总结归纳2023【10月 - 11月】【收获分享,仅供学习使用】

2024-02-24 06:30

本文主要是介绍总结归纳2023【10月 - 11月】【收获分享,仅供学习使用】,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

收获分享,仅供学习使用

提示:这里可以添加系列文章的所有文章的目录,目录需要自己手动添加


文章目录

  • 收获分享,仅供学习使用
  • 记录10月:从10.7-10.31 的主要收获
  • 记录11月第一周(11.1-11.12)主要收获
      • 1. 理解机器学习分类方法原理(SVM(寻找最佳平面) RF(多决策树) MLE与MPE )
      • 2. 学习使用focal loss 代替 CE loss
      • 3. PS:学会P西服证件照
      • 4. PPT制作以及PPT转入word时使用svg格式
      • 5. 一些深度学习的基本概念
      • 6. Bert中的position embedding
      • 7. Vit的创新之处主要有两个:
      • 8. Swin Transformer的创新之处
      • 9. PCA
  • 记录11月第二周(11.13-11.20)主要收获
      • 1. pix转tif
      • 2. tif转mat
      • 3. mat转tif
      • 4. 查看mat/tif中的信息
      • 5. endnote使用
  • 记录11月第三阶段(11.21-11.30)主要收获
      • 1.精度评价指标
      • 2.自编-解码器
      • 3.林业LiDAR数据的预处理
      • 4.C++库的编译
      • 5.一些常用的软件
  • 10-11月总结

记录10月:从10.7-10.31 的主要收获

  1. 学会使用服务器:MobaXterm软件 + pycharm专业版 + 一些常用的指令
  2. 确定了研究的基本流程 + 开题报告创新点 + PPT + 看了至少20篇论文了解基本流程
  3. PPT制作功底 + envi制作立体图,成功做成海报+宣传册
  4. 软件使用:
    (1)arcGIS:裁剪栅格 + 栅格计算器
    (2)envi:根据roi裁剪、 监督分类、PCA
    (3)CC:裁剪、测量
    (4)C++开发:基本环境配置、公司级的插件式开发
  5. Python方面:学会mat与tif格式的互转

记录11月第一周(11.1-11.12)主要收获

1. 理解机器学习分类方法原理(SVM(寻找最佳平面) RF(多决策树) MLE与MPE )

2. 学习使用focal loss 代替 CE loss

3. PS:学会P西服证件照

  • 详见P站UP:PS教学简单哥 的视频,链接: PS证件照教学

4. PPT制作以及PPT转入word时使用svg格式

5. 一些深度学习的基本概念

(1)dropout:解决过拟合问题
(2)整个网络的学习过程:反向传播+梯度下降 —— loss+优化器+合适的学习率(一般随数据量增大而适当降低)
(3)CNN:数据输入(预处理:去均值、归一化…) + 卷积(提取特征)+ 激活(非线性映射,避免梯度消失与过拟合 + 池化(下采样、去冗余、扩大感受野) + 全连接(分类器)
(4)隐藏层数、batch大小、训练迭代次数 等超参数
(5)预训练与迁移学习

6. Bert中的position embedding

  • vit中也借鉴了该功能,用于标定位置
  • 例如,对于一个输入序列,可以为每个位置分配一个唯一的位置嵌入向量,如[0.1, 0.2, -0.3, …],然后将这些位置嵌入向量与每个词汇的词嵌入向量相加。这将允许BERT模型在处理输入序列时考虑每个词汇的具体位置,以更好地理解文本的上下文和结构。
  • 位置嵌入是BERT模型的一个关键组成部分,它有助于模型实现双向(bidirectional)的上下文理解,而不仅仅是依赖于从左到右或从右到左的信息传递。这有助于BERT在各种自然语言处理任务中表现出色,包括语言建模、情感分析、命名实体识别等。
  • 由于这里用的是sum而不是concatenate,所以位置嵌入向量和词嵌入向量具有相同的维度

7. Vit的创新之处主要有两个:

  1. 将图形转化成patch,以迎合TE只能输入序列的需要;且模型是对16×16这样的小的patch进行处理而不是处理一整张224×224的图片中的所有像素
  2. 使用位置编码,使用cls字符能够包含其它所有patch的信息
    在这里插入图片描述
    在这里插入图片描述

8. Swin Transformer的创新之处

  • 加入滑动窗口,提高计算效率,同时可以使相邻窗口有效交互,提高全局建模能力
  • 使用位置掩码,解决滑动窗口中不相邻要素交互的问题
  • 同时该网络可以迁移到检测和分割领域,效果甚好

在这里插入图片描述
在这里插入图片描述

这篇关于总结归纳2023【10月 - 11月】【收获分享,仅供学习使用】的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/741222

相关文章

C++11右值引用与Lambda表达式的使用

《C++11右值引用与Lambda表达式的使用》C++11引入右值引用,实现移动语义提升性能,支持资源转移与完美转发;同时引入Lambda表达式,简化匿名函数定义,通过捕获列表和参数列表灵活处理变量... 目录C++11新特性右值引用和移动语义左值 / 右值常见的左值和右值移动语义移动构造函数移动复制运算符

Python对接支付宝支付之使用AliPay实现的详细操作指南

《Python对接支付宝支付之使用AliPay实现的详细操作指南》支付宝没有提供PythonSDK,但是强大的github就有提供python-alipay-sdk,封装里很多复杂操作,使用这个我们就... 目录一、引言二、准备工作2.1 支付宝开放平台入驻与应用创建2.2 密钥生成与配置2.3 安装ali

C#中lock关键字的使用小结

《C#中lock关键字的使用小结》在C#中,lock关键字用于确保当一个线程位于给定实例的代码块中时,其他线程无法访问同一实例的该代码块,下面就来介绍一下lock关键字的使用... 目录使用方式工作原理注意事项示例代码为什么不能lock值类型在C#中,lock关键字用于确保当一个线程位于给定实例的代码块中时

MySQL 强制使用特定索引的操作

《MySQL强制使用特定索引的操作》MySQL可通过FORCEINDEX、USEINDEX等语法强制查询使用特定索引,但优化器可能不采纳,需结合EXPLAIN分析执行计划,避免性能下降,注意版本差异... 目录1. 使用FORCE INDEX语法2. 使用USE INDEX语法3. 使用IGNORE IND

C# $字符串插值的使用

《C#$字符串插值的使用》本文介绍了C#中的字符串插值功能,详细介绍了使用$符号的实现方式,文中通过示例代码介绍的非常详细,需要的朋友们下面随着小编来一起学习学习吧... 目录$ 字符使用方式创建内插字符串包含不同的数据类型控制内插表达式的格式控制内插表达式的对齐方式内插表达式中使用转义序列内插表达式中使用

flask库中sessions.py的使用小结

《flask库中sessions.py的使用小结》在Flask中Session是一种用于在不同请求之间存储用户数据的机制,Session默认是基于客户端Cookie的,但数据会经过加密签名,防止篡改,... 目录1. Flask Session 的基本使用(1) 启用 Session(2) 存储和读取 Se

Java Thread中join方法使用举例详解

《JavaThread中join方法使用举例详解》JavaThread中join()方法主要是让调用改方法的thread完成run方法里面的东西后,在执行join()方法后面的代码,这篇文章主要介绍... 目录前言1.join()方法的定义和作用2.join()方法的三个重载版本3.join()方法的工作原

Spring AI使用tool Calling和MCP的示例详解

《SpringAI使用toolCalling和MCP的示例详解》SpringAI1.0.0.M6引入ToolCalling与MCP协议,提升AI与工具交互的扩展性与标准化,支持信息检索、行动执行等... 目录深入探索 Spring AI聊天接口示例Function CallingMCPSTDIOSSE结束语

Linux系统之lvcreate命令使用解读

《Linux系统之lvcreate命令使用解读》lvcreate是LVM中创建逻辑卷的核心命令,支持线性、条带化、RAID、镜像、快照、瘦池和缓存池等多种类型,实现灵活存储资源管理,需注意空间分配、R... 目录lvcreate命令详解一、命令概述二、语法格式三、核心功能四、选项详解五、使用示例1. 创建逻

OpenCV在Java中的完整集成指南分享

《OpenCV在Java中的完整集成指南分享》本文详解了在Java中集成OpenCV的方法,涵盖jar包导入、dll配置、JNI路径设置及跨平台兼容性处理,提供了图像处理、特征检测、实时视频分析等应用... 目录1. OpenCV简介与应用领域1.1 OpenCV的诞生与发展1.2 OpenCV的应用领域2