一、题目图着色问题的优化算法设计和启发式算法设计，以及对结果进行必要的分析，用Python绘图，并对结果进行文字说明。二、问题描述图着色问题（Graph Coloring Problem, GCP）又称着色问题，是最著名的NP-完全问题之一。 数学定义：给定一个无向图G=（V, E），其中V为顶点集合，E为边集合，图着色问题即为将V分为K个颜色组，每个组形成一个独立集，即其中没有相邻的顶点。其优化
noteGlove模型目标：词的向量化表示，使得向量之间尽可能多蕴含语义和语法信息。首先基于语料库构建词的共现矩阵，然后基于共现矩阵和GloVe模型学习词向量。对词向量计算相似度可以用cos相似度、spearman相关系数、pearson相关系数；预训练词向量可以直接用于下游任务，也可作为模型参数在下游任务的训练过程中进行精调（fine-tuning）；很多使用如情感分析、词性标注任务中，我们的N
转载
2023-12-07 15:08:36
100阅读
1. plt.legend()函数的作用是给图像加图例。 图例是集中于地图一角或一侧的地图上各种符号和颜色所代表内容与指标的说明，有助于更好的认识地图。 基础绘制eg：
X = np.linspace(-np.pi, np.pi, 256,endpoint=True)
C,S = np.cos(X), np.sin(X)
X 是一个 numpy 数组，包含了从 −π 到 +π
转载
2023-09-30 10:53:06
165阅读
绪论 本次作业主要针对机器学习概念的扫盲以及PyTorch的基础应用。全文共分为四个部分，分别是：第一部分对图像的基本操作，第二部分PyTorch的常用操作，第三部分和第四部分是PyTorch的实际应用。由于之前没接触过深度学习和图像处理方面的知识，故本次作业保留题目的原代码，并附上自己的注解和总结，以供后续查看。注：以下是代码练习
第一部分 图
转载
2023-09-11 17:04:32
152阅读
# 使用 PyTorch 实现 t-SNE 降维算法
t-SNE（t-Distributed Stochastic Neighbor Embedding）是一种用于降维的方法，通常用于可视化高维数据。它能够将高维数据映射到低维空间，使得相似的数据点在低维空间中尽量保持接近，而不相似的数据点则被尽量远离。这种特性使得 t-SNE 在数据探索和可视化中非常有用。
在本文中，我们将讨论如何使用 Py
# 实现pytorch tsne图
## 概述
在本文中，我将向你介绍如何使用PyTorch库来实现t-SNE图。t-SNE（t-Distributed Stochastic Neighbor Embedding）是一种非线性降维算法，可以将高维数据可视化为二维或三维空间。这对于理解数据的结构和模式非常有帮助。让我们按照以下步骤来实现它。
## 整体流程
下表展示了实现pytorch tsn
原创
2024-02-01 04:53:39
534阅读
莫烦PyTorch教程笔记整理 文章目录一、PyTorch神经网络基础1.Torch和Numpy2.变量2.激励函数二、搭建简单的神经网络1.回归2.分类3.搭建网络的两种方法4.模型的保存和提取5.批训练 一、PyTorch神经网络基础1.Torch和NumpyTorch中的tensor与Numpy中的数组非常类似，二者的基本操作类似，可以相互转换： 将Numpy数组转换为Torch的tenso
转载
2023-10-08 16:38:36
191阅读
EfficientDet 难复现，复现即趟坑。在此 Github 项目中，开发者 zylo117 开源了 PyTorch 版本的 EfficientDet，速度比原版高 20 余倍。如今，该项目已经登上 Github Trending 热榜。去年 11 月份，谷歌大脑提出兼顾准确率和模型效率的新型目标检测器 EfficientDet，实现了新的 SOTA 结果。前不久，该团队开源了 Efficie
转载
2024-05-27 11:17:40
2阅读
文章目录前言效果搭建环境安装编译环境安装anaconda，python3.8.8环境安装vs2019vs2019安装完毕后开始安装cuda安装cudnn安装pytorch 前言体验了一下new bing，很不错，但是最近觉得这种模型还是搭建在自己电脑上最好，看了下github上的chatGLM项目，这个项目在致力于将一个大语言模型搭建在个人机上，我对此惊叹不已，就按照其流程下载下来搭建在自己电脑
转载
2024-05-15 14:00:35
31阅读
概述tSNE是一个很流行的降维可视化方法，能在二维平面上把原高维空间数据的自然聚集表现的很好。这里学习下原始论文，然后给出pytoch实现。整理成博客方便以后看SNEtSNE是对SNE的一个改进，SNE来自Hinton大佬的早期工作。tSNE也有Hinton的参与。先解释下SNE。 SNE 全称叫Stochastic Neighbor Embedding。思想是这样的，分别在降维前和降维后的数据集
转载
2023-07-23 20:48:53
131阅读
# PyTorch视频上色简介
在计算机视觉领域，视频上色是一个重要的任务。它的目标是将黑白视频帧转换成彩色视频，使得观众可以更好地理解视频内容。近年来，深度学习技术的快速发展为视频上色提供了新的解决方案。PyTorch作为一种流行的深度学习框架，可以用于训练视频上色模型。
## 视频上色的挑战
视频上色的挑战在于如何准确地恢复丢失的颜色信息。由于黑白视频仅包含灰度信息，因此很难确定每个像素
原创
2023-08-03 08:14:34
672阅读
# 使用PyTorch进行t-SNE降维的探索
## 引言
本篇文章旨在介绍如何使用PyTorch实现t-SNE（t-分布随机邻域嵌入）降维技术。t-SNE是一种常用的降维算法，尤其在数据可视化和探索性数据分析中表现出色。通过将高维数据映射到低维空间，t-SNE能够揭示数据的内在结构，帮助我们更好地理解数据。
## 什么是t-SNE？
t-SNE是一种非线性降维技术，特别适合于处理高维数据
原创
2024-08-15 04:40:36
123阅读
NLP FROM SCRATCH：GENERATING NAMES WITH A CHARACTER-LEVEL RNN这是“NLP From Scratch”系列的第二个教程。第一个教程“NLP From Scratch: Classifying Names with a Character-Level RNN”是把names进行分类到对应的language category，本教程将会反过来，
# 基于 PyTorch 的扩散模型上色技术解析
在图像处理领域，图像上色是一个始终备受关注的话题。随着深度学习技术的飞速发展，扩散模型作为一种新的图像生成和转换工具，逐渐崭露头角。在这篇文章中，我们将探讨如何使用 PyTorch 调用扩散模型进行图像上色，并提供具体的代码示例。
## 扩散模型简述
扩散模型是一类生成模型，其工作原理是通过反向扩散过程将高斯噪声逐步转化为清晰图像。其核心思想
原创
2024-08-05 04:29:26
102阅读
图像增强裁剪Croptransforms.CenterCroptransforms.RandomCrop 功能:从图片中随机裁剪出尺寸为size的图片 • size:所需裁剪图片尺寸 • padding:设置填充大小 当为a时，上下左右均填充a个像素 当为(a, b)时，上下填充b个像素，左右填充a个像素 当为(a, b, c, d)时，左，上，右，下分别填充a, b, c, d • pad_if
转载
2024-01-05 20:34:37
31阅读
# 使用 PyTorch 对黑白图像进行上色的指南
随着深度学习的发展，图像处理变得愈发简单与高效。今天，我们将学习如何使用 PyTorch 对黑白图像进行上色。这一过程分为若干步骤，每个步骤都有其特定的操作和相应的代码实现。
## 流程概述
首先，让我们来看看实现这一目标的流程。下面的表格汇总了整个过程的步骤：
| 步骤 | 描述
原创
2024-09-11 05:23:01
125阅读
用Python操作生成Excel表格不仅要方便快捷，同时还要注意美观，所以给表格画上一个美美的妆很有必要。表格化妆前，干巴巴表格化妆后，妖艳动人在给表格化妆之前，你需要将九九乘法表给创建好，如果你还不会，那么需要补补了。刘凤飞：从九九乘法表开始Python操作Excel-第二趴-向表格里写入运算式zhuanlan.zhihu.com第三趴：给九九乘法表化妆1、只有黑和白的表格看上去干巴巴的，一起来
转载
2023-08-10 08:12:17
90阅读
哈喽，大家好。今天继续给大家分享有趣的 AI 项目。上次我们分享了用GAN（生成对抗网络）让静态图片动起来。今天我们分享用NoGAN的图像增强技术给老照片着色。效果如下： 原图
上色后
NoGAN是一种新型GAN，它能花费最少的时间进行GAN训练。今天分享的这个项目已在GitHub开源项目，下面我们来运行一下。1. 准备工作首先，用git clone命令下载源码git clo
转载
2023-10-09 17:44:17
74阅读
# 实现pytorch最后一层t-SNE
## 概述
在深度学习中，我们经常需要将高维数据映射到低维空间进行可视化或聚类分析。t-SNE（t-Distributed Stochastic Neighbor Embedding）是一种常用的降维技术。在PyTorch中，我们可以通过一些简单的步骤实现对最后一层特征的t-SNE降维。
## 流程概览
下面是实现pytorch最后一层t-SNE的步骤
原创
2024-06-29 06:13:32
394阅读
# 使用t-SNE解决手写数字识别问题
在机器学习领域，t-SNE（t-distributed Stochastic Neighbor Embedding）是一种常用的降维算法，可以将高维数据映射到二维或三维空间中，以便更好地可视化数据。在本文中，我们将使用Python中的scikit-learn库来演示如何使用t-SNE解决手写数字识别问题。
## 问题描述
手写数字识别是一个经典的机器学
原创
2024-06-01 07:14:45
64阅读
