摘要： 注意力机制分为：通道注意力机制， 空间注意力机制， 通道_空间注意力机制， 自注意力机制 参考： https://blog.csdn.net/weixin_44791964/article/details/121371986 通道注意力机制 SENet 其重点是获得输入进来的特征层中每一个通道的权值 阅读全文

摘要： CNN理解 RNN Why： CNN都是水平方向延伸，没有考虑单个隐藏层在时间上时序的变化。RNN关注每一个神经元在时间维度上的不断成长 普通的结构 加入时序关联的结构：表示隐藏层在不同时刻的状态 其中每个时间段的UWV权重矩阵都是共享一个 参考资料： LSTM 参考: 【LSTM长短期记忆网络】3 阅读全文

摘要： CNN理解 RNN Why： CNN都是水平方向延伸，没有考虑单个隐藏层在时间上时序的变化。RNN关注每一个神经元在时间维度上的不断成长 普通的结构 加入时序关联的结构：表示隐藏层在不同时刻的状态 其中每个时间段的UWV权重矩阵都是共享一个 参考资料： LSTM 参考: 【LSTM长短期记忆网络】3 阅读全文

摘要： 采用新的方法解决旧的问题， 自己能够提出新的模型结构等等 采用方法解决未解决的问题。 阅读全文

摘要： 构造模型的pytorch代码 使用有序字典构造模块 layers = OrderedDict() # 定义一个有序字典 layers.update({"expand_conv": 层结构}) # 添加层结构 self.block = nn.Sequential(layers) # 将有序字典转化为前 阅读全文

摘要： 报错 CUDNN_STATUS_INTERNAL_ERROR 重启pycharm a leaf Variable that requires grad is being used in an in-place operation. 参考：pytorch 异常记录2：a view of a leaf 阅读全文

摘要： #解决的问题为：更改VOC标注数据xml文件信息 参考： 【python】删掉文件头＜?xml version="1.0" encoding="utf-8"?＞_聿默的博客-CSDN博客 Python批量更改xml文件属性_小飞侠的博客-CSDN博客 Python实现ANSI文件转UTF-8 - H 阅读全文

摘要： 增加维度 高纬度打印出来很不好观察，所以打印出来shape更加容易理解维度的增加， 此外一维向量a=np.array([1,2,3]), a[:,None],相当于变为二维并转置了shape=(3,1) b Out[16]: array([[1, 2, 3], [4, 5, 6], [7, 8, 9 阅读全文

摘要： 1 np.random.permutation() # 产生随机索引 shuffle_index = np.random.permutation(60000) x_train = x_train[shuffle_index], y_train = y_train[shuffle_index] np. 阅读全文

摘要： 线性回归 问题1：回归问题和分类问题。 回归(Y)和分类(Y)本质上都是通过一系列影响因子 (X) 系数 (权重w或 θ) 计算得出来的值，分类得出的是具体的某一类，所有可能值是离散的，回归得出的是一个值，所有可能值是连续的。回归一般公式：，误差是独立同分布且服从均值为0方差为的高斯分布 Logis 阅读全文