非常感谢，datawhale提供的课程资源：https://www.bilibili.com/video/BV1e341127Lt?p=2 以下是这个课程的笔记一、tensor的属性：type:float,long, device的属性：用什么卡，比如CPU,GPU requires_grad属性：是否支持求导 pin_memory属性：是否塞到内存里面，运算快，但是内存高 is_leaf:是否是
转载
2023-10-20 22:41:01
305阅读
1.初识Pytorch基本框架1.1 Pytorch与Tensorflow对比pytorch的特点： 简洁性、动态计算、visdom、部署不方便Tensorflow的特点： 接口复杂、静态图、Tensorboard、部署方便静态图与动态图动态图：编好程序即可执行；代码编程简单、调试直观 静态图：先搭建计算图，后运行；允许编译器进行优化1.2 Pytorch的发展2002年Torch基于Lua语言
转载
2024-05-31 05:35:56
56阅读
目录一、引言二、具体步骤1、参数模型2、网络结构3、参数载入4、特征提取器5、读取图片三、完整代码 一、引言 深度学习在许多任务中主要充当着特征学习的作用，而学习完的特征才是后续应用的一个关键。本文将主要介绍，如何提取任意目标层的特征图。 本文以输入数据为图片为例。二、具体步骤1、参数模型博主使用了ResNet50训练了一个人脸识别的网络 训练完成的深度学习模型，我们会保存一个参数文件，
转载
2023-08-30 21:58:54
282阅读
Pytorch学习笔记7——处理多维特征的输入这是一个糖尿病分类的数据集。每一行代表一个样本Sample，每一列叫做特征feature。在这里共有10个样本，每个样本有8个特征。Y为对应标签。 数据集准备工作就是：取出前8列得到X矩阵作为input，最后1列得到Y矩阵作为标签。 i表示样本索引，n表示特征索引。每一个特征值都要和权重进行相乘。 得到结果一定是标量。对于N样本处理，在torch里继承
转载
2024-03-07 11:20:16
84阅读
介绍一种可视化feaature maps以及kernel weights的方法推荐可视化工具TensorBoard：可以查看整个计算图的数据流向，保存再训练过程中的损失信息，准确率信息等学习视频： 使用pytorch查看中间层特征矩阵以及卷积核参数_哔哩哔哩_bilibili代码下载：deep-learning-for-image-processing/pytorch_classific
转载
2023-10-12 13:24:42
111阅读
【DataWhales】深入浅出Pytorch-第三章/第四章第三章： Pytorch 的主要组成模块3.1 神经网络学习机制和深度学习在实现上的特殊性3.1.1 神经网络学习机制3.1.2 深度学习在实现上的特殊性3.2 PyTorch深度学习模块第四章 基础实战——FashionMNIST时装分类4.1 基本配置4.1.1 导入必要的包4.1.2 配置训练环境4.1.3 配置超参数4.2 数
转载
2024-02-04 07:13:07
56阅读
计算方阵的特征值和右特征向量。参数： a : ( …，M，M）数组 将计算特征值和右特征向量的矩阵返回： w : ( …，M）数组 特征值，每个都根据其多样性重复。特征值不一定是有序的。结果数组将是复数类型，除非虚部为零，在这种情况下它将被转换为实数类型。当a 是实数时，得到的特征值将是实数（0虚部）或出现在共轭对中v : ( …，M，M）数组 归一化（单位“长度”）特征向量，使得列v[:,i
转载
2023-12-09 11:24:26
85阅读
读写特征值之前，用户需要先选择对应的特征值ID，用户选择了特征值ID以后，通过变量记录下来，方便下次使用。currWriteChar: { // 当前选择的写入特征值
flag: false, // 表示是否可用
serId: "", // 服务ID
charId: "" // 特征值ID
},
currReadChar: { // 当前选择的读/通知特征值
flag: false,
转载
2023-09-05 13:11:02
533阅读
大学学习线性代数的时候，特征值（eigenvalue）和特征向量（eigenvector）一直不甚理解，尽管课本上说特征值和特征向量在工程技术领域有着广泛的应用，但是除了知道怎么求解特征值和特征向量之外，对其包含的现实意义知之甚少。研究生之后学习统计学，在进行主成分分析过程中，需要求解变量的协方差矩阵的特征值和特征向量，并根据特征值的大小确定主成分，似乎知道了特征值和特
转载
2023-10-12 20:39:07
125阅读
参考： 时间序列数据的特征工程总结时间序列预测常见方法：1. 传统的时序预测方法：ARIMA和指数平滑法等；2. 基于机器学习的方法：lightgbm和xgboost；3. 基于深度学习的方法：RNN、LSTM等。 虽然基于机器学习和深度学习方法的预测精度比较高，但依赖于特征工程，特征调的好的话是可以达到
转载
2024-06-28 17:57:38
90阅读
##基础概念
特征工程是通过对原始数据的处理和加工，将原始数据属性通过处理转换为数据特征的过程，属性是数据本身具有的维度，特征是数据中所呈现出来的某一种重要的特性，通常是通过属性的计算，组合或转换得到的。比如主成分分析就是将大量的数据属性转换为少数几个特征的过程。某种程度而言，好的数据以及特征往往是一个性能优秀模型的基础。既然叫特征工程，自然涵盖了很多内容，而其中涉及到的比较重要的部分是特征的处
转载
2023-11-13 15:03:31
87阅读
数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已。
特征工程：特征工程是使用专业背景知识和技巧处理数据，使得特征能在机器学习算法上发挥更好的作用的过程。特征提取的意义：会直接影响机器学习的效果。
pandas数据清理；sklearn特征工程 为什么进行特征提取（特征抽取）？特征抽取是把
转载
2023-12-25 10:27:05
71阅读
大多数数据挖掘算法都依赖于数值或类别型特征，从数据集中抽取数值和类别型特征，并选出最佳特征。特征可用于建模， 模型以机器挖掘算法能够理解的近似的方式来表示现实特征选择的另一个优点在于：降低真实世界的复杂度，模型比现实更容易操纵 特征选择scikit-learn中的VarianceThreshold转换器可用来删除特征值的方差达不到最低标准 的特征。import numpy as np
转载
2023-07-03 16:14:08
143阅读
# iOS 监听特征值以及写入特征值
在iOS开发中，蓝牙（Bluetooth）的使用越来越普遍，尤其是在需要进行数据传输的应用中。特征（Characteristic）是蓝牙低能耗（BLE）中一个重要的概念，它用于承载数据。本文将介绍如何在iOS中监听特征值的变化，以及如何写入特征值，并提供相应的代码示例。
## 1. BLE基础知识
在BLE中，设备分为“主设备”（Central）和“从设
线性空间与线性变换综述1.2 线性变换及其矩阵1.2.3 特征值与特征向量 综述本系列博文主要总结学习矩阵论的心得笔记，参考数目《矩阵论》–张凯院；整个文章的整理体系参照行书过程。1.2 线性变换及其矩阵1.2.3 特征值与特征向量本节讨论如何选择线性空间的基，使得线性变换在该组基下的矩阵表示最简单。而线性变换的特征值与特征向量对于线性变换的研究起着至关重要的作用 。特征值与特征向量具有十分鲜明
转载
2023-12-27 08:25:46
98阅读
使用诸如梯度增强之类的决策树方法的集成的好处是，它们可以从训练有素的预测模型中自动提供特征重要性的估计。 在本文中，您将发现如何使用Python中的XGBoost库来估计特征对于预测性建模问题的重要性，阅读这篇文章后，您将知道：如何使用梯度提升算法计算特征重要性。
如何绘制由
转载
2024-07-18 06:46:21
106阅读
题目内容：对数字求特征值是常用的编码算法，奇偶特征是一种简单的特征值。对于一个整数，从个位开始对每一位数字编号
原创
2022-08-03 17:07:36
266阅读
重要概念点总结1.profile 规范。包含有service服务，如电量。 2.service，每一个服务可能包含一个或多个特征值。 3.characteristic 特征值。通信载体，电量为20%，20%即是特征值的value。主从机之间通信，通过读写特征值实现。 4.UUID 统一识别码。刚才提到的service和characteristic，都需要一个唯一的uuid来标识。连接与通信过程中，
转载
2024-02-03 22:06:52
919阅读
特征点检测算法汇总FASTFAST 是一种角点，主要 检测局部像素灰度变化明显的地方，以速度快著称。它的思想是:如果一个像素与邻域的像素差别较大(过亮或过暗) ，那么它更可能是角点。相比于其他角点检测算法， FAST 只需比较像素亮度的大小，十分快捷。它的检测过程如下: 1.在图像中选取像素p ， 假设它的亮度为Ip 。 2. 设置一个阔值T( 比如， ι 的20%)。 3. 以像素p 为中心，选
转载
2023-09-06 19:19:00
217阅读
透彻理解蓝牙5.0 BLE ATT分析 BLE是传统蓝牙的简化版本，其特点就是低功耗。在BLE中使用了ATT协议。ATT运行在GATT上，在接触GATT之前，先简单了解一下ATT的相关内容ATT的主要作用是发现，并且在对端设备上读取属性， ATT主要是作为服务器去暴露一组属性和相关的数值。这些属性和数值可以被客户端发现，读取和写入ATT中有2个角色，一个是服务器，一个是客户端。服务器暴露
转载
2024-02-13 21:55:17
164阅读
