- 博客(6)
- 收藏
- 关注
RSS订阅原创 TypeError: can‘t convert cuda:0 device type tensor to numpy. Use Tensor.cpu() to copy the tensor to
TypeError: can't convert cuda:0 device type tensor to numpy. Use Tensor.cpu() to copy the tensor to host memory first.
2023-03-01 16:09:13
539
原创 ImportError: /lib64/libstdc++.so.6: version `GLIBCXX_3.4.20‘ not found
ImportError: /lib64/libstdc++.so.6: version `GLIBCXX_3.4.20’ not found** 适用于在远程服务器跑代码报错的情况下 **1.查找编译gcc时生成的动态库find / -name "libstdc++.so*"2.如果你使用服务器将会看到一大堆的库/home/hyd/yzq/xiehaotao/FALdetector-master/libstdc++.so.6/home/hyd/libstdc++.so.6/home/hyd/
2021-09-15 20:23:17
1089
原创 深度学习之BP神经网络3
深度学习之BP神经网络31.原理1.1多层网络输入层多个输入节点分别以不同的权重输入到隐藏层之中，汇合后的数值再通过隐藏层或者输出到输出层，可以有多个不同的激活函数。1.2BP网络模型下图为一个三层的BP神经网络，X为输入层的输入向量，V是输入层输出到隐藏层的权值，Y为隐藏层的输出向量，W为隐藏层输出到输出层的权值，O为最后输出层的输出。对于输出层，f代表激活函数，netk是隐藏层的输出乘以各自的权值W后相加，O是将netk通过激活函数后得到的。对于隐藏层，f代表激活函数，netj是输入层
2021-02-28 11:18:57
3856
原创 深度学习之线性神经网络2
深度学习之线性神经网络21.原理区别线性神经网络与单层感知器的区别：1.1激活函数的不同。如下图所示，单层感知器为sign函数，线性神经网络为purelin函数（y=x）。1.2线性神经网络采用LMS算法调整网络的权重和偏置。LMS学习规则与前面单层感知器的权值调整方法区别不大，都是用误差=期望输出-实际输出，只是激活函数不同，造成误差公式有点小的差异，而在后面的权向量调整量的计算公式中，都是用学习率误差输入X，这是相同的。1.3Delta学习规则。上面的LMS学习规则实际上是Delta
2021-02-21 08:33:19
765
原创 深度学习之单层感知器1
深度学习之单层感知器11.原理图中共有三个输入节点，通过这个三个输入节点输入数据，分别乘以各自的权值后相加，在加上偏置因子，通过激活函数sign得到输出。还可以把偏置因子b当作一个特殊的固定输入结点，即输入的x固定为1，权重w自己设置，这样设置的w就起到了偏置因子的作用。2.学习规则2.1权值调整公式W的调整值=学习率*（期望输出-实际输出）*与W相对应输入节点X2.2学习率学习率一般取0到1之间，学习率太大容易造成权值调整不稳定，学习率太小容易造成权值调整太慢，迭代次数过多。2.3收敛条
2021-02-19 17:10:20
869
原创 测试轻量级OCR模型
测试超轻量级OCR模型个人配置及代码源配置：Ubuntu16.04cuda 10.0tensorflow-gpu 2.0gcc 6.5g++ 6.5网址：link=https://github.com/ouyanghuiyu/chineseocr_lite测试过程1.在本文提供的网址上下载OCR模型，注意选择master分支，如果下载速度过慢，可选择通过码云下载参考博客如下：link=https://blog.csdn.net/murenxiaowei/article/details/8
2020-11-02 12:57:44
1262
1
COVERAGE图像篡改数据集，已处理好，tamper和mask图片名字一一对应，可直接使用
2023-03-01
CASIA v1.0数据集，包含tamper和mask，已处理好，可直接使用
2023-03-01
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人