第1集 记笔记
记笔记方法：
1.大纲法
列表风格
2.康奈尔法
线索栏、笔记栏和总结栏3.思维导图法第2集 阅读
一、视觉范围（中央凹、旁中央凹、周边区域）二、注视 85%实词 35%虚词
三、伪略读 主要观点（头、尾一句）、术语和各种重要信息（粗体、斜体等强调）
四、阅读记忆
1.划重点（从大脑中回忆、谨慎使用）
2.摩斯密码法（左边空白 观点划· 实例划-）
五、SQ3R Surver浏
1 什么是crushmapcrushmap就相当于是ceph集群的一张数据分布地图，crush算法通过该地图可以知道数据应该如何分布；找到数据存放位置从而直接与对应的osd进行数据访问和写入；故障域的设置和数据冗余选择策略等。crushmap的灵活设置显示出了ceph的软件定义存储方案。这里可以引入raid相关的概念来对比下：raid0：又称为Stripe，中文名为条带，它是所有RAID级别中存储
「ICLR2021_rejected」【RETHINKING THE PRUNING CRITERIA FOR CONVOLUTIONAL NEURAL NETWORK】论文笔记Abstract1. Introduction2. Weight Distribution-Assumption2.1 Statistical Test3. SimilarityEmpirical AnalysisThe
前言：参考内容来自up：6.1 ResNet网络结构，BN以及迁移学习详解_哔哩哔哩_bilibiliup的代码和ppt：https://github.com/WZMIAOMIAO/deep-learning-for-image-processing一、简介ResNet 网络是在 2015年原论文地址：[1512.03385] Deep Residual Learning for Image Re
转载
2024-02-22 14:19:53
264阅读
好上篇讲了RNN和LSTM训练和结构与MLP和CNN的区别，讲的是比较清晰的。然后讲了RNN和LSTM的所有参数和输入输出。这篇讲RNN和LSTM的训练。以下直接讲RNN的，因为是一样的。差异会附在后面。emm还想分享一下自己的体会。一定要先看MLP结构和训练原理，再看CNN，再看RNN，再看LSTM。开始正文。一、RNN训练过程我们先看两张图。在上图中可以看出，对于一个RNN，需要求的参数有W，
转载
2024-08-06 18:45:24
281阅读
一、MMA概述 1、MMA的使用2、函数3、表达式4、数值计算和符号计算5、数据的表示6、程序设计----------------------------------MMA可以用两个字概括：强大。用四个字概括：非常强大。代码短是出
一.imdb数据集下载和探索我们将使用 IMDB 数据集，其中包含来自互联网电影数据库的 50000 条影评文本。我们将这些影评拆分为训练集（25000 条影评）和测试集（25000 条影评）。训练集和测试集之间达成了平衡，意味着它们包含相同数量的正面和负面影评。 1.数据集下载及可能出现的问题(train_data, train_labels), (test_data, test_labels)
转载
2023-11-23 21:45:18
80阅读
Hinton 第七课 。这里先说下RNN有recurrent neural network 和 recursive neural network两种，是不一样的，前者指的是一种人工神经网络，后者指的是一种深度神经网络这里指的是前者，这部分翻译的不好，因为之前没怎么接触过RNN，不过就当理解意境吧，所以附上所有的ｐｐｔ，看得懂的就看PPt,下面的是附带说明，有些语句没有那么通顺
转载
2024-08-02 08:04:39
74阅读
在上一篇openpose训练代码（一） 中讲到cpm_data_transformer，其实这个文件才是包含数据处理核心代码的文件，在上一篇博客提高Transform_nv函数，我们先来看看Transform_nv函数：template<typename Dtype> void CPMDataTransformer<Dtype>::Transform_nv(const Da
转载
2023-10-02 20:49:50
184阅读
今天在网上看到这篇文章The Impact of Imbalanced Training Data for Convolutional Neural Networks，里面做了一系列实验讨论训练样本对CNN的影响。作者前面先是介绍了CNN和深度学习的相关知识，然后介绍了几个流行的数据集，ImageNet、mnist、CIFAR-10 and CIFAR-100。然后利用较小的CIFAR-10来做验
如何训练GAN
原创
2021-08-02 15:42:04
172阅读
# OpenNLP 如何训练
Apache OpenNLP 是一个机器学习库，用于处理自然语言处理 (NLP) 任务，如分词、句子分割、命名实体识别和文本分类。要使用 OpenNLP 进行训练，首先需要理解其工作原理和所需数据格式。本文将详细介绍 OpenNLP 的训练过程，并提供代码示例和可视化结果。
## 一、准备数据
在进行 OpenNLP 的训练之前，你需要准备好数据。数据通常采用以
关于如何变聪明的若干认知解析
一周变聪明
数十亿神经元联结成复杂的神经网络，我们的认知能力就诞生于此，再精致的机器也难以模拟人类大脑。想变得更聪明或是不想被老年疾病夺走你的智力？那就经常动脑筋吧。人类大脑一直保持着活力，我们的认知和自我修正能力始终都在发挥作用，即便已经进入暮年，仍然能长出新的神经元。不要总是抱怨自己的大脑不够聪明，这很可能只是因为你没有给它足够的锻炼。 下面是一套简单却实用
转载
2023-05-15 08:52:14
69阅读
# 使用 SnowNLP 训练自定义情感分析模型
在数据驱动的时代，情感分析作为自然语言处理的重要应用之一，正被越来越多的企业所重视。SnowNLP 是一个简单易用的中文自然语言处理库，适用于文本分类、情感分析等任务。在本文中，我们将探讨如何使用 SnowNLP 训练一个自定义的情感分析模型，并以网上评论为例，解决如何快速分析用户评价的问题。
## 背景
情感分析旨在识别和提取文本中的主观信
CCNet: Criss-Cross Attention for Semantic SegmentationAbstract上下文信息对于语义分割和目标检测任务都很重要，这里提出CCNet。对于每个像素，criss-cross attention模块能获得其交叉路径上所有像素的上下文信息，通过进一步的递归操作，每个像素最终可以捕获全图像的依赖关系。此外，提出类别一致损失使得criss-cross
转载
2024-09-30 13:50:57
50阅读
RN基础以及组件学习技巧上一篇博客讲了RN环境的搭建，和RN项目的创建以及运行，如有什么问题，可以留言这节讲下RN基础以及组件的学习这是RN项目的结构图，index.android.js 和 index.ios.js分别对应了android ，ios 平台的软件程序入口。package.json 配置文件，类似于Android studio 中的build.gradle打开index.androi
注：此过程是运行在darknet已编译完成后的情况，具体运行环境参考上一篇博文：编译darknet网络-下载git版本时间20210520 一、在darknet主目录下创建yolo-obj.cfg配置文件，拷贝yolov4-custom.cfg的内容到yolo-obj.cfg中，并对部分内容进行修改。修改batch=64，修改subdivisions=64（如果显卡性能较高，可以设置ba
转载
2024-03-19 10:26:03
125阅读
随着卷积神经网络的出现，立体匹配算法近期取得了巨大进展。然而，由于诸如精细结构、非理想校正、相机模组不
上篇博客主要介绍了tensorflow_slim的基本模块，本篇主要介绍一下如何使用该模块训练自己的模型。主要分为数据转化，数据读取，数据预处理，模型选择，训练参数设定，构建pb文件，固化pb文件中的参数几部分。一、数据转化：主要目的是将图片转化为TFrecords文件，该部分属于数据的预处理阶段，可以参考datasets中的download_and_conver_flower中的run函数实现。
转载
2024-05-13 11:17:23
59阅读
当属于预训练模型属于下面的情况的时候，可以采用这个加速的技巧：固定前部分的层，只改变网络后面层的参数。比如，使用vgg16的预训练模型，固定特征提取层，改变后面的全连接层。要注意的是，如果固定的是特征提取层+一个全连接层，也可以使用这个技巧，只要固定的是前一部分。具体的做法是： 把所有的数据都输入进去特征层，把得到的输出保存成张量保存在内存（如果太多还可以保存在本地）中，无论有多少批次，
转载
2023-10-14 22:09:15
175阅读
