个人技术分享

黑箱模型（Black Box），或称经验模型，是一种描述系统或现象的方法，其中系统的内部规律、机制或工作原理尚未完全为人所知或理解。黑箱模型是一种描述系统或现象的方法，其中系统的内部规律尚未完全为人所知。它在环境预测和人工智能等领域有着广泛的应用，但需要注意其局限性和使用条件。定义黑箱模型指的是只知道其输入、输出及这两者的关系，而不知道其内部结构的系统。该模型是变量预测工作中应用较多的一类模型，它是根据输入—输出关系建立起来的，反映了有关因素间的一种笼统的直接因果关系。特点。

​本文整理了深度学习基础知识相关的练习题，共54道，适用于想巩固深度学习基础的同学。来源：如荷学数据科学题库（技术专项-深度学习）。

我将从从以下几个方面进行介绍：前向传播后向传播 / 梯度下降损失函数激活函数卷积池化

print(f"{class_name}类别的样本数量为：{filtered_dataset.count()}")'test': '', # 可以根据实际情况填写测试集路径。'Mobile phone', # 移动电话 - 16。'nc': len(classes), # 类别数量。'names': classes # 类别名称列表。'Motorcycle', # 摩托车 - 6。'Bicycle', # 自行车 - 5。'Backpack', # 背包 - 10。

总结来说，紧耦合系统适用于对精度和鲁棒性要求较高的应用场景，但设计和实现复杂；松耦合系统实现较为简单，适用于对精度要求不太高或计算资源有限的场景。松耦合（Loosely Coupled）**是传感器数据融合的两种策略，主要用于提高SLAM系统的精度和可靠性。**紧耦合（Tightly Coupled）

总之，选择 TensorFlow 还是 PyTorch 主要取决于你的具体需求、使用场景和个人偏好。两者都是非常强大的深度学习框架，各自有其优势。TensorFlow 和 PyTorch 是两种流行的深度学习框架，各有优缺点和特定的使用场景。

输入为半精度（FP16），输出为全精度（FP32）

机器学习作为驱动智能制造的青春力量，正在不断推动制造业向智能化、数字化、自动化方向发展。随着技术的不断进步和应用的不断深入，机器学习将在智能制造中发挥越来越重要的作用，帮助制造企业在全球市场中保持竞争力。

PyTorch的相关知识。1、PyTorch和TensorFlow。2、DataLoader和Dataset。3、TensorBoard可视化工具。torchvision。4、Transformer的使用。5、图像处理 PIL.6OpenCV

torch.nn包含了torch.nn.functional，打个比方，torch.nn.functional相当于开车的时候齿轮的运转，torch.nn相当于把车里的齿轮都封装好了，为我们提供一个方向盘。padding的作用是在输入图像的左右两边进行填充，padding的值决定填充的大小有多大，它的输入形式为一个。输入一个5×5的图像，其中的数字代表在每个像素中的颜色显示。卷积核的步长，可以是单个数字或一个元组 (sh x sw)torch.nn是对torch.nn.functional的一个。

使用 torch.bitwise_not() 函数对 x 进行位非操作，得到的结果张量 y 的元素将是对应位置上的二进制取反结果。需要注意的是，位与操作将每个元素的二进制表示的对应位进行逻辑与操作，只有当对应位都为 1 时，结果位才为 1，否则为 0。在 PyTorch 中，torch.clamp() 函数用于对张量进行截断操作，将张量中的元素限制在指定范围内。它返回一个新的张量，其中的元素是输入张量中对应元素的向下取整结果。它返回一个新的张量，其中的元素是输入张量中对应元素的向上取整结果。

Data Mining2复习笔记6- Optimization & Hyperparameter Tuning

非极大值抑制（Non-Maximum Suppression，NMS）是深度学习中一种常用的目标检测算法，用于在检测结果中去除冗余的边界框。在目标检测任务中，通常会使用候选框（bounding boxes）来表示可能包含目标物体的区域。这些候选框是通过目标检测模型生成的，每个候选框都会伴随一个置信度分数，表示该候选框包含目标物体的概率。当候选框的数量较多时，简单地选择置信度最高的候选框可能会导致冗余和重叠的检测结果。NMS算法通过判断候选框之间的重叠程度，去除那些与已选择的候选框高度重叠

手动实现transformer自回归

基于深度学习的非线性回归模型简介

其中N表示域的数量，也就是不同的操作方法所生成的伪造样本，x表示训练集的样本，y表示对应的标签，Yn表示独热编码，G表示内容特征生成器，D表示域鉴别器，为了同步优化G和D，梯度反转层被用于反向传播中用于翻转梯度。采用最远样本采样来采样不同风格的样本点，从N个个种类的全部样本点中，迭代选择C个样本点，以此避免真假样本相互作用。做法：使得所有得样本点尽可能得远，因此样本分离and不统一，多样性域感知模块，用于融合内容特征和风格特征在高位特征感知任务中嵌入域知识。，提高模型的特征提取能力的泛化和有效性。

PyTorch的设计哲学是简单、灵活和高效。它提供了一个动态计算图（Dynamic Computation Graph），也称为自动微分系统，这使得研究人员能够快速实验和迭代模型设计。PyTorch的动态图特性使得它在开发过程中非常直观和灵活，因为它允许在运行时修改图形。在PyTorch中，你可以通过继承类来定义自己的模型。你需要实现__init__方法来初始化模型的层，以及forward方法来定义前向传播。

【故障诊断】基于改进型的节点重构小波包频带能量谱结合概率神经网络 PNN实现轴承联合故障诊断

🔥 优质竞赛项目系列，今天要分享的是基于深度学习的中文对话问答机器人该项目较为新颖，适合作为竞赛课题方向，学长非常推荐！🧿🧿。

自动驾驶和战术决策任务环境的集合开发和维护.环境公路在这项任务中，自我车辆在充满其他车辆的多车道高速公路上行驶。智能体的目标是达到高速，同时避免与相邻车辆发生碰撞。在道路右侧行驶也会触发。此外，还提供更快的变体 ，其模拟精度降低，可提高大规模训练的速度。合并在这项任务中，自我车辆在主干道上起步，但很快接近入口匝道上驶入车辆的路口。代理商现在的目标是保持高速，同时为车辆腾出空间，以便它们可以安全地并入交通。环形交叉在这项任务中，自我车辆如果接近交通畅通的环形交叉路口。