排版
摘要：
目录 自动生成 自动生成目录步骤： 1.把标题设置为 如果对标题不满意，可以更改格式 2.引用--目录 如果出现一些标题未显示或显示不合理，可以在视图 大纲 把对应的标题设置为1级，2级，正文这样的 删除目录的某部分内容可以先选中，再删除 插入参考文献 1.可以在知网或者谷歌学术、百度学术搜索论文， 阅读全文
posted @ 2020-05-01 14:15 cltt 阅读(166) 评论(0) 推荐(0)
JS
摘要：
$含义及用法 JS应用库JQUERY的作者将之做为一个自定义函数名了，这个函数是获取指定网页元素的函数，使用非常之频繁 $()可以是$(expresion)，即css选择器、Xpath或html元素，也就是通过上述表达式来匹配目标元素。 比如：$("a")构造的这个对象，是用CSS选择器构建了一个j 阅读全文
posted @ 2020-04-27 19:04 cltt 阅读(218) 评论(0) 推荐(0)
Html 标签
摘要：
整体基本结构 <!DOCTYPE html> //文档的说明 <html> //标记文档的开始和结束 <head> //文档的头部 <meta charset="UTF-8"> //源信息标记 <title>Title</title> //标题标记 </head> <body> //主题内容 </b 阅读全文
posted @ 2020-04-27 14:08 cltt 阅读(205) 评论(0) 推荐(0)
Flask 使用CSS框架
摘要：
加载静态文件 一个Web项目不仅需要HTML模板，还需要许多静态文件，比如CSS、JavaScript文件、图片和声音声。 在flask程序中，默认需要将静态文件存储在与主脚本（包含程序实例的脚本）同级目录的static文件夹中。 为了在HTML文件中引用静态文件，我们需要使用url_for()函数 阅读全文
posted @ 2020-04-26 12:47 cltt 阅读(4442) 评论(0) 推荐(0)
FCN 全连接网络
摘要：
CNN能够对图片进行分类，可是怎么样才能识别图片中特定部分的物体、 通常CNN网络在卷积层之后会接上若干个全连接层, 将卷积层产生的特征图(feature map)映射成一个固定长度的特征向量。 以AlexNet为代表的经典CNN结构适合于图像级的分类和回归任务，因为它们最后都期望得到整个输入图像的 阅读全文
posted @ 2020-04-08 12:05 cltt 阅读(1516) 评论(0) 推荐(0)
nn.ConvTranspose2d的参数output_padding的作用
摘要：
使用前提：stride > 1 same卷积操作 是通过padding使得卷积之后输出的特征图大小保持不变(相对于输入特征图)，不代表得到的输出特征图的大小与输入特征图的大小完全相同， 而是他们之间的比例保持为 输入特征图大小/输出特征图大小 = stride 举例： 比如输入特征图为6*6，str 阅读全文
posted @ 2020-04-07 20:30 cltt 阅读(633) 评论(0) 推荐(0)
CNN 逆卷积（fractionally-strided convolutions)
摘要：
1.首先先定义进行卷积的参数： 输入特征图为高宽一样的Hin*Hi大小的x 卷积核大小kernel_size 步长stride padding填充数(填充0) 输出特征图为Hout*Hout大小的y 计算式子为： Hout = floor( [Hin + 2*padding - kernel_siz 阅读全文
posted @ 2020-04-07 20:22 cltt 阅读(1016) 评论(0) 推荐(0)
梯度消失 梯度爆炸
摘要：
梯度消失问题和梯度爆炸问题一般随着网络层数的增加会变得越来越明显。 其实梯度爆炸和梯度消失问题都是因为网络太深，网络权值更新不稳定造成的，本质上是因为梯度反向传播中的连乘效应。对于更普遍的梯度消失问题，可以考虑用ReLU激活函数取代sigmoid激活函数。另外，LSTM的结构设计也可以改善RNN中的 阅读全文
posted @ 2020-04-07 14:21 cltt 阅读(265) 评论(0) 推荐(0)
CNN 卷积神经网络中的 接受视野（Receptive Field）
摘要：
在卷积神经网络中，感受野定义：CNN每一层输出的特征图上的像素点在原始图像上的映射的区域大小。 RF （receptive field）描述了两个特征映射（Feature Maps）上神经元的关系，在进行 CNN 可视化的过程中非常有用。他也可以从侧面让我们了解， 为什么神经网络偏向于选择小的 Fi 阅读全文
posted @ 2020-04-06 19:20 cltt 阅读(2012) 评论(0) 推荐(0)
浙公网安备 33010602011771号
