weixin_51018649的博客

T710是一个高性能AI边缘计算平台，搭载八核高性能SOC，其强大的AI运算性能致力于推进AI在工业、商业、医疗、家居、教育等领域的商用。

我们做深度学习大部分时候的数据都是以数据+标注（CV）或者是纯文本（NLP）的形式存在的。在开始一个项目时首先面对的就是如何把未经处理的数据整合成torch能识别的tensor。为此，torch提供了抽象类Datasets，它能很方便的把你的数据封装成一个可迭代的DataLoader供你使用。要自定义数据集，首先要继承抽象类torch.utils.data.Dataset，并且需要重载两个重要的函数：__len__ 和__getitem__，前者提供了数据集的大小，后者支持整数索引，范围从0到len

第一部分：深度学习的嫩枝这一部分是深度学习刚刚被应用于自然语言处理的时期。在此之前，NLP大多仍是传统机器学习和概率统计的天下，直到几个关键问题的解决。前馈神经网络语言模型A neural probabilistic language model，2003，Bengio语言建模是在给定先前单词的情况下预测文本中的下一个单词的任务。这可能是最简单的语言处理任务，具有具体的实际应用，如智能键盘和电子邮件回复建议。 第一个神经语言模型，前馈神经网络是由Bengio等人在2003年提出的，如..

前置需求语义分割综述 FCN 论文阅读 推荐去看一下FCN 论文笔记论文导读论文研究背景、成果及意义医学图像分割医学图像分割是医学图像处理与分析领域的复杂而关键的步骤，目的是将医学图像中某些特殊含义的部分分割出来，并提取相关特征 要求非常高，毕竟人命关天，比其他场景的分割都要精细 从手动分割、半自动分割到全自动分割，是医学图像分割的终极目标难点数据量少。一些挑战赛提供的数据甚至不足100例 图片尺寸大。单张图片尺寸大、分辨率高，对模型的处理速度有一定的要求 要求高。医学.

注意：本文中的卷积算子在形态学重建中并不严谨，其官方叫法为结构元素，在此叫做卷积算子只是因为帮助大家理解。目的处理图像 采用不同的处理方式得到我们想要的图像工具MATLAB基本概念膨胀和腐蚀膨胀数学定义为：A \oplus B={x: {B_x} \bigcap A
eq \varnothing}A⊕B=x:Bx​⋂A​=∅​ 膨胀非常形象，就是把原来的图片进行放大（可简单理解为使用卷积算子进行卷积运算）Kernel = [1 1 1; 1 1 1; 1 1 ..

这是一个类似MNIST和CIFAR分类的简单项目，可以看作NLP领域的入门。数据预处理我选的是史上最全的诗歌数据集https://github.com/chinese-poetry/chinese-poetry/数据集是真的很全，横跨中华上下五千年。下载到本地后，我们只选择在json文件夹中的唐诗（即poet.tang.xxxxx.json），然而已经很多了，有四万多首。我们需要的只是单纯的诗歌文本供网络训练，因此把json文件处理一下写入txt。创建writedata.py，将数据全部

今天无意中看到一个详解RSA算法的视频，还算看得明白，便把学习过程记录和分享一下来自【软件科普】如何保证发出去的微信和QQ消息不被篡改？详解RSA加密算法_哔哩哔哩_bilibili常见对称式加密首先请来加密界的两位大神，Alice和Bob。假设Alice要发送一段密文“hello World”给Bob，她要怎么做？最常见的一种方案是将每一位字母在字母表中的位置向右移一位，即变成“ifmmp xpsme”，当Bob需要解密时，仅需将每位字母向前移一位即可得出结果。当然也不必须是移位加密，这种