文章目录反卷积的作用卷积中padding的几个概念NoPaddingHalf(Same)PaddingFullPadding反卷积反卷积中的Padding参数反卷积的stride参数反卷积的output_padding参数反卷积总结参考资料反卷积的作用传统的卷积通常是将大图片卷积成一张小图片，而反卷积就是反过来，将一张小图片变成大图片。但这有什么用呢？其实有用，例如，在生成网络(GAN)中，我们是给网络一个向量，然后生成一张图片所以我们需要想办法把这个向量一直扩，最终扩到图片的的大小。卷积中padding的几个概念在了解反卷积前，先来学习传统卷积的几个padding概念，因为后面反卷积也有相同
文章目录反卷积的作用卷积中padding的几个概念NoPaddingHalf(Same)PaddingFullPadding反卷积反卷积中的Padding参数反卷积的stride参数反卷积的output_padding参数反卷积总结参考资料反卷积的作用传统的卷积通常是将大图片卷积成一张小图片，而反卷积就是反过来，将一张小图片变成大图片。但这有什么用呢？其实有用，例如，在生成网络(GAN)中，我们是给网络一个向量，然后生成一张图片所以我们需要想办法把这个向量一直扩，最终扩到图片的的大小。卷积中padding的几个概念在了解反卷积前，先来学习传统卷积的几个padding概念，因为后面反卷积也有相同
感谢前辈大佬，引用自：[1]https://ataspinar.com/2018/12/21/a-guide-for-using-the-wavelet-transform-in-machine-learning/[2]https://blog.csdn.net/Fvine_/article/details/83381250[3]https://blog.csdn.net/weixin_46713695/article/details/127106554码龄一年半，目前用python做一些数据分析。加上了一些自己的整理和总结，欢迎大家提出建议，侵删！〇、更多一点的原理1.小波变换如何工作？傅里
感谢前辈大佬，引用自：[1]https://ataspinar.com/2018/12/21/a-guide-for-using-the-wavelet-transform-in-machine-learning/[2]https://blog.csdn.net/Fvine_/article/details/83381250[3]https://blog.csdn.net/weixin_46713695/article/details/127106554码龄一年半，目前用python做一些数据分析。加上了一些自己的整理和总结，欢迎大家提出建议，侵删！〇、更多一点的原理1.小波变换如何工作？傅里
说明：该文属于大前端全栈架构白宝书专栏，目前阶段免费开放，购买任意白宝书体系化专栏可加入TFS-CLUB私域社区。福利：除了通过订阅"白宝书系列专栏"加入社区获取所有付费专栏的内容之外，还可以通过加入星荐官共赢计划加入私域社区。当前子专栏基础入门三大核心篇也是免费开放阶段。推荐他人订阅，可获取扣除平台费用后的35%收益。作者：不渴望力量的哈士奇(哈哥)，十余年工作经验,跨域学习者，从事过全栈研发、产品经理等工作，目前任某金融品类App负责人。荣誉：2022年度博客之星Top4、博客专家认证、全栈领域优质创作者、新星计划导师，“星荐官共赢计划”发起人。现象级专栏《白宝书系列》作者，文章知识点浅显
说明：该文属于大前端全栈架构白宝书专栏，目前阶段免费开放，购买任意白宝书体系化专栏可加入TFS-CLUB私域社区。福利：除了通过订阅"白宝书系列专栏"加入社区获取所有付费专栏的内容之外，还可以通过加入星荐官共赢计划加入私域社区。当前子专栏基础入门三大核心篇也是免费开放阶段。推荐他人订阅，可获取扣除平台费用后的35%收益。作者：不渴望力量的哈士奇(哈哥)，十余年工作经验,跨域学习者，从事过全栈研发、产品经理等工作，目前任某金融品类App负责人。荣誉：2022年度博客之星Top4、博客专家认证、全栈领域优质创作者、新星计划导师，“星荐官共赢计划”发起人。现象级专栏《白宝书系列》作者，文章知识点浅显
0前言在学习机器学习时，为了便于理解观察，有时候会拿一些一维的数组进行测试，在初学阶段可能就难免会踩到这个坑。这个bug处理起来比较简单，就是将一维的数组变成二维的数组。相关环境：Windows64位Python3.9scikit-learn1.0.2pandas1.4.21场景还原下面用一个简单的小例子还原一下场景来看看如何处理：在做一个线性回归训练的时候，前面读数据、画图，进展的很顺利，但是到了训练模型步骤竟然报错了，从字面意思，训练模型期望传递一个二维的数组，但是实际传递的是一维数组，从给出的信息看，是X出问题了。相关代码如下：#测试代码importpandasaspd#调用sklear
0前言在学习机器学习时，为了便于理解观察，有时候会拿一些一维的数组进行测试，在初学阶段可能就难免会踩到这个坑。这个bug处理起来比较简单，就是将一维的数组变成二维的数组。相关环境：Windows64位Python3.9scikit-learn1.0.2pandas1.4.21场景还原下面用一个简单的小例子还原一下场景来看看如何处理：在做一个线性回归训练的时候，前面读数据、画图，进展的很顺利，但是到了训练模型步骤竟然报错了，从字面意思，训练模型期望传递一个二维的数组，但是实际传递的是一维数组，从给出的信息看，是X出问题了。相关代码如下：#测试代码importpandasaspd#调用sklear
1背景介绍在使用大地图的项目中，通常需要摄像机跟随玩家移动，而且需要根据地图尺寸限制摄像机的边界借助Cinemachine及其扩展组件CinemachineConfiner可以很方便的实现该功能，但这次遇见一个问题：运行时，当摄像机碰到设置正确的边界时，位置发生偏移，且不再跟随玩家移动，特此记录，谨防老年痴呆2摄像机跟随及边界设置2.1安装Cinemachine打开Window>PackageManagerPackages选择UnityRegistry，搜索Cinemachine关键字后选择并安装即可2.2使用Cinemachine在Hierarchy面板中新建Cinemachine>2DCa
1背景介绍在使用大地图的项目中，通常需要摄像机跟随玩家移动，而且需要根据地图尺寸限制摄像机的边界借助Cinemachine及其扩展组件CinemachineConfiner可以很方便的实现该功能，但这次遇见一个问题：运行时，当摄像机碰到设置正确的边界时，位置发生偏移，且不再跟随玩家移动，特此记录，谨防老年痴呆2摄像机跟随及边界设置2.1安装Cinemachine打开Window>PackageManagerPackages选择UnityRegistry，搜索Cinemachine关键字后选择并安装即可2.2使用Cinemachine在Hierarchy面板中新建Cinemachine>2DCa
