PyTorch最好的资料是官方文档。 1. 基本配置 需要导入的包 import collections import os import shutil import tqdm import numpy as np import PIL.Image import torch im

SpringBoot中读取JSON文件信息并转换为Map对象 需要引入的依赖 <dependency> <groupId>com.alibaba.fastjson2</groupId> <artifactId>fastjson2&l

插值法定义 设函数在区间上有定义，且已知在点的值若存在一简单函数使得成立，就称为的插值函数，点称为插值区间，上式称为插值条件，求插值函数的方法称为插值法。若为次数不超过的代数多项式，即其中为实数，就称为插值多项式，相应的插值法称为多项式插值。若为分段多项式，就是分段插值。若为三角

ResNext 改进点 改进了Block 准确率的提高 在计算量相同的情况下，错误率更低 使用了分组卷积 普通卷积 上图为普通卷积示意图，为方便理解，途中只有一个卷积核，此时输入输出数据集为：输入特征图尺寸：**，分别对应特征图的宽、高和通道数单个卷积核尺寸：

ResNet详解 ResNet在2015年由微软实验室提出，斩获当年ImageNet竞赛中分类任务第一名，目标检测第一名。获得COCO数据集中目标检测第一名，图像分割第一名。模型中的亮点： 超深的网络结构 提出Residual模块 使用Batch Normalization加速训

GoogLeNet 简介 GoogLeNet在2014年由Google团队提出，斩获当年ImageNet竞赛中Classification Task (分类任务) 第一名。 GoogLeNet网络的优点 引入了Inception结构（融合不同尺度的特征信息） 使用的卷积核进行降维

VGGNet简介 VGG在2014年由牛津大学著名研究组VGG (Visual GeometryGroup) 提出，斩获该年ImageNet竞赛中 Localization Task (定位任务) 第一名 和 Classification Task (分类任务) 第二名。 VGG

AlexNet简介 AlexNet是2012年ISLVRC 2012（ImageNet Large Scale Visual RecognitionChallenge）竞赛的冠军网络，分类准确率由传统的 70%+提升到 80%+。它是由Hinton和他的学生Alex Krizhe

通过链表实现栈 #include<iostream> #include "chainList.cpp" using namespace std; template<class T> class linkedStack { public:

构建数组栈类 代码 #include <iostream> using namespace std; // 改变一个一维数组的长度 template<class T> void changeLength1D(T *&a, int oldLength