【深度学习】U-net网络结构搭建 | pytorch

【深度学习】特征融合的重要方法 | 张量的拼接 | torch.cat()函数 | torch.add(函数

【深度学习】CycleGAN开源项目学习笔记 | 完整流程 | 报错总结 | pytorch

【深度学习】图像去雾，去噪里常用的相似评价指标：PSNR（峰值信噪比） SSIM（结构相似度）MSE（均方误差）

【深度学习】特征图的上采样（nn.Upsample）和转置卷积（nn.ConvTranspose2d） | pytorch

【C++】g++指令使用指南

【socket通信】python实现简单socket通信| server和client

目录一.随机过程1.随机过程的三种定义方法我们在本科的概率论中学过随机变量，随机过程的概念其实是随机变量的拓展。首先从符号上看，随机变量是大写的X\ChiX，随机过程则是X(t)\Chi(t)X(t)，后者相当于一个受变量t控制的函数，其自变量是ttt，因变量是一个随机变量；t的值不同，最后得到的随机变量也就不同。第一种定义方法：随机过程是由一族随机变量组成的。理解：以我们的人生为例，每个人生阶段

【深度学习】datasets.ImageFolder 使用方法

vscode配置C/C++ 时报错，launch program does not exist|无法检测到头文件：检测到 #include 错误。请更新 includePath。|解决方法