- 博客(18)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 概念学习笔记：归一化（BN、LN）
规范化或标准化，就是把输入数据X，在先对其进行平移和伸缩变换，将X的分布规范化成在固定区间范围的标准分布。神经网络的Block大部分都是矩阵运算，一个向量经过矩阵运算后值会越来越大，为了网络的稳定性，我们需要使用标准化方法，及时把值拉回标准分布。标准化操作既使训练更稳定，也有助于加快收敛，同时还有降低梯度消失 / 爆炸风险、允许使用更大的学习率、减少参数初始化依赖的作用。
2025-08-05 16:08:47
408
原创 概念学习笔记：CLIP
输入：接受文本-图像对作为输入，分别由其和处理输出图像级视觉特征（Vimage）和补丁级视觉特征（Vpatch），输出对应的文本嵌入（如正常文本锚点TN和异常文本锚点TA），这些特征和嵌入用于计算相似度以实现图像 - 文本的对齐核心原理：通过对比学习将图像和文本映射到统一特征空间，相关的对临近，无关的对远离——换句话说，训练目标是在共享特征空间中对齐图文语义，通过对比损失函数调整编码器参数，使匹配图文对的 Softmax 概率最大化、非匹配对的 Softmax 概最小化2021年见证了。
2025-07-25 23:03:14
781
原创 论文精读：AdaCLIP: Adapting CLIP with Hybrid Learnable Prompts for Zero-Shot Anomaly Detection
AdaCLIP：基于混合可学习提示的零样本异常检测方法摘要：本研究提出AdaCLIP方法，通过引入混合可学习提示机制改进CLIP模型在零样本异常检测(ZSAD)任务中的性能。该方法创新性地结合静态提示(捕捉跨类别共性特征)和动态提示(适应特定图像特性)，实现对预训练CLIP模型的高效适配。同时提出的混合语义融合(HSF)模块通过聚类分析增强图像级异常检测的鲁棒性。
2025-07-21 19:45:34
795
原创 论文精读笔记：Ultra-High-Definition Dynamic Multi-Exposure Image Fusion via Infinite Pixel Learning
本文提出无限像素学习(IPL)范式，解决超高清多曝光图像融合中的计算瓶颈。参考模型量化压缩技术，通过分块处理、注意力缓存和量化压缩三项关键技术，在消费级GPU上实现4K分辨率图像的实时融合。核心创新包括：1)维度注意力增强模块(DAEM)实现局部特征提取；2)维度滚动变换模块(DRTM)捕捉全局依赖关系。实验验证了该方法在保持视觉质量的同时显著提升处理效率。
2025-07-10 10:49:04
624
原创 数据挖掘笔记：多层关联
1）假关联：具有欺骗性的关联置信度（置信度公式没有考虑后键），条件概率的估计！2）提升度的缺陷：受到零事务（既不买游戏也不买录像）的影响较大。4）基于知识图谱的推荐算法：静态推荐、动态推荐、跨领域推荐。基于用户的最近邻推荐：向量之间的相似性。约束：1）最小和最大间隔约束（时间限制，减少数量）3）协同过滤：基于用户/基于物品，相似用户的观点。2）个性化推荐：扩充信息维度（人、商品）3）KULC=两种条件的置信度的均值。修正，扩充框架：提升度（lift）1）关联规则：普适性的算法，噪音强。
2024-05-12 22:13:41
216
原创 数据挖掘笔记：聚类
模糊/不模糊：模糊聚类中，一个点属于每一个权重在0~1的类，权重累计为1，即属于一类的概率。计算临近度矩阵，使每一个点成为一个簇，迭代合并最近的两个簇并更新矩阵，直到剩下唯一的簇。层次聚类缺陷：合并决策是最终的，缺乏全局目标函数，不同策略对噪音、尺寸、不规则形状、大簇可能出现问题。K均值聚类（K-means）：离一个类的质心距离最近，聚类数K必须由用户指定，算法较简单。排他/不排他：一个点属于几个类，层次：1.凝聚层次：小的簇合并，从下到上组成层次。关键点：K的选取，初始质心的选择，距离的计算。
2024-05-12 22:13:26
321
原创 Socket通信解析
根据操作系统中的知识，我们知道进程间依靠。。以及管道等进行通信。管道是计算机网络体系结构当中的传输层是“端到端”的通信，其通信主体是两个进程。这两个进程并非需要两个不同的IP地址，比如使用ping 127.0.0.1命令就是同一个主机上的两个进程进行ICMP通信。在操作系统的视角下，这两种观点是可以统一的。操作系统向用户提供系统调用/库函数，用户通过使用系统调用来获取操作系统提供的服务。
2024-01-10 18:29:41
1070
原创 Linux网络编程——常用的头文件
Linux的常用头文件放在/usr/include/arpa目录下，该文件夹当中包含了6个头文件，这些文件是GNU C库的一部分。这些头文件的相关网络协议和功能可以从文件名上看出大概。包括了文件传输协议(ftp.h)，域名解析/DNS(nameser_compat.h和nameser.h)，进行网络通信必备的最常用的IP协议(inet.h)，可进行远程登陆的Telnet协议(telnet.h)，以及简单文件传输协议(tftp.h)。这些头文件不包含具体的函数实现。
2024-01-02 15:36:40
145
原创 设计一个CPU-从单周期到流水线
上学期的计组课程设计当中，使用Vivado Verilog设计了一个单周期多指令的CPU。具体的设计大多参考本站其他博主的文章，比如，创新性不多故没有过多赘述的必要。本学期课程设计则是在此基础之上，完成一个功能更复杂的CPU的设计。那么这个设计就从指令执行的流水化开始。
2023-12-07 23:14:39
361
原创 关于‘ping‘ 不是内部或外部命令，也不是可运行的程序 或批处理文件 的处理方法（Win11）
要修改环境变量，首先需要找到命令对应程序的目录在哪里。对于Windows11，一般来说位于C:\Windows\System32\ 目录下。这两天学习的时候遇到这个问题，原以为不需要多少功夫就能解决，结果却查了不少文章。相关文章站上不少了，但在Windows11下解决问题的几个要点，本文还是特地记录以下。相信遇到提示“不是内部或外部命令，或者不是可执行程序”，有一些常识的人都会去查看环境变量的Path。在这个问题的解决上，我们应当修改用户变量当中的Path。（1）系统变量还是用户变量（2）环境变量值填什么
2023-09-27 08:22:54
2973
1
原创 用PyQt6/PySide6实现最小视频播放器（二）——结合Pyside6Designer
由于本项目当中，一部分设计已经通过Qt Designer生成的ui_player.py文件当中实现了，主函数当中的代码需要进行一些修改。另一个需要注意的是MainWindow的init函数中，要设置视频输出到ui实例的部件，因为我们在刚才的设计当中已经有了一个视频部件。然后再初始化函数部分，必须做的是实例化ui_player文件当中的Ui_MainWindow()类，这个工作由这两句代码完成。完成Qt Designer当中的工作，就可以再主函数当中设置相应的功能了。
2023-09-06 20:53:12
2622
4
原创 PyQt6/Pyside6官方例程学习笔记——视频播放器(Player Example)
学习了Qt官方文档当中的例程视频播放器，逐行介绍源代码。一句使用self._play_action.triggered.connect()方法将按键关联到视频播放的动作，实现需要的功能。需要注意的是此处的toolBar和menuBar是不一样的。，availableGeometry可以返回屏幕的可用几何图形大小，是screenGeometry（）即窗口相对于父窗口的几何形状的大小的子矩形
2023-08-11 23:53:06
5059
1
原创 一款PyQt的美化模板——PyDracula
对于新手来说，从零开始用Qt设计一个美观的GUI是颇有难度的。Github上有许多开源的GUI模板供我们学习和参考。PyDracula是一款基于PySide6 和 Python 3.9开发的开源GUI模板。主题保存在不同的QSS文件当中。这一步可能很多人会遇到“代码无法生成”的问题。如果这个方法无效，可以尝试Scripts文件夹里面的"pyside6-uic.exe"
2023-08-01 10:58:55
8683
1
原创 在那些地方可以用二分法提高性能？
二分法是一种常见的搜索算法。在一个长度为n的数组当中查找一个数，使用暴力查找法时间复杂度为O(n)，如果使用二分搜索法，复杂度则为O(logn)。想要实现二分法对这个搜索程序进行改进，可以修改最内一层的循环。还可以修改最内两层的循环，使得程序的时间复杂度进一步减小到O(n^2logn)。例如，在四数之和问题当中，使用暴力法，枚举部分的代码如下。
2023-07-25 10:23:35
144
原创 如何理解PID控制
积分调节（Integral）利用过去多个周期的偏差值补偿，直观上，积分调节对于带有一定“趋势”的、累计的偏差较为敏感，但对于短时间内的大幅度变化，积分调节会带有惯性。假设我们的控制对象在一根数轴上，数轴的原点是期望值，输出量的向量为偏差，很显然，要使得控制对象一直在原点附近，应该让在这段时间内所有向量的代数和为零，即ΣΔ（j）=0 ，这也是保持在原点的控制对象的性质。处理偏差最简单直接的方法是“缺多少补多少”，例如在第i个周期输出量偏差值为Δ(i)，就在第i+1个周期的输入量中加上Δ(i)。
2023-05-09 23:14:37
255
1
空空如也
求最大公约数，代码问题在哪里？
2021-11-19
TA创建的收藏夹 TA关注的收藏夹
TA关注的人