摘要: # 首先看传入的tensor的size,传入的tensor的维度不够则需要添加维度 # 这里的labels的size是tensor([n])的,传入需要添加维度 # 如果出现上述问题,只需要在后面加上to.(torch.int64)即可解决 # n是要分的种类 labels = torch.nn.f 阅读全文
posted @ 2021-11-18 14:57 咖啡陪你 阅读(4279) 评论(0) 推荐(1)
摘要: 1.基于损失函数和模型设计的主要深度半监督学习方法分类 2.Semi-supervised GANs [1] L. Schoneveld, “Semi-supervised learning with generative adversarial networks,” in Doctoral dis 阅读全文
posted @ 2021-11-18 09:37 咖啡陪你 阅读(801) 评论(0) 推荐(1)
摘要: 二分类使用Accuracy和F1-score,多分类使用Accuracy和宏F1。 最近在使用sklearn做分类时候,用到metrics中的评价函数,其中有一个非常重要的评价函数是F1值, 在sklearn中的计算F1的函数为 f1_score ,其中有一个参数average用来控制F1的计算方式 阅读全文
posted @ 2021-11-17 22:38 咖啡陪你 阅读(1922) 评论(0) 推荐(1)
摘要: 1.基于点的方法 EDR LCSS DTW 2.基于形状的方法: Frechet Hausdorff 3.基于分段的方法 One way Distance LIP distance 4.基于特定任务的方法 TRALCLVS Road Network Grid 阅读全文
posted @ 2021-11-16 18:59 咖啡陪你 阅读(576) 评论(0) 推荐(0)
摘要: 1 c = [-10,-5,0,5,3,10,15,-20,25] 2 3 print c.index(min(c)) # 返回最小值 4 print c.index(max(c)) # 返回最大值 阅读全文
posted @ 2021-11-15 15:17 咖啡陪你 阅读(418) 评论(0) 推荐(0)
摘要: 在一个python的字典中,查找key对应的value比较容易,但是反过来通过value查找key可以自己新建一个函数: // 函数输入为字典和要找的那个值 def getKey(dic,value): result = set() //通过set()函数创建一个元素集合 for key in di 阅读全文
posted @ 2021-11-15 10:21 咖啡陪你 阅读(1528) 评论(0) 推荐(0)
摘要: 问题 在对numpy的矩阵用np.linalg.inv方法时报错 numpy.linalg.LinAlgError: Singular matrix 原因 A=np.matrix([[1,2],[-1,-3]]) print(A) print(type(A)) B=np.linalg.inv(A) 阅读全文
posted @ 2021-11-15 09:29 咖啡陪你 阅读(5661) 评论(0) 推荐(0)
摘要: 文章目录LIGHTNINGMODULE Minimal Example 一些基本方法 Training Training loop Validation loop Test loop Inference Inference in research Inference in production Li 阅读全文
posted @ 2021-11-15 09:15 咖啡陪你 阅读(1375) 评论(0) 推荐(0)
摘要: 关于数据集 此数据包含大小为150x150、分布在6个类别下的约25k图像。 {'建筑物':0,'森林':1,'冰川':2,'山':3,'海':4,'街道':5} 训练、测试和预测数据在每个 zip 文件中分开。训练中有大约 14k 图像,测试中有 3k,预测中有 7k。 挑战 这是一个多类图像分类 阅读全文
posted @ 2021-11-15 09:00 咖啡陪你 阅读(1542) 评论(0) 推荐(0)
摘要: 张量的拼接有两种主要的基本策略: 不增加张量的维度,只增加某个维度方向的长度:cat()增加张量的维度,不增加单个维度方向的长度:stack()第2章 增加张量长度的拼接:cat()2.1 基本原理 2.2 函数说明功能:在不改变张量维度的情况下,通过增加张量在某个维度方向的长度,把两个张量拼接起来 阅读全文
posted @ 2021-11-14 22:50 咖啡陪你 阅读(1224) 评论(0) 推荐(0)