi)存空間的地址. 區(qū)別c語(yǔ)言,a是內(nèi)存空間的別名, 而pytho...
-
Java bug搬運(yùn)工，小數(shù)據(jù)攻城獅^O^
-
日期的格式化方式
指令描述實(shí)例%aWeekday，短版本W(wǎng)ed%AWeekday，完整版本W(wǎng)ednesday%wWeekday，數(shù)字 0-6，0 為周日3%d日，數(shù)字 01-3131%b月名稱(chēng)...
-
未解決 | 更新到WSL2以后無(wú)法自動(dòng)連接到MobaXterm的Xserver了
在WSL1時(shí)我給子系統(tǒng)的Ubuntu 18.04安裝了xfce4桌面，MobaXterm自動(dòng)生成了啟動(dòng)桌面的bookmark。為了愉快地使用子系統(tǒng)中的軟件（在WSL1中瀏覽器...
-
已解決 | 在conda環(huán)境中無(wú)法找到GLIBCXX_3.4.21
有時(shí)候conda莫名奇妙就會(huì)丟失一些庫(kù)，幾周前運(yùn)行得好好的環(huán)境，卻在前天import torch的時(shí)候突然提示： 看提示發(fā)現(xiàn)，這是個(gè)conda環(huán)境，卻調(diào)用了系統(tǒng)庫(kù)。我確信我在...
-
小抄 | python常用原生包之`argparse`
argparse：用于使用python構(gòu)建工具時(shí)，讓可執(zhí)行python文件可以獲取外部參數(shù)，形如： ArgumentParser()類(lèi)，包括：幫助參數(shù)、位置參數(shù)、可選參數(shù)。其...
-
-
Task05: 模型集成
一般的集成學(xué)習(xí)方法 深度學(xué)習(xí)中的集成方法 0. 在機(jī)器學(xué)習(xí)中的一般集成方法 模型集成即把同一學(xué)習(xí)任務(wù)的多個(gè)獨(dú)立（弱）學(xué)習(xí)器的學(xué)習(xí)結(jié)果集合起來(lái)形成一個(gè)新的（強(qiáng)）學(xué)習(xí)器，完成最后...
-
Task04: 模型訓(xùn)練與驗(yàn)證0. 數(shù)據(jù)集搭建 訓(xùn)練集（Train Set）：模型用于訓(xùn)練和調(diào)整模型參數(shù)； 驗(yàn)證集（Validation Set）：用來(lái)驗(yàn)證模型精度和調(diào)整模型超參數(shù)； 測(cè)試集（Test S...
-
Task03：字符識(shí)別模型0. CNN原理和發(fā)展 CNN由卷積（convolution）、池化（pooling）、非線性激活函數(shù)（non-linear activation function）和全連接...
-
Task02: 數(shù)據(jù)讀取與數(shù)據(jù)擴(kuò)增
*第二講的背景是定長(zhǎng)字符識(shí)別方法* 0.CV常用python模塊 圖像數(shù)據(jù)讀取與處理包 包名特點(diǎn)（中文）官網(wǎng)Pillow提供常見(jiàn)的圖像讀取和處理的操作，可以與ipython ...
-
Task01: 計(jì)算機(jī)視覺(jué)賽題理解零基礎(chǔ)入門(mén)CV賽事- 街景字符編碼識(shí)別 賽事報(bào)名頁(yè)面 數(shù)據(jù)下載鏈接 來(lái)自SVHN數(shù)據(jù)集 filesizelinkmchar_train.zip345.91MBhttp://t...
-
datawhale-task06/09（批量歸一化和殘差網(wǎng)絡(luò)；凸優(yōu)化；梯度下降；目標(biāo)檢測(cè)基礎(chǔ)；圖像風(fēng)格遷移）
批量歸一化和殘差網(wǎng)絡(luò) 凸優(yōu)化，梯度下降和優(yōu)化算法進(jìn)階 目標(biāo)檢測(cè)基礎(chǔ) 圖像風(fēng)格遷移
-
圖像風(fēng)格遷移用一個(gè)例子來(lái)闡述基于卷積神經(jīng)網(wǎng)絡(luò)的樣式遷移方法。首先，我們初始化合成圖像，例如將其初始化成內(nèi)容圖像。該合成圖像是樣式遷移過(guò)程中唯一需要更新的變量，即樣式遷移所需迭代的模型參數(shù)...
-
目標(biāo)檢測(cè)基礎(chǔ)
1. 目標(biāo)檢測(cè)和邊界框 實(shí)際上是人工生成一系列有限個(gè)框，然后給這些框打標(biāo)簽 2. 錨框 目標(biāo)檢測(cè)算法通常會(huì)在輸入圖像中采樣大量的區(qū)域，然后判斷這些區(qū)域中是否包含我們感興趣的目...
-
凸優(yōu)化，梯度下降和優(yōu)化算法進(jìn)階1. 凸優(yōu)化 優(yōu)化方法目標(biāo)：訓(xùn)練集損失函數(shù)值深度學(xué)習(xí)目標(biāo)：測(cè)試集損失函數(shù)值（泛化性） 1.1 優(yōu)化在深度學(xué)習(xí)中的挑戰(zhàn) 局部最小值 鞍點(diǎn)（Hessen陣判斷） 梯度消失（梯度太...
