因工作原因，笔者需要搜集**血压相关数据**做研究，刚开始的时候对这个领域比较陌生，费了很大功夫才找到可用的数据集，经过一年半的工作，也积累了一些数据集，就用这篇博客来来总结一下，以便有需要时用到，同时也作为之前工作一个回顾笔者搜集了大量血压(BP)预测相关的研究论文 (参见博客：[链接]())，除了极少部分paper是基于**个体的行为数据**做血压BP预测外，其余绝大部分都是基于**个体的生物

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档调试运行以及打包Tensorflow官方提供的Image classification demo Android 项目环境准备JDK安装Android Studio安装项目准备项目分析项目导入项目分析**models**:存放models文件（`**.tflite`）以及`labels.txt`，**app**:**lib_suppo

深度学习中常见的Normalization总结Batch NormalizationInstance NormalizationReferences对于一个给定的Batch: x∈RN⋅C⋅H⋅Wx \in R^{N \cdot C \cdot H \cdot W}x∈RN⋅C⋅H⋅W, 其中N, C, H, W，分别表示：batchsize, num_channel, Height, Width

因工作原因，笔者需要搜集**血压相关数据**做研究，刚开始的时候对这个领域比较陌生，费了很大功夫才找到可用的数据集，经过一年半的工作，也积累了一些数据集，就用这篇博客来来总结一下，以便有需要时用到，同时也作为之前工作一个回顾笔者搜集了大量血压(BP)预测相关的研究论文 (参见博客：[链接]())，除了极少部分paper是基于**个体的行为数据**做血压BP预测外，其余绝大部分都是基于**个体的生物

0.序言聚类算法是机器学习领域非常简单同时也非常经典的算法，聚类所处理的对象是未标记的样本，所以属于无监督学习这一范畴。聚类算法从原理上大致课划分为3类：（1）基于原型的聚类（2）基于密度的聚类（3）基于层次的聚类，而在每一类下面又有好多算法，今天我要介绍的就是k均值聚类算法，它属于”基于原型聚类“这一类别。（ 先提个问题：有没有发现，聚类这块的算法非常之多，比机器学习的其他分支算法明显多太多了，

# Tensor的几个重要的属性/方法data_ptrdevicedtypestorageis_contiguous Transpose默认的storage是按照Tensor的row展开的，但是一些操作（如，transpose）会改变Tensor，这就会导致当前Tensor按行展开后的顺序与原始的storage不一致一般情况下， Tensor初始加载后在CPU上， 然后将其拷贝到GPU进行运算 (

Tensorflow2 Bug:triggered tf.function retracing背景References背景tensorflow中关于该Bug的帖子：另外，tf.function具有experimental_relax_shapes = True选项，该选项可放宽参数形状，从而避免不必要的跟踪。References1.https://www.tensorflow.org/api_do

PPG2ABPAn Estimation method of continuous Non-Invasive arterial blood pressure waveform using Photoplethysmography: A U-Net architecture-based approachEstimation of continuous blood pressure from PPG

与传统的单标记学习( **single label learning, SLL**)和多标记学习（**mutli label learning, MLL**）不同, 在标记分布学习（**label distribution leaning, LDL**）中，ground-truth label本身就是以标记分布的(离散)形式给出的，目标就是训练模型使得预测的标记分布与ground-truth la

将空闲空间合并到现有分区时出现错误： 检测到下列文件系统错误，分区容量未做调整， 无效的的文件记录MTFchkdsk /f /x I：