【网络流量识别】总结篇1：机器学习方法在网络流量识别的应用
本文总结深度学习方法在流量识别方面的应用，也是对前四篇文章的总结。主要包括数据集，特征提取方法，深度学习网络，性能比较等几方面的介绍。一、概述网络入侵检测系统（N-IDS）是根据网络类型及其行为，对网络网络流量数据分类的主要方法有（1）误用检测；（2）异常检测；（3）状态完整协议分析机器学习方法是目
机器学习中的数学——距离定义（一）：欧几里得距离（Euclidean Distance）
欧几里得距离或欧几里得度量是欧几里得空间中两点间的即直线距离。使用这个距离，欧氏空间成为度量空间，相关联的范数称为欧几里得范数。nnn维空间中的欧几里得距离：d(x,y)=∑i=1n(xi−yi)2=(x1−y1)2+(x2−y2)2+⋯+(xn−yn)2d(x, y)=\sqrt{\sum_{i=
MMPose姿态估计+人体关键点识别效果演示
MMPose开源姿态估计算法库，进行了人体关键点的效果演示。（包括肢体，手部和全身的关键点，还尝试了MMPose实时效果）
TensorFlow和CUDA、cudnn、Pytorch以及英伟达显卡对应版本对照表
TensorFlow和CUDA、cudnn、Pytorch以及英伟达显卡对应版本对照表CUDA下载地址CUDNN下载地址torch下载英伟达显卡下载一、TensorFlow对应版本对照表版本Python 版本编译器cuDNNCUDAtensorflow-2.9.03.7-3.108.111.2ten
YOLOv5 人脸口罩识别 免费提供数据集
本文分享快速使用YOLOv5训练自己的人脸口罩数据集。第一步是搞数据，并把标注文件处理成YOLOv5格式，这其实是最麻烦的，此处省略1W字，我给同学们整了一个6000张的：人脸口罩数据集。拿走不蟹~下载YOLOv5-3.1版本和模型权重，考虑到模型权重可能下载缓慢，我还上传了一份：模型权重。真是太贴
大整数乘法的详解
一.问题由于编程语言提供的基本数值数据类型表示的数值范围有限，不能满足较大规模的高精度数值计算，因此需要利用其他方法实现高精度数值的计算，于是产生了大数运算。尤其是乘法运算，下面就是大整数的乘法的过程（加 减法都一样的原理）。二.解决问题的方法方法一（传统的相乘逐步相加）乘法规律，一个数的第i位和另
Python实现求取素数
1 引言在数学中经常要求你寻找素数，在100以为都比较容易解决，但是当超过一百时就比较难解决了，现在我们可以通过计算机来轻松实现它。2 问题取某个范围内的素数3 方法通过for循环的使用帮...
swin-transformer详解及代码复现
1. swin-transformer网络结构实际上，我们在进行代码复现时应该是下图,接下来我们根据下面的图片进行分段实现2. Patch Partition & Patch Embedding首先将图片输入到Patch Partition模块中进行分块，即每4x4相邻的像素为一个Patch
forrtl: error (200): program aborting due to control-C event
forrtl: error (200): program aborting due to control-C eventforrtl: error (200): program aborting due to control-C eventImage PC
coco数据集解析及读取方法
RLE所占字节的大小和边界上的像素数量是正相关的。其中size是这幅图片的宽高，然后在这幅图像中，每一个像素点要么在被分割（标注）的目标区域中，要么在背景中。每个对象（不管是iscrowd=0还是iscrowd=1）都会有一个矩形框bbox ，矩形框左上角的坐标和矩形框的长宽会以数组的形式提供，数组
C盘满了，清理C盘常用步骤！
真正的深度清理c盘放心，大胆的删除！第一步 删除临时文件 1.win+R调出命令框 2.输入%temp% 点击确定 3.这里面的文件都是我们在运行软件时所产生的的临时文件，几乎每一秒中都在产生。日积月累还是很多的，可以放心大胆的删除。第二步 ：删除回收站缩略图等 1 右键C
超分之EDSR
这篇文章是SRResnet的升级版——EDSR，其对网络结构进行了优化(去除了BN层)，省下来的空间可以用于提升模型的size来增强表现力。此外，作者提出了一种基于EDSR且适用于多缩放尺度的超分结构——MDSR。EDSR在2017年赢得了NTIRE2017超分辨率挑战赛的冠军。参考目录：①深度学习
云GPU（恒源云）训练的具体操作流程
主要介绍一下如何使用云服务器平台训练网络，包括pycharm配置、数据传输、服务器如何使用等
深度学习之BP神经网络
算法是神经网络深度学习中最重要的算法之一，是一种按照误差逆向传播算法训练的多层前馈神经网络，是应用最广泛的神经网络模型之一。基本结构如图：其主要包含三部分（由左到右）1：输入层：输入数据2：隐含层：输入与输出之间的数据分析加工厂，通过各种参数（权重，偏差值）以及激活函数等其他数据处理方法与两边建立联
Stable Diffusion的入门介绍和使用教程
Stable Diffusion是一个文本到图像的潜在扩散模型，本文将介绍如何使用Stable Diffusion以及它具体工作的原理
TwoModalBERT进行角色分类
魔改模型，不一定有用，但很好玩
学习Transformer：自注意力与多头自注意力的原理及实现
自从Transformer[3]模型在NLP领域问世后，基于Transformer的深度学习模型性能逐渐在NLP和CV领域(Vision Transformer)取得了令人惊叹的提升。本文的主要目的是介绍经典Transformer模型和Vision Transformer的技术细节及基本原理，以方便
pytorch训练模型时出现nan原因整合
常见原因-1一般来说，出现NaN有以下几种情况：相信很多人都遇到过训练一个deep model的过程中，loss突然变成了NaN。在这里对这个问题做一个总结：1.如果在迭代的100轮以内，出现NaN，一般情况下的原因是因为你的学习率过高，需要降低学习率。可以不断降低学习率直至不出现NaN为止，一般来
BertTokenizer 使用方法
BertTokenizer 使用方法，BertTokenizer 函数详解，tokenizer使用方法
Transformer框架时间序列模型Informer内容与代码解读
Transformer框架时间序列模型Informer内容与代码解读。详细介绍概括了顶会论文AAAI‘21 Best Paper的核心内容。
