传送门思路：搜索tle了，只能dp了。dp[i][j] = dp[i][j-1]+dp[i-1][j];对于 点（i,j），只有(i,j-1) 和 （i-1，j）这两种选择，那么可以推出状态转移方程先定义dp[0][0] =1；dp[i][j] =dp[i - 1][j] + dp[i][j - 1];但如果这样的话，以0，0为起点会出现点被覆盖的情况，所以我们做一下小改动然后就...

该论文提供了一个全新的Ghost模块，旨在通过廉价操作生成更多的特征图。基于一组原始的特征图，作者应用一系列线性变换，以很小的代价生成许多能从原始特征发掘所需信息的“Ghost”特征图（Ghost feature maps）。该Ghost模块即插即用，通过堆叠Ghost模块得出Ghost bottleneck，进而搭建轻量级神经网络——GhostNet。

在使用过程中，如果要做比较耗时的操作，例如有时候进行编译，或者下载大文件需要比较长的时间，一般情况下是下班之后直接运行希望第二天早上过来运行完成，这样就不用耽误工作时间。tmux刚好可以解决我们描述的问题，当我们在tmux中工作的时候，即使关掉SecureCRT的连接窗口，再次连接，进入tmux的会话我们之前的工作仍然在继续。会话有点像是tmux的服务，在后端运行，我们可以通过tmux命令创建这种

einops是一个简洁优雅操作张量的库，并且支持对numpy，pytorch，tensorflow中的张量进行操作，该库最大的优点是函数的使用逻辑清晰明了，其中中常用的三个函数分别是rearrange，repeat，reduce。：用于对张量的维度进行重新变换排序，可用于替换pytorch中的reshape，view，transpose和permute等操作：用于对张量的某一个维度进行复制，可用于

Golbal Average Pooling 第一次出现在论文Network in Network中，后来又很多工作延续使用了GAP，实验证明：Global Average Pooling确实可以提高CNN效果。

可以看出，torchsummary 不仅可以查看网络的顺序结构，还有网络参数量，网络模型大小等信息，非常实用。等待安装完成后运行 python 进入交互式环境，导入 torchsummary, 不报错的话就是安装成功了。完成以上步骤后，进入自己的 python 编辑环境，运行如下代码。prompt 中进入自己的 pytorch 环境，安装依赖包。文章知识点与官方知识档案匹配，可进一步学习相关知识。

如果有一批特征图，其尺寸为 [ B, C, H, W], 我们经过全局平均池化之后，尺寸变为[B, C, 1, 1]。在一些论文中，我们可能会看到全局平均池化操作，但是我们从pytorch官方文档中却找不到这个API，那我们应该怎么办？也就是说，全局平均池化其实就是对每一个通道图所有像素值求平均值，然后得到一个新的1 * 1的通道图。或者自适应最大池化也可以，一样。明白这个思路之后，我们就可以很容

rand和torch.randn有什么区别？y = torch.rand(5,3) y=torch.randn(5,3)返回一个张量，包含了从标准正态分布（均值为0，方差为1，即高斯白噪声）中抽取的一组随机数。张量的形状由参数sizes定义。返回一个张量，包含了从区间[0, 1)的均匀分布中抽取的一组随机数。张量的形状由参数sizes定义。返回一个1维张量，包含在区间start和end上均匀间隔的

pytorch常用代码梯度篇（梯度裁剪、梯度累积、冻结预训练层等）

作者联系方式: landrykezebou@gmail.com, panettavisonsensinglab@gmail.com。MOTChallenge Underwater：该数据集包含了水下目标追踪的视频序列和相应的注释，视频序列来自于不同的场景和视角。The PETS 2009 dataset：该数据集包含了水下目标检测和追踪的视频序列，视频序列来自于一个水下实验室。The CoLin