ZHGQCN

摘要： pyqt5 PyQt5视频课程 代码索引 控件 创建主窗口 主窗口居中 退出应用程序 创建主窗口(介绍窗口类型) 设置窗口和应用程序图标 为控件添加提示消息Tooltip QLabel控件的基本用法 垂直布局 QLable设置 QLabel与伙伴关系 热键 & 栅格布局设置 QLineEdit控件与 阅读全文

摘要： 超分辨中的注意力机制：局部注意力、非局部注意力、通道注意力、跨尺度注意力 阅读全文

摘要： 锐化 左：去噪后锐化 中：原图 右：直接锐化 不管是直接锐化，还是去噪后进行锐化，都会使得图像的噪声更加地严重，所以，去噪和锐化就先不做了，直接进行图像增亮和非线性拉伸 增亮 增亮使用加分进行增亮，防止乘法造成了像素值溢出。 利用opencv进行加法增亮时，有两种操作： 直接进行加法，该方法若超过2 阅读全文

摘要： 最近开始学习FLASK，虽然有ubuntu虚拟机，但是外出实习笔记本不方便携带，手上正好有一台阿里云服务器配有**Centos环境**，所以想在阿里云上部署然后方便学习。 先看看成功后的图：实现利用公网ip进行访问 项目布局 仅用于进行测试，不是全部项目 项目布局以Flask官方文档推荐的为主 Fl 阅读全文

摘要： 无论利用Colab训练还是用kaggle训练，直接在其Jupyter Notebook上训练，在网络不稳定和长时间训练时容易断开连接，导致训练无法顺心如意进行。本想着睡前跑一跑，睡后看结果，但是醒了却满满心塞。 为了解决这一问题，在kaggle上训练时，做好设置便可不怕断开连接，睡觉起来看结果，提高 阅读全文

摘要： ResNet 理论： 无处不在的残差网络 (Residual Nets Family) 你必须要知道CNN模型：ResNet 代码理解： pytorch识别CIFAR10：训练ResNet-34（准确率80%） 可视化理解： Python可视化resnet50所有层特征图 DenseNet Dens 阅读全文

摘要： Abstract 逐级放大子带残差来学习高分辨图像 利用转置卷积进行上采样 不需要利用bicubic进行下采样，减少计算量 提出Charbonnier Loss实现高分辨率重建 实现了多倍超分辨，促进resource-aware applications Introduction 单张图像超分辨旨在 阅读全文

摘要： 强化学习 任务与奖赏 概念：机器处于某一环境中，在当前状态在做出动作导致状态的改变而得到环境的奖励反馈。通过奖励反馈的不断学习，总结出较好的策略。 策略的优略取决于长期执行某一策略后得到的累积奖赏，而强化学习的目的就是要找到能是长期累积奖赏最大化的策略。 K-摇臂赌博机（为使得最大化单步强化学习） 阅读全文

摘要： 为什么要数据归一化Feature Scaling 由于原始数据值的范围差异很大，因此在某些机器学习算法中，如果没有归一化，目标函数将无法正常工作。例如，许多分类器通过欧几里得距离来计算两点之间的距离。如果其中一个要素的取值范围较广，则该距离将受此特定要素支配。因此，所有特征的范围应归一化，以使每个特 阅读全文

摘要： 为什么要权值初始化？ 权重初始化的目的是：防止在深度神经网络的正向（前向）传播过程中层激活函数的输出损失梯度爆炸或消失。如果发生任何一种情况，损失梯度太大或太小，就无法有效地反向传播，并且即便可以反向传播，网络也需要花更长时间来达到收敛。 网络初始化的一般做法：让输入值落入类似一个均值为0，标准差为 阅读全文