Summer127

摘要： 1.图像基础 二值图：只有2种取值 灰度：对8位灰度图，有256种灰度级取值 RGB：真彩色：R,G,B通道各有8位；假彩色：8位表示256种颜色 2.通道分离与合并 b, g, r = cv.split(img) img_new = cv.merge([b, g, r]) 3.彩色图转灰度图 im 阅读全文

摘要： 研究背景： 小卷积核 多尺度 加深网络深度 单尺度测试结果对比结论： LRN对网络性能提升没有帮助 对于同一个网络结构多尺度训练可以提高网络精度 一定程度加深网络可以提高网络精度 多尺度测试结果对比结论： 对比单尺度预测，多尺度综合预测，能够提升预测的精度 尺度抖动scale jittering(多 阅读全文

摘要： 目的：为了衡量两个变量之间的相关性的大小 整体步骤：描述性统计--》正态性检验--》（符合）皮尔逊/（不符合）斯皮尔曼--》假设检验是否显著 1.Pearson相关系数 X、Y变化方向相同，乘积为正，二者正相关 X、Y变化方向相反，乘积为负，二者负相关 由于协方差的大小和两个变量的量纲有关，因此不适 阅读全文

摘要： 目的：用于缺失数据处理 定义：在离散数据的基础上补插连续函数，使得这条连续曲线通过全部给定的离散数据点。（而拟合只求函数图像神似而不求穿过已知点） 输入的是一堆点，也就是一堆x和一堆y，想要得到一个函数，能完美通过这一堆x和这一堆y 分类：分段插值、多项式插值、三角插值 若f(x)是次数不超过n的代 阅读全文

摘要： 拟合是已知点列，从整体上靠近它们，不要求曲线经过每个样本点，但要保证误差足够小 已知一组数据，寻求一个y=f(x)，使f(x)在某种准则下与所有数据点最为接近 拟合的准则是使yi与f(xi)的距离的平方和最小，称为最小二乘准则 若函数对参数线性（参数仅以一次方形式出现，且不能乘以或除以其他任何参数， 阅读全文

摘要： 整体步骤： 准备数据集--》利用dataloader来加载数据集--》创建网络模型--》创建损失函数、优化器--》设置训练网络的一些参数（训练的次数、测试的次数、epoch）--》添加tensorboard--》每次训练（每个epoch）下：训练集上：分割数据，loss，清零，优化；测试集上：分割数 阅读全文

摘要： 1.Conv2d torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros', device=No 阅读全文

摘要： 一、Tensorboard--可视化工具 1.使用逻辑：将代码运行过程中的某些数据保存在一个文件夹中，再读取这个文件夹中的数据，用浏览器显示出来 2.代码： from torch.utiis.tensorboard import SummaryWriter writer = SummaryWrite 阅读全文