- 博客(11)
- 收藏
- 关注
RSS订阅
1原创 LLM基本知识
在传统的RNN（循环神经网络）或CNN（卷积神经网络）中，模型通过网络结构自身来处理输入的顺序信息。然而，Transformer模型的结构并不依赖于序列的顺序，它是完全并行的，没有内建的序列顺序信息。因此，需要通过额外的机制来显式地为每个输入元素注入位置相关的信息，这就是位置编码的作用。它的目的是将文本中的词汇表减少到更小的子词单位，从而提高模型在处理低频词和新词时的鲁棒性。它是通过将信息中的实体（如人、地点、事物、概念等）以及它们之间的关系以图形的方式组织起来，从而实现对世界的结构化表示。
2025-06-10 15:11:47
1037
原创 pytorch入门
DataLoader是一个可迭代的数据装载器，组合了数据集和采样器，并在给定数据集上提供可迭代对象。( Union [ int , Tuple [ int , int ] ] ) – 窗口的步幅。tranforms对应 tranforms.py 文件，里面定义了很多类，输入一个图片对象，返回经过处理的图片对象。要使用，torch.optim您必须构造一个优化器对象，该对象将保存当前状态并根据计算的梯度更新参数。大多数常用的方法都已经支持，并且接口足够通用，因此将来也可以轻松集成更复杂的方法。
2025-06-10 15:10:34
722
原创 python入门
def 函数名(参数):函数体return 返回值如果要定义一个无任何功能的空函数，函数体只写 pass 即可。def 函数名():passdef 函数名(*参数名):函数体lambda 参数 : 表达式。
2025-06-10 15:09:36
1090
原创 yolo入门
借鉴特征金字塔网的思想，YOLOv3设计了3种不同尺度的网络输出Y1、Y2、Y3，目的是预测不同尺度的目标。因此 YOLOv2 在此方法上进行了一点改变：预测边界框中心点相对于该网格左上角坐标 （ C x , C y ） （C_x, C_y） （Cx,Cy）的相对偏移量，同时为了将bounding box的中心点约束在当前网格中，使用 sigmoid 函数将 t x , t y t_x, t_y tx,ty 归一化处理，将值约束在0-1，这使得模型训练更稳定。听到此消息的我，为之震惊！
2025-06-10 15:08:42
1091
原创 opencv入门
OpenCV用C++语言编写，它具有C ++，Python，Java和MATLAB接口，并支持Windows，Linux，Android和Mac OS，OpenCV主要倾向于实时视觉应用，并在可用时利用MMX和SSE指令， 如今也提供对于C#、Ch、Ruby，GO的支持。所谓的模板匹配，就是在给定的图片中查找和模板最相似的区域，该算法的输入包括模板和图片，整个任务的思路就是按照滑窗的思路不断的移动模板图片，计算其与图像中对应区域的匹配度，最终将匹配度最高的区域选择为最终的结果。我们需要从其中提取特征。
2025-06-10 15:08:09
941
原创 目标检测入门
（文章截取于百度飞桨，仅供自己学习记忆）目标检测的主要目的是让计算机可以自动识别图片或者视频帧中所有目标的类别，并在该目标周围绘制边界框，标示出每个目标的位置。检测任务需要同时预测物体的类别和位置，因此需要引入一些跟位置相关的概念。通常使用边界框（bounding box，bbox）来表示物体的位置，边界框是正好能包含物体的矩形框。通常有两种格式来表示边界框的位置：在检测任务中，训练数据集的标签里会给出目标物体真实边界框所对应的(x1,y1,x2,y2)这样的边界框也被称为真实框（ground trut
2025-06-10 15:07:17
619
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人