个人技术分享

torch.hstack() 是 PyTorch 中的一个函数，用于沿着水平方向（列维度）堆叠张量来创建一个新的张量。torch.column_stack() 是 PyTorch 中的一个函数，用于按列堆叠张量来创建一个新的张量。torch.masked_select() 是 PyTorch 中的一个函数，用于根据给定的掩码从输入张量中选择元素并返回一个新的张量。torch.index_select() 是 PyTorch 中的一个函数，用于按索引从输入张量中选择元素并返回一个新的张量。

SVM 缺陷检测分类

图像(image)：根据第二点的不同，我们可以将图像分为：模拟图像、数字图像模拟图像的成像过程和结果记录是基于化学反应的，如传统照相方法所用到的“胶片”就是一种物理介质，这个过程涉及到光敏材料对光的响应，是一种！。这种成像过程和记录结果是连续的，没有固定的分辨率限制，可以达到非常精细的水平。对模拟图像的处理和编辑通常需要用到。，成像结果就是离散的。它是基于传感器的。由下图可以看到，数字图像是由模拟图像得到的。它以像素为最小单位存储在计算机等数字电路中，这个过程也称为：图像的数字化。

数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。重要说明：大部分是脚本伤口，也有一小部分是其他部分伤口。图片数量(jpg文件个数)：2760。标注数量(xml文件个数)：2760。标注数量(txt文件个数)：2760。使用标注工具：labelImg。标注规则：对类别进行画矩形框。

费舍尔线性判别分析（Fisher's Linear Discriminant Analysis，简称 LDA），用于将两个类别的数据点进行二分类。randnSwrandn通过这些步骤，代码能够实现费舍尔线性判别分析，并对新的测试样本进行分类和可视化。

SVM 缺陷检测分类

使用python写一个简单的神经网络

本文重点探讨了高精度时间同步技术在多传感器融合中的重要性。通过选择统一的时钟源和基于以太网的协议，确保多传感器数据在统一时间框架内准确处理，为自动驾驶系统提供了可靠的时间基准。

Pytorch1.9.0环境安装过程

岩石种类有砾岩（Conglomerate）、安山岩（Andesite）、花岗岩（Granite）、石灰岩（Limestone）、石英岩（Quartzite）和5种，每种岩石图片各50张，共250张。定义：数据增强是利用现有数据生成新的数据来增加数据量的过程，能够有效地扩充训练数据集的大小，提高模型的泛化能力，同时也能够有效地防止过拟合现象的发生。注意自己python代码的文件引入路径（确保对应的路径下有对应的文件，我这里设置的是根目录下）使用save函数对训练好的模型进行保存，方便后续使用。

本节主要内容是关于基变换的，从一组基变换到另外一组基中，这是在实际应用中会遇到，我们会在项目中讲到因为基的变换而引申出来的信号压缩，图像压缩问题。本章的主题是线性变换与矩阵的关联，线性变换不一定是在坐标系中进行变换，矩阵用坐标来表示线性变换，图像压缩也存在基的变换。我们平常收到的视频图像是非常大的，我们在传输过程中不可能将原始图像进行传输，这样对于网络的负载太大了，我们需要将图像进行压缩打包后再发送，最后在我们显示的时候解压缩进行图像的还原，这样我们就能够高效的进行图像的传递和播放。

全参 SFTLora SFTLora 继续预训练Llama pro 预训练 + SFT预训练数据：由SFT数据的Query 与 Answer 的拼接SFT数据：由GPT4根据垂域文档抽取问答对+人工挑选而来，大概20000条，其中包括公司的介绍自我认知数据：大概200条，从公开的自我认知数据整理而来匠数科技大模型sft数据集显卡训练框架基座模型Qwen1.5-7B1、全参微调学东西最快2、lora要学习垂域知识，得多训几个epoch才行，或者对数据集进行过采样。

在 PyTorch 中，张量是构建神经网络模型的基本元素。了解张量的属性和行为对于深入理解模型的运行机制至关重要。本文将介绍 PyTorch 中的两种重要张量类型：叶子张量和非叶子张量，并探讨它们在反向传播过程中的行为差异。

随着人工智能技术的飞速发展，神经网络作为机器学习的一个重要分支，已经广泛应用于图像识别、自然语言处理、推荐系统等领域。神经网络通过模拟人脑神经元的连接方式，实现对复杂数据的处理和预测。本文将详细介绍神经网络的基本原理、结构、训练过程以及应用实例。

1.回归 2.分类。机器学习算法最普通分类：分类算法的定义：分类算法的应用：分类器实现分类：分类器的构建标准：概率模型：贝叶斯公式：朴素贝叶斯算法（朴素贝叶斯分类器）：案例：注意：python实现：KNN算法空间向量模型：KNN的定义：案例：

深度学习经典神经网络概念、优缺点及应用场景

基于Pytorch框架的深度学习RegNet神经网络二十五种宝石识别分类系统源码

🍨 本文为🔗365天深度学习训练营中的学习记录博客K同学啊 | 接辅导、项目定制本篇内容分为两个部分，前面部分是学习K同学给的算法知识点以及复现，后半部分是自己的拓展与未解决的问题本期学习内容较少，代码与上周类似，主要是理解了上周未解决的小bug，并尝试通过上下翻转使数据增强，下周系统学习数据增强函数并自己实现一个增强函数。

RPN 网络是在预训练模型的基础上进行的，其有两个输出，一个是、一个是regression，前者维度为， 后者维度为，其中等于9，其中 9 表示下文中生成的 基础锚框个数try:except:pass定义训练和tf.print(f'第。

特斯拉的Dojo架构由计算单元和Network Fabric（指芯片上用于连接和通信的网络架构，是一种高性能的互连系统，负责在芯片内部不同计算单元之间传输数据）组成，采用了多种技术例如采用2D网格网络进行数据传输、对神经网络分割、调用本地存储方式等解决带宽和延迟的限制。自定义目标支持：特斯拉可以通过LLVM的目标描述文件，定义Dojo芯片的特性，并扩展LLVM的指令选择和代码生成模块，以支持特斯拉可能有的特定的硬件加速单元和自定义指令集自定义指令。使用LLVM作为底层处理生成硬件所需的二进制代码。