参见：基本图形——Checkerboard代码如下：//============================================================// uv.x: [-1.0,1.0]// uv.x*4.0: [-4.0, 4.0]// 以4x4的棋盘格为例，从左到右，从下到上，依次编号0(0,0),1(1,0),...,4(0,1),...,15(3,3),// 则

链接：MoCo_v3_pytorch参考论文：An Empirical Study of Training Self-Supervised Vision Transformers训练CUDA_VISIBLE_DEVICES=6 python main_mocov3.py -a resnet18 --lr 0.03 --batch-size 1 --dist-url 'tcp://localhost

如何做一款对话机器人目录前言什么是我认为的对话机器人语音助手如何去做一个像上述提到的那样的东西解释一下上述架构图如何将上述理论和实际结合呢？结论参考文献（帖子） 前言以此开题，并不是一定要做一款对话机器人，只是做事一定要以目标为驱动，目前所要研究的语义方向是一个太大的方向，是一个让人完全摸不到头脑的方向。因此，选取其中一个分支作为切入点，开始我的

神经网络训练中图像数据预处理的一些方式1. crop1. 1 对于有黑色背景的图片，将数据crop在有效区域内对于一些有黑色背景的图片，如下图：这样的图片在做数据预处理的时候，黑色背景的无效区域，带来了很大的运算量开销。面对这种图片，我们一般先将区域限制到它的有效区域。代码如下：import numpy as npfrom skimage.filters import threshold_ots

神经网络训练中图像数据预处理的一些方式1. crop1. 1 对于有黑色背景的图片，将数据crop在有效区域内对于一些有黑色背景的图片，如下图：这样的图片在做数据预处理的时候，黑色背景的无效区域，带来了很大的运算量开销。面对这种图片，我们一般先将区域限制到它的有效区域。代码如下：import numpy as npfrom skimage.filters import threshold_ots

请参照链接：通用医学图像增强

python 接受远程数据并写入数据库的相关模块以下是我开发中用到的一些知识，因为已经写得很好了，不多赘述，亲测有用。http模块http://blog.csdn.net/trbbadboy/article/details/7946448mysql数据库模块http://www.cnblogs.com/rollenholt/archive/2012/05

初入此行，觉得machine learing的思想还挺好，准备开始学习下，至于为什么选择tensorflow，个人没什么经验去做比对，只是个感觉：1. tensorflow是google brain的项目，至少目前来看，google我觉得是靠谱的2. tensorflow开源，这是目前软件的趋势3. 简单浏览了下tensorflow的白皮书，tensorflow提供了很多分布式（CPU

从开始用tensorflow相关，才开始接触Python，看起来没啥问题，但是写起来还是有很多不习惯，不知道有没有和我一样的，为了给自己做下笔记，特意加上这一部分（过程中会不断更新）：输出LogPython日志输出——logging模块 http://blog.csdn.net/chosen0ne/article/details/7319306

前言由于图像的问题学习机器学习，选择TensorFlow，但似乎直接从ImageNet的例子出发，却发现怎么都找不到头（python也不会，机器学习也不懂），但根据我以往的经验，遇到这种情况，又没有明眼人指路时，就瞎碰（没错，就是瞎碰），从一点开始，遇到什么看什么，看相关的各种知识，最好能反复两遍以上，然后揪住其中一个例子，联系之前看过的东西，加深一遍理解。 当然如果只是把现成的东西拿来用