- 博客(117)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 FDFS传输文件错误
错误信息：com.github.tobato.fastdfs.exception.FdfsConnectException: 无法获取服务端连接资源com.github.tobato.fastdfs.exception.FdfsServerException: 错误码：2，错误信息：找不到节点或文件解决：1. 防火墙的问题要关闭虚拟机的 防火墙查看防火墙状态firewall-cmd --state关闭防火墙： systemctl stop firew...
2020-11-23 18:32:43
1643
原创 Clinically Applicable AI System for Accurate Diagnosis, Quantitative Measurements...论文总结
Clinically Applicable AI System for Accurate Diagnosis, Quantitative Measurements, and Prognosis of COVID-19 Pneumonia Using Computed Tomography要解决的问题：季节性流感也会引起病毒性肺炎，将NCP（新冠肺炎）与普通流感或其他类型的肺炎（比如病毒性肺炎和细菌性肺炎）区分开具有重要意义。普通的核算检测只能确定是否是NCP，但在前期，快速和低成本的确定病.
2020-07-13 21:51:25
1437
1
原创 A Generalized Deep Learning Approach for Evaluating Secondary Pulmonary Tuberculosis...论文总结
A Generalized Deep Learning Approach for Evaluating Secondary Pulmonary Tuberculosis on Chest Computed Tomography要解决的问题：结核型肺炎 Pulmonary TuberculosisPTB and 非结核型肺炎non-tuberculous(non-TB )的差异是大的，但依靠临床和放射科来判断肺结核的疾病类型仍然很困难，成本高，速度慢。因此，如何应用深度学习技术审核CT图...
2020-07-13 21:49:47
434
原创 Prediction of Multidrug-Resistant TB from CT Pulmonary Images Based on Deep Learning Techniques论文总结
Prediction of Multidrug-Resistant TB from CT Pulmonary Images Based on Deep Learning Techniques解决的问题：TB（肺结核）疾病可分为drug-sensitive （DS）和multidrug-resistant (MDR) ，为了发现病人TB所属于的类型，传统的方法是进行复杂的微生物培养菌实验，将持续几个月的时间。因此如何快速，准确的确定TB的所属类型有着重要的意义。通过CT图像来进行临床分析诊断.
2020-07-13 21:47:00
326
原创 基础目标检测算法CNN、RCNN、Fast RCNN、Faster RCNN
基础目标检测算法介绍：CNN、RCNN、Fast RCNN和Faster RCNN1.CNN：（问题：输入尺寸固定）对于普通的CNN网络，由于输入图片中的物体可能有不同的长宽比，空间位置。目标物体可能占据图片的大部分，也可能是一小部分，目标物体的形状也可能不同。在目标检测时，就需要将图片分割成多个区域，以检测此区域内的物体（为了将各个物体分离开），这就需要大量算力。为解决这一问题，减少区域的分割，引入基于区域的CNN，它可以进行区域的选择。2.RCNN：SPP：Spa..
2020-07-09 21:43:03
1975
原创 Self-Supervised Scene De-occlusion（2020CVPR 港中文）论文解读
Self-Supervised Scene De-occlusion（2020CVPR 港中文）1.要解决的问题：Natural scene understanding 是一个具有挑战的任务，特别是当多个物体因前后顺序位置而产生遮挡时。有些时候需要去分析每个独立的物体，恢复其被遮掩的部分。在instance segmentation 的数据集中，像 COCO、KITTI、LVIS 这些。里面并没有遮挡关系和 amodal mask 的标注，所以有监督学习的思路是无法解决上述问题的。...
2020-07-08 22:02:11
957
原创 自监督学习（SSL）简介
首先了解一下自监督学习与监督学习、非监督学习的关系：自监督学习（SSL）是指：从数据本身产生某种形式的标签并训练神经网络，来解决某些特定任务或学习通用的图像、视频、语言的特征表达。自监督学习属于无监督学习，其典型的pipeline是给出unlabeled data并设计一个CNN architecture，需要设计一个自监督的proxy task，从图像本身中找出标签，再解决这个task。在这个过程中CNN可以学到很多东西，并可以transfer到一个目标的任务上，其中最重要的是如.
2020-07-08 21:45:27
4206
原创 Self-supervised Equivariant Attention Mechanism for Weakly Supervised Semantic Segmentation论文解读
（CVPR 2020｜中科院VIPL实验室）1.要解决的问题：基于类别标签的弱监督语义分割是一个具有挑战性的问题，类别响应图（class activation map，简称CAM）始终是这一领域的基础方法。但是由于强监督与弱监督信号之间存在差异，由类别标签生成的CAM无法很好地贴合物体边界，因为在data/label同时做数据增强时，不同的rescale 后，弱监督的分割中可能会丢失一些信息，CAM会受到较大影响。（CAM: 类别响应图，根据图像中的不同类别，来为图像中的不同物体打分，一般是前.
2020-07-07 23:02:39
3551
3
原创 python_基本语法_3
"""迭代器：使用迭代方法的好处：1.可节省内存空间2.会从容器里面挨个取值，直到取完为止"""class YourRange(): def __init__ (self, start, end): self.value = start self.end = end def __iter__(self): return self def __next__(self): if self.value..
2020-07-03 01:22:34
652
原创 python_基本语法学习_2
# 枚举s = ['a', 'b', 'c']for i, v in enumerate(s): print(i, v)# 创建迭代器class TestIter(): def __init__(self,lst): self.lst = lst def __iter__(self): print('__iter__ is called') return iter(self.lst)# t = TestIter()t..
2020-07-01 23:36:11
189
原创 python_基本语法学习_1
# 十进制 --》 二进制bin(10)# 8进制oct(10)#十六进制hex(10)dic = {}dic = {'a': 1, 'b': 2}dic = dict(zip(['a', 'b'], [1,2]))dic = dict([('a',1),('b',2)])# Out: {'a': 1, 'b': 1}# 切片 range(start, stop, step)a = [1,4,2,3,1]my_slice = slice(0,5,2) # 1..
2020-07-01 23:32:43
202
原创 二分查找类算法题
二分查找基本模版：def two_find(nums, target ,l ,r): if l>r: return False m = (l+r)//2 if nums[m]==target: return True elif nums[m] < target: return two_find(nums, target, m+1, r) elif nums[m] > target: ...
2020-05-20 08:18:13
243
原创 动态规划类-算法（python）
零钱兑换I / 零钱兑换II ：https://blog.csdn.net/Turbo_Come/article/details/106174128打家劫舍/最长上升子序列 ：https://blog.csdn.net/Turbo_Come/article/details/106174080解码方法：https://mp.csdn.net/console/editor/html/106173890爬楼梯：https://mp.csdn.net/console/edi...
2020-05-17 14:37:35
283
原创 动态规划-零钱兑换
322. 零钱兑换给定不同面额的硬币 coins 和一个总金额 amount。编写一个函数来计算可以凑成总金额所需的最少的硬币个数。如果没有任何一种硬币组合能组成总金额，返回-1。示例1:输入: coins = [1, 2, 5], amount = 11输出: 3解释: 11 = 5 + 5 + 1示例 2:输入: coins = [2], amount = 3输出: -1说明:你可以认为每种硬币的数量是无限的。from typing import Listc...
2020-05-17 14:31:11
368
原创 动态规划-打家劫舍/最长上升子序列
198. 打家劫舍你是一个专业的小偷，计划偷窃沿街的房屋。每间房内都藏有一定的现金，影响你偷窃的唯一制约因素就是相邻的房屋装有相互连通的防盗系统，如果两间相邻的房屋在同一晚上被小偷闯入，系统会自动报警。给定一个代表每个房屋存放金额的非负整数数组，计算你在不触动警报装置的情况下，能够偷窃到的最高金额。示例 1:输入: [1,2,3,1]输出: 4解释: 偷窃 1 号房屋 (金额 = 1) ，然后偷窃 3 号房屋 (金额 = 3)。 偷窃到的最高金额 = 1 + 3 = 4 。示.
2020-05-17 14:28:29
232
原创 动态规划-解码方法
91.解码方法"""一条包含字母A-Z 的消息通过以下方式进行了编码：'A' -> 1'B' -> 2...'Z' -> 26给定一个只包含数字的非空字符串，请计算解码方法的总数。示例 1:输入: "12"输出: 2解释:它可以解码为 "AB"（1 2）或者 "L"（12）。示例2:输入: "226"输出: 3解释:它可以解码为 "BZ" (2 26), "VF" (22 6), 或者 "BBF" (2 2 6) 。#---------...
2020-05-17 14:16:38
350
原创 动态规划-爬楼梯
70 爬楼梯假设你正在爬楼梯。需要 n阶你才能到达楼顶。每次你可以爬 1 或 2 个台阶。你有多少种不同的方法可以爬到楼顶呢？注意：给定 n 是一个正整数。示例 1：输入： 2输出： 2解释： 有两种方法可以爬到楼顶。1. 1 阶 + 1 阶2. 2 阶示例 2：输入： 3输出： 3解释： 有三种方法可以爬到楼顶。1. 1 阶 + 1 阶 + 1 阶2. 1 阶 + 2 阶3. 2 阶 + 1 阶""""""动态规划：第n个台阶，只可能由第 n-1,n...
2020-05-17 14:14:24
330
原创 动态规划-正则表达式匹配
10 正则表达式匹配https://leetcode-cn.com/problems/regular-expression-matching/给你一个字符串s和一个字符规律p，请你来实现一个支持 '.'和'*'的正则表达式匹配。'.' 匹配任意 单个字符'*' 匹配 零个或多个前面的那一个元素所谓匹配，是要涵盖整个字符串s的，而不是部分字符串。说明:s可能为空，且只包含从a-z的小写字母。p可能为空，且只包含从a-z的小写字母，以及字符.和*示例...
2020-05-17 13:06:03
312
原创 Pandas数据处理基本命令
读取写入 csv , excel 文件df = pd.read_csv('abd.csv')df.to_csv('abd.csv')df = pad.read_excel('abc')df.to_excel('abc')查看数据基本信息df.head(5)df.tail(5)df.columnsdf.shape # (行， 列)df.index #...
2020-04-29 22:35:37
311
原创 空间变换器网络的简介+实现
空间变换器网络是对任何空间变换的差异化关注的概括。空间变换器网络（简称STN）允许神经网络学习如何在输入图像上执行空间变换， 以增强模型的几何不变性。例如，它可以裁剪感兴趣的区域，缩放并校正图像的方向。而这可能是一种有用的机制，因为CNN对于旋转和 缩放以及更一般的仿射变换并不是不变的。空间变换器网络归结为三个主要组成部分：本地网络（Localisation Network...
2020-04-29 21:01:19
1027
原创 pytorch 训练/测试模型时错误：RuntimeError: CUDA error: out of memory
方法1：batch-size设置多小方法2：with torch.no_grad(): net = Net() out = net(imgs)积累的梯度应该是会一直放在显存里的...用了这一行就会停止自动反向计算梯度方法3：设置cpu来加载模型：model_path = 'path/to/model.pt' model = UN...
2020-04-29 11:19:00
2457
1
原创 迁移学习应用
转移学习：微调和特征提取在*微调*中，我们从预训练模型开始，更新我们新任务的所有模型参数，实质上是重新训练整个模型。在*特征提取*中，我们从预训练模型开始，仅更新从中导出预测的最终图层权重。它被称为特征提取，因为我们使用预训练的CNN作为固定 的特征提取器，并且仅改变输出层。这两种迁移学习方法都遵循以下几个步骤：初始化预训练模型重组最后一层，使其具有与新数据集类别数相同的输...
2020-04-25 13:17:17
1517
1
原创 pytorch 保存和加载 Checkpoint 模型，实现断点训练
保存和加载 Checkpoint 用于推理/继续训练保存# 模型类必须在此之前被定义model = torch.load(PATH)model.eval()•torch.save({'epoch': epoch,'model_state_dict': model.state_dict(),'optimizer_state_dict': optimizer.state_di...
2020-04-24 16:10:18
23443
3
原创 pytorch中模型和参数的存储
在PyTorch中， torch.nn.Module 模型的可学习参数（即权重和偏差）包含在模型的参数中，（使用 c可以进行访问）。state_dict 是Python字典对象，它将每一层映射到其参数张量。注意，只有具有可学习参数的层（如卷积层，线性层等）的模型才具有 state_dict 这一项。目标优化 torch.optim 也有 state_dict 属性，它包含有关优化器的状态...
2020-04-24 16:02:11
1065
原创 格雷编码python实现
LeetCode 链接：https://leetcode-cn.com/problems/gray-code题目：格雷编码是一个二进制数字系统，在该系统中，两个连续的数值仅有一个位数的差异。给定一个代表编码总位数的非负整数 n，打印其格雷编码序列。格雷编码序列必须以 0 开头。示例 1:输入:2输出:[0,1,3,2]解释:00 - 001 - 111 - 31...
2020-04-24 08:34:16
622
原创 迁移学习
迁移学习通常的做法是在一个很大的数据集上进行预训练得到卷积网络ConvNet, 然后将这个ConvNet的参数作为目标任务的初始化参数或者固定这些参数迁移学习的两个主要场景：微调**Convnet**：使用预训练的网络(如在 imagenet 1000 上训练而来的网络)来初始化自己的网络，而不是随机初始化。其他的训练步骤不变。将**Convnet**看成固定的特征提取器:首先...
2020-04-23 17:39:50
555
原创 Pytorch训练神经网络过程解析
pytorch单步实现2层的神经网络：import osimport torchimport pandas as pdfrom skimage import io, transformimport numpy as npimport matplotlib.pyplot as pltfrom torch.utils.data import Dataset, DataL...
2020-04-23 17:23:35
739
原创 Pytorch加载自己的文件夹中数据
使用Pytorch中的,Dataset , DataLoader类去加载数据集：import torchfrom torchvision import transforms, datasetsimport os,sysfrom torch.utils.data import Dataset,DataLoaderfrom PIL import Imageimport nump...
2020-04-21 22:41:34
3800
原创 面部标注展示
from __future__ import print_function, divisionimport osimport torchimport pandas as pdfrom skimage import io, transformimport numpy as npimport matplo...
2020-04-18 19:33:18
339
原创 Pytorch实现cifar-10图像分类
导入必要的包import torchimport torchvisionimport torchvision.transforms as transformsimport matplotlib.pyplot as pltimport numpy as npimport torch.nn as nnimport torch.nn.functional as Fimport to...
2020-04-16 11:05:40
1079
转载 python中matplotlib画图时颜色及线条控制
（原）python中matplotlib的颜色及线条控制http://www.cnblogs.com/darkknightzh/p/6117528.html参考网址：http://stackoverflow.com/questions/22408237/named-colors-in-matplotlibhttp://stackoverflow.com/...
2020-04-06 20:14:43
2139
转载 Latex常用语法
加帽子符号latex中如果想在字母上加上一个帽子（尖角）符号应该怎样表达呢？（1）如果是在正文中，例如用\^{Z}即可；（2）如果是在公式中，例如用\hat{Z}即可。加横线和波浪线...
2020-03-31 21:54:12
1539
原创 统计二进制中1的个数
二进制中1的个数请实现一个函数，输入一个整数，输出该数二进制表示中 1 的个数。例如，把 9表示成二进制是 1001，有 2 位是 1。因此，如果输入 9，则该函数输出 2。示例 1：输入：00000000000000000000000000001011输出：3解释：输入的二进制串 00000000000000000000000000001011中，共有三位为 '1'。...
2020-03-21 18:06:36
286
原创 n! 结果尾数中零的数量
阶乘尾数0给定一个整数 n，返回 n! 结果尾数中零的数量。示例 1:输入: 3输出: 0解释: 3! = 6, 尾数中没有零。示例 2:输入: 5输出: 1解释: 5! = 120, 尾数中有 1 个零.思路：只有5的倍数的阶乘，尾数中有连续的零：num = a* 10^k = a* 5^k * 2^k统计一个数中，可以累除多少个5，尾数中便有多少个0...
2020-03-21 17:59:37
869
原创 判断一个数是否是 2、3、4的幂次方
2的几次幂判断一个数是否是 2的幂次方：思路：在二进制中 2^n形式如下2^1=2：10 1：012^2=4：100 3：0112^3=8: 1000 4：01112^4=16: 10000 5：01...
2020-03-21 17:53:30
598
原创 204统计小于N的质数个数
统计小于N的质数个数统计所有小于非负整数 n 的质数的数量。示例:输入: 10输出: 4解释: 小于 10 的质数一共有 4 个, 它们是 2, 3, 5, 7 class Solution: def countPrimes(self, n: int) -> int: import math def Judge(num): ...
2020-03-21 17:38:09
306
原创 求和问题
LeetCode题目汇总:1.两数求和15.三数求和16.最接近的三数和18.四数求和两数求和：思路：哈希表思想，用python中的dict字典实现，时间复杂度：O(n) def twoSum(self, nums ,target) : dict_num = {} for ids, num in enumerate(nu...
2020-03-14 12:45:24
316
原创 对抗攻击、防御论文介绍
攻击：快速梯度符号法（FGSM），通过在损失梯度的梯度方向上添加增量来生成一个对抗示例：Goodfellow, Ian J., Jonathon Shlens, and Christian Szegedy. Explaining and harnessing adversarial examples.基本迭代方法（BIM），它是FGSM的改进版本，与FGSM相比，BIM执行多个步...
2020-03-13 11:44:31
1577
原创 129 跟到叶子节点数字之和
LeetCode：129 跟到叶子节点数字之和给定一个二叉树，它的每个结点都存放一个0-9的数字，每条从根到叶子节点的路径都代表一个数字。例如，从根到叶子节点路径 1->2->3 代表数字 123。计算从根到叶子节点生成的所有数字之和。说明:叶子节点是指没有子节点的节点。示例 1:输入: [1,2,3] 1 / \ 2 3...
2020-03-10 23:27:58
267
原创 124: 二叉树中最大路径求和
LeetCode 124:二叉树中最大路径求和给定一个非空二叉树，返回其最大路径和。本题中，路径被定义为一条从树中任意节点出发，达到任意节点的序列。该路径至少包含一个节点，且不一定经过根节点。示例 1:输入: [1,2,3] 1 / \ 2 3输出: 6示例2:输入: [-10,9,20,null,null,15,7]...
2020-03-10 23:05:39
814
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人