guanyifan

摘要： 创建结构体指针： var list *ListNode = &ListNode(0,head) 上面的写法等同于 list := &ListNode(0,head) 要想创建一个链表，首先要创建一个表头 num := new(ListNode) 然后将其进行数据赋值以及链接到下一个 middle : 阅读全文

摘要： 存储结构： 1、切片 切片是Go中重要的数据类型，每个切片对象内部都维护着：数组指针（切片的地址）、切片长度、切片容量三个数据 长度是目前存储的数量，容量是最大存储数量 在向切片中追加的数据个数大于容量时，内部会自动扩容且每次扩容都当前容量的两倍（当容量超过1024时每次扩容则只增加当前容量的1/4 阅读全文

摘要： 进入管理员账号 sudo docekr run -it --shm-size 8G -p 10100-10200:10100-10200 -p 9220:22 --name=yanyu -v -v /home/shenxy/pytorch:/root/workspace --gpus all our 阅读全文

摘要： 后台运行： nohup python3 train.py & 首先拉一个镜像： sudo docker pull ubuntu :拉一个乌班图的镜像 如何使用这个镜像： sudo docker run -i -t ubuntu /bin/bash:这样就进入了乌班图的一个终端 输入ls可以查看目录： 阅读全文

摘要： nnFormer不仅利用了交错卷积和自注意操作的结合，还引入了局部和全局基于体积的自注意机制来学习体积表示。此外，nnFormer还提出在类似U-Net的架构中，使用跳转注意(skip-attention)来取代跳转连接(skip-connection)中传统的连接/求和操作. 有许多方法试图将变压 阅读全文

摘要： 1 阅读全文

摘要： 目前的SSL方法一般采用判别方法和重构方法（discriminative methods and reconstruction methods），典型的判别方法包括旋转[3]、魔方[20]和对比学习[14]（rotating [3], RubikCube [20] and contrastive l 阅读全文

摘要： 简单来说，就是分为两个流，用CNN来获取局部信息，用tranformer获取全局上下文信息，Transformer模块生成一个图像级上下文表示(ICR)来构建图像级的空间依赖图，并生成区域重要性系数(RIC)来模拟每个区域的重要性。 模型结构如下： 在第一个流当中，我们应用CNN来获取图像（但好像是 阅读全文

摘要： 在VGG中，卷积网络达到了19层，在GoogLeNet中，网络史无前例的达到了22层。那么，网络的精度会随着网络的层数增多而增多吗？在深度学习中，网络层数增多一般会伴着下面几个问题 计算资源的消耗 模型容易过拟合 梯度消失/梯度爆炸问题的产生 问题1可以通过GPU集群来解决，对于一个企业资源并不是很 阅读全文

摘要： 2023年3月发表在arxiv 现阶段，人们对于transformer的兴趣激增，然而，由于缺乏大规模的注释医疗数据集，使得实现与自然图像相同的性能具有挑战性，相比之下，卷积网络具有更高的归纳偏差，因此，很容易被训练到高性能。现阶段，ConvNext试图通过镜像transformer来使得ConvN 阅读全文