目录1. 数据增强简介2. 如何进行数据增强2.1 离线增强2.2 在线增强3. 图像中的数据增强3.1 裁剪（Cropping）3.2 翻转变换（Flipping）3.3 旋转 | 反射变换（Rotation/Reflection）3.4 颜色变换（Color Space）3.5 几何变换（Geometric Transformations）3.6 噪声注入（Noise Injection）3.

最近在学习的过程中碰到一个之前很熟悉的知识点，现在却傻傻分不清，就是我们在看代码的时候经常会看到某个函数里面 F.log_softmax(y/temp,dim=1)，比如这个dim=1因此为了彻底记住，网上查了些资料，把自己的理解记录在这里。0轴代表一个矩阵里竖着的那一个方向，1轴代表一个矩阵里横着的那一个方向。举个栗子，如下所示import numpy as npa = np.array([[1

最近在学习的过程中碰到一个之前很熟悉的知识点，现在却傻傻分不清，就是我们在看代码的时候经常会看到某个函数里面 F.log_softmax(y/temp,dim=1)，比如这个dim=1因此为了彻底记住，网上查了些资料，把自己的理解记录在这里。0轴代表一个矩阵里竖着的那一个方向，1轴代表一个矩阵里横着的那一个方向。举个栗子，如下所示import numpy as npa = np.array([[1

目录1. 高频2. 低频3. 举例说明1. 高频简单地说，图像信号中的高频分量，指的就是图像信号强度（亮度/灰度）变化剧烈的地方，也就是我们常说的边缘（轮廓）。2. 低频图像信号中的低频分量，指的就是图像强度（亮度/灰度）变换平缓的地方，也就是大片色块，变化不那么明显的地方。3. 举例说明举个例子，在一张白纸上有一行字，那么我们肯定直接聚焦在文字上，而不会太在意白纸本身，这里文字就是高频信号，而白

目录1. 前序2. 名词解释3. 举例说明4. 参考文献1. 前序在读论文或者看一些博客的时候，经常会出现这种名词：正样本、负样本、简单样本以及困难样本，最近自己为了加深这方面的理解，参考网上的一些资料，整理了下这几者之间的区别，方便自己查看也方便初学者快速了解。2. 名词解释正样本： 与真值对应的目标类别来说该样本为正样本。负样本： 与真值不对应的其他所有目标类别来说该样本为负样本。简单样本：

【情节回顾】因为实验需求，昨天晚上在实验室花了一点时间在Anaconda中安装Pytroch，恩恩，怀着满腔热情，抱着不破楼兰终不还的决心开始了我安装pytroch的慢慢征程。首先，我网上粗略的看了下别人写的攻略，然后选了一篇比较好的教程来安装（教程链接）然后，我就按照上面的教程开始我的操作，第一步看了他有个清华开源的镜像，说什么把这四句命令输入到Anaconda prompt中可以加快我们下载的

solidity中数据类型分类为下面两大类：值类型（值传递）引用类型（指针传递）， 没有*号操作符，而是使用两个关键字来表示memory(值类型)storage（引用类型）1.memory与storagestoragememory储存的变量函数外部声明的变量，即状态变量函数内部声明的变量，即局部变量存储的位置区块链上，永久存在内存中，运行完之后销毁运行的位置区块链网络上单个节点传递属性指针.

目录1.什么是warmup2. warmup的作用3. 为什么warmup有效4. 参考文献5. 📞 联系 👨1.什么是warmup最近在看论文的时候看到了一个专业术语，如下所示:Furthermore, we used a linear warm-up of the learning rate[12] in the first five epochs.然后网上查了资料，称这个叫做： 预热学习

在学习Pandas的过程中碰到里面有一些函数都包含了axis这个参数，但是这参数包含两个值0和1，而且0和1代表不同的含义，这也让我学的有点懵逼，于是网上查阅了一些相关资料把学习心得记录下来。以下面这张图为例，简单的来说就是axis=0代表往跨行（down)，而axis=1代表跨列（across)换句话说:使用0值表示沿着每一列或行标签/索引值向下执行方法使用1值表示沿着每一行或者列标签横向执行对

目录1. 需求说明2. 技术实现3. 代码展示4. 效果展示5. 参考文献1. 需求说明目前在学习过程中需要结合自己之前复现的论文算法弄一个人工智能安全平台系统，其中需要做一个前端展示我们的模块，我们点击模块就可以跳转到相应的界面，因为之前做过一个这样的前端展示界面，但是是在别人的项目上改造过来的，很多技术细节都没有搞明白，这次做的就是自己亲自搭建的一个前端界面，所以需要用到关于React页面跳转