摘要： 欧氏距离，最常见的两点之间或多点之间的距离表示法，又称之为欧几里得度量，它定义于欧几里得空间中，如点 x = (x1,...,xn) 和 y = (y1,...,yn) 之间的距离为： 欧氏距离虽然很有用，但也有明显的缺点。它将样品的不同属性（即各指标或各变量量纲）之间的差别等同看待，这一点有时不能 阅读全文

摘要： 在迁移学习中， 当源域和目标的数据分布不同 ，但两个任务相同时，这种特殊的迁移学习叫做域适应 常见的域适应数据集有office-home 阅读全文

摘要： import torch gpu_use= torch.cuda.is_available() print(gpu_use) # Decide which device we want to run on device = torch.device("cuda:0" if (torch.cuda.i 阅读全文

摘要： Batch Normalization 为了解决深度网络训练时可能会出现的梯度消失、梯度爆炸或者，导致收敛速度变慢的 问题，使用批标准化的方法将每层的数据都规范到相同的均值和方差， 批标准化可以解决 internal convraiate shift，通过适当的使用较大的学习率，减少训练时间; 能够 阅读全文

摘要： 检查下自己的python版本 需要大于3.6 阅读全文

摘要： torchvision简介 torchvision是pytorch的一个图形库，它服务于PyTorch深度学习框架的，主要用来构建计算机视觉模型。以下是torchvision的构成： torchvision.datasets: 一些加载数据的函数及常用的数据集接口； torchvision.mode 阅读全文

摘要： 梯度求法：分别求各个变量的偏导数，偏导数分别乘三个轴的单位向量，然后各项相加。 梯度的本意是一个向量，表示某一函数在该点处的方向导数沿着该方向取得最大值，即函数在该点处沿着该方向（此梯度的方向）变化最快，变化率最大（为该梯度的模）。 阅读全文

摘要： ①：一张图片矩阵m×n =》每个像素点经过k1×k2的patch滑动提取特征之后=》m×n个k1×k2的patch=》分别对这m×n个patch去平均值=》特征提取完毕=》将m×n个patch组合成一个新的矩阵X，每个patch当作为一列（长度为k1×k2），因此列的数量为m×n=》最终这张图片就变 阅读全文

摘要： 过滤器与卷积核 首先众所周知，卷积核(kernel)是用于卷积运算的，因为卷积的运算时点乘运算，由于源数据（图像）是矩阵，所以卷积核也是一个二维的矩阵才可以做点乘运算，而过滤器(filter)是卷积核的集合 卷积核是二维的，而滤波器是三维的，过滤器是是由长、宽和深度指定的，比卷积核多一个深度。一个过 阅读全文

摘要： ###什么是采样频率? 对于连续的信号，比如脑电信号。以脑电信号为例，我们在采集的时候需要设置一个采集的频率，这个频率就是间隔多长时间采集一次脑电信号。单位一般是HZ（赫兹），即每秒从连续信号中提取并组成离散信号的采样个数。 阅读全文