给定一个observation variable x(比如RGB图片)和latent variable z (比如是RGB图片经过encoder得到的latent feature)，假设我们想学习后验概率，但发现在实际中不易或不能求解，那么该如何求解这个后验概率？

现实生活多数服从于泊松分布假设你在一个呼叫中心工作，一天里你大概会接到多少个电话？它可以是任何一个数字。现在，呼叫中心一天的呼叫总数可以用泊松分布来建模。医院在一天内录制的紧急电话的数量。某个地区在一天内报告的失窃的数量。在一小时内抵达沙龙的客户人数。书中每一页打印错误的数量。泊松分布适用于在随机时间和空间上发生事件的情况，其中，我们只关注事件发生的次数。当以下假设有效时，则称为泊松分布任何一个成

【pytorch 优化器】ReduceLROnPlateau详解

成员变量：不更新，但是不算是模型中的参数（model.state_dict()）通过register_buffer()登记过的张量：会自动成为模型中的参数，随着模型移动（gpu/cpu）而移动，但是不会随着梯度进行更新。

文章目录DataFrame是Python中Pandas库中的一种数据结构，它类似excel，是一种二维表0 简介DataFrame的单元格可以存放数值、字符串等，这和excel表很像，同时DataFrame可以设置列名columns与行名index。1 创建DataFramepandas常与numpy一起配合使用，所以通常会一起引用，也就是：import pandas as...

pytorch中的torch.where()函数详解

集合set详解

Dynamic Time Warping（DTW）诞生有一定的历史了（日本学者Itakura提出），它出现的目的也比较单纯，是一种衡量两个长度不同的时间序列的相似度的方法。应用也比较广，主要是在模板匹配中，比如说用在孤立词语音识别（识别两段语音是否表示同一个单词），手势识别，数据挖掘和信息检索等中。一、概述在大部分的学科中，时间序列是数据的一种常见表示形式。对于时间序列处理来说，一个普遍的任务就是

注意力模型最近几年在深度学习各个领域被广泛使用，无论是图像处理、语音识别还是自然语言处理的各种不同类型的任务中，都很容易遇到注意力模型的身影。所以，了解注意力机制的工作原理对于关注深度学习技术发展的技术人员来说有很大的必要。人类的视觉注意力从注意力模型的命名方式看，很明显其借鉴了人类的注意力机制，因此，我们首先简单介绍人类视觉的选择性注意力机制。...

满射：对任意b，存在a满足f(a) = b～即：值域y是满的，每个y都有x对应，不存在某个y没有x对应的情况～单射：(one-to-one function) 一对一函数，x不同则y不同～即：没有一个x对应两个y，也没有一个y有对应两个x～双射：既是满射，也是单射～即：每个y都有x对应，而且都是一一对应～...