原创 output = torch.Tensor.scatter_(dim, index, src)

dim = 0, 按照數值方向操作; dim = 1, 按照水平方向操作; a = torch.rand(2, 5) print(a) b = torch.zeros(3, 5).scatter_(0, torch.tensor([[0

原创 Matlab-錯誤使用 griddedInterpolant 網格向量未定義與給定值匹配的點網格

IDE: Matlab 2018a BUG :  錯誤使用 griddedInterpolant 網格向量未定義與給定值匹配的點網格。 出錯 interp3 (line 146)             F = griddedInterp

原创 python numpy 中矩陣乘法>>> a = np.random.randint(4, size=(3,4)) >>> a array([[3, 0, 2, 0], [1, 2,

符合矩陣乘法的函數或運算符: np.dot, np.matmul, @ >>> a = np.random.randint(4, size=(3,4)) >>> a array([[3, 0, 2, 0], [1, 2,

原创 基於tensorflow實現,導入預訓練模型之後,將global_step, epoch重新設置爲0

問題:使用tensoflow導入訓練模型參數後,eoch, global_step仍然是之前訓練所保留的值。因此,在導入預訓練模型參數之後,需要將epoch, global_step的值重新置0. 部分參考代碼: with tf.Ses

原创 1. hello vtk

import vtk def main(): colors = vtk.vtkNamedColors() # 1. 設置背景顏色 bkg = map(lambda x: x / 255.0, [26, 51,

原创 python中numpy_axis理解

以數據a爲例: a = array([[[ 4, 7], [ 5, 13], [ 7, 13]], [[ 9, 3], [ 0, 9], [ 2, 0

原创 DensetNet 筆記

特徵融合的方式: summation-加,缺點:阻礙網絡中信息流。 concatenation- 串聯 密度連接模式的一個可能反直覺效果是它需要更少的參數相比較於傳統的卷積網絡,由於不需要重新學習冗餘的feature-maps。傳統的前饋

原创 RuntimeWarning: divide by zero encountered in log

實驗內容: 使用多項邏輯斯蒂迴歸實現MNIST分類。 在編寫好相關程序之後,進行參數調整。使用學習率爲0.0001,程序正常運行。但是修改學習率爲0.001,0.01。程序就會出現以下錯誤: 解決方法: epsilon = 1e-5 n

原创 Xavier權重初始化方法理解

轉載: https://www.jiqizhixin.com/articles/2018-01-08-3

原创 Batch Normalization 理解

轉載:https://morvanzhou.github.io/tutorials/machine-learning/tensorflow/5-13-A-batch-normalization/

原创 在Mac中配置VTK和Qt Creator測試VTK

PDF教程文件下載: https://pan.baidu.com/s/1kXAghb0p9ALlCRL5c-BI1g

原创 非QMetaType類型缺少Q_DECLARE_METATYPE宏定義錯誤

https://blog.csdn.net/huihut/article/details/78718158

原创 QT5 信號重載情況

QT5 信號重載情況: void valueChanged(int i) void valueChanged(const QString &text) 使用如下語句進行連接,編譯器發出錯誤 。 connect(spinBox, &QSpi

原创 英文論文詞彙積累

aforementioned:上述所說

原创 論文Idea

Deep Learning based Retinal OCT Segmentation 該論文的方法,在OCT圖像上的進行分割,並且分割的精度得到改善。 🤔:如果將該文的方法用到其他類型的圖像分割,分割進度是否有改善? 🤔:    De