近期开始阅读cv领域的一些经典论文，本文整理计算机视觉的奠基之作——Alexnet论文原文：ImageNetClassificationwithDeepConvolutionalNeuralNetworks（有需要论文原文的可以私信联系我）本文的阅读方法是基于李沐老师的B站讲解视频，需要细致去看的小伙伴可以去搜索，链接如下：9年后重读深度学习奠基作之一：AlexNet【论文精读】_哔哩哔哩_bilibili本文整理用于之后自己能够更快的回忆起这篇论文，所以有些地方记录的可能没那么严谨，有问题的地方欢迎各位指出和讨论，我及时修改，谢谢各位！如果该论文笔记对你有所帮助，希望可以点个赞关注一下，之后
论文题目《Spatial-SpectralTransformerforHyperspectralImageClassification》 论文作者：XinHe1,YushiChen1,*andZhouhanLin2论文发表年份：2021模型简称：SST发表期刊：RemoteSensing Motivation 基于cnn的方法具有空间特征提取的优点，但它们难以处理带有序列的数据，且不善于建模远程依赖关系。而HSI的光谱是一种序列数据，通常包含数百个波段。因此，cnn很难很好地处理HSI。另一方面，基于注意机制的Transformer模型已经证明了它在处理顺序数据方面的优势。为了解决在长距离捕
论文题目《Spatial-SpectralTransformerforHyperspectralImageClassification》 论文作者：XinHe1,YushiChen1,*andZhouhanLin2论文发表年份：2021模型简称：SST发表期刊：RemoteSensing Motivation 基于cnn的方法具有空间特征提取的优点，但它们难以处理带有序列的数据，且不善于建模远程依赖关系。而HSI的光谱是一种序列数据，通常包含数百个波段。因此，cnn很难很好地处理HSI。另一方面，基于注意机制的Transformer模型已经证明了它在处理顺序数据方面的优势。为了解决在长距离捕
1#include2#include3#include4#include5#includeset>67usingnamespacestd;89classObserver{10public:11voidupdate(){12cout"update"endl;13}14};15classSubject{16public:17voidregist(Observer*pobs){18pobs_set.insert(pobs);19}20voidunregist(Observer*pobs){21pobs_set.erase(pobs);22}23voidchange(constintstate){24
1#include2#include3#include4#include5#includeset>67usingnamespacestd;89classObserver{10public:11voidupdate(){12cout"update"endl;13}14};15classSubject{16public:17voidregist(Observer*pobs){18pobs_set.insert(pobs);19}20voidunregist(Observer*pobs){21pobs_set.erase(pobs);22}23voidchange(constintstate){24
Practicalusageofcppreferenceandmovesemantic在优化重构一部分老代码时，实际使用c++的reference与movesemantic遇到了若干问题，在此记录。Aggregation首先，数据的设计并不复杂，只有一个类，成员变量为一个stdfunction并需要在初始化时赋值。最初设计如下，我希望尽一切可能避免保存function对象的副本，所以将函数参数与成员变量全部用reference表示。classUniformValueWrapper{public:explicitUniformValueWrapper(conststd::function&par
Practicalusageofcppreferenceandmovesemantic在优化重构一部分老代码时，实际使用c++的reference与movesemantic遇到了若干问题，在此记录。Aggregation首先，数据的设计并不复杂，只有一个类，成员变量为一个stdfunction并需要在初始化时赋值。最初设计如下，我希望尽一切可能避免保存function对象的副本，所以将函数参数与成员变量全部用reference表示。classUniformValueWrapper{public:explicitUniformValueWrapper(conststd::function&par
ImageNetClassificationwithDeepConvolutionalNeuralNetworks论文地址1.研究背景：在计算机视觉领域，识别大规模图像集合是一个重要的任务。然而，由于数据量大，多样性复杂，传统的机器学习方法在此任务上面临着许多挑战。深度学习方法的出现解决了这一问题，其中卷积神经网络（CNNs）被证明在大规模视觉识别任务中非常有效。2.研究内容：本文介绍了一个基于卷积神经网络的深度学习模型，名为AlexNet。该模型通过在大规模视觉识别挑战（ILSVRC）上获得了最好的成绩，使得深度学习在视觉识别领域受到了广泛的关注。3.研究方法：AlexNet是一个由8个神经
ImageNetClassificationwithDeepConvolutionalNeuralNetworks论文地址1.研究背景：在计算机视觉领域，识别大规模图像集合是一个重要的任务。然而，由于数据量大，多样性复杂，传统的机器学习方法在此任务上面临着许多挑战。深度学习方法的出现解决了这一问题，其中卷积神经网络（CNNs）被证明在大规模视觉识别任务中非常有效。2.研究内容：本文介绍了一个基于卷积神经网络的深度学习模型，名为AlexNet。该模型通过在大规模视觉识别挑战（ILSVRC）上获得了最好的成绩，使得深度学习在视觉识别领域受到了广泛的关注。3.研究方法：AlexNet是一个由8个神经
发现报错:RuntimeError:NCCLerrorin:/pytorch/torch/lib/c10d/ProcessGroupNCCL.cpp:784,unhandledsystemerror编辑想在linux上跑跑mmclassification中的resnet网络，但是报错，查阅资料后发现，第二个错误是由于第一个错误产生的。那么现在就要解决第一个报错。第一个报错查阅了一堆资料后，发现是GPU使用数量的原因，但我电脑只有一个GPU，修改了配置文件后，依旧这样报错。有的博主是由于文件中有中文字符，我仔细检查后没有发现。最后才发现，之前用的训练命令如下：sh./tools/dist_
