诗岸梦行舟

# 卷积与 SPP 变种模块 # SPD-Conv（空间到深度卷积）（2020）（下采样） SPD-Conv 是一种旨在替代传统跨步卷积和池化层的新型构建模块。它特别针对低分辨率图像或小目标检测任务中容易丢失细节特征的问题而设计。 在传统的 CNN 架构中，为了减少计算量和扩大感受野，通常会使用步长为 2 的卷积或池化层。但这会导致一个致命缺陷：特征信息的丢失。 PixelShuffle：将形状为 (N, C * r^2, H, W) 的张量重排列为 (N, C, H * r, W * r) 。它把通道维度的信息 “搬运”...

# Java 虚拟机 # 认识 JVM JVM 的功能： 解释和运行：对字节码文件中的指令实时的解释成机器码，让计算机执行。 内存管理：自动为对象、方法等分配内存，具有自动的垃圾回收机制，回收不再使用的对象。 即时编译：对人点代码进行优化，提升执行效率。 Java 语言如果不做任何优化，性能是不如 C 和 C++ 的，因为 Java 虚拟机在解释，而 C 不一样，C 可以直接编译成目标可执行的机器码，无需解释，Java 这样做的主要目的是为了跨平台，这也铸就 Java 今天的地位。 什么是即时编译，为什么需要即时编译？ Java 代码先被编译成字节码，JVM...

# 地下异常密度重力反演基本模型对比 # 数据生成 第一次探索先生成 2000 训练样本，其中训练比例为 8.5：1.5 gz=Gρ{−(x−ξ)ln⁡[r+(y−η)]−(y−η)ln⁡[r+(x−ξ)]+(z−ζ)arctan⁡(x−ξ)(y−η)(z−ζ)r}∣ξ1ξ2∣η1η2∣ζ1ζ2g_z = G\rho \left\{ -(x-\xi) \ln[r+(y-\eta)] -(y-\eta) \ln[r+(x-\xi)] + (z-\zeta) \arctan...

# 注意力机制模块 # SE 【Squeeze-and-Excitation Networks】：https://arxiv.org/abs/1709.01507 class SE_Block(nn.Module): def __init__(self, inchannel, ratio=16): super(SE_Block, self).__init__() self.gap = nn.AdaptiveAvgPool2d((1, 1)) mid_channel = max(inchannel // ratio, 1) if mid_channel == 1 and inchannel...

# MoViM：A Hybrid CNN Vision Mamba Network for Lightweight Semantic Segmentation of Multimodal Remote Sensing Images 【Original Link】 MoViM: A Hybrid CNN Vision Mamba Network for Lightweight Semantic Segmentation of Multimodal Remote Sensing Images Published in: IEEE Geoscience and Remote Sensing...

# PyTorch Lightning 【PL】：https://lightning.ai/ # 什么是 PyTorch Lightning PyTorch Lightning 是建立在 PyTorch 之上的训练工程框架，Lightning 的理念是，你只写算法逻辑，工程交给我。一个最简单的训练范式应该是，写模型、定义数据集、封装 DataLoader、定义损失函数、定义优化器、写训练循环、验证循环。 我们来看一下最简单的，训练验证。首先有模型： import torchfrom torch import nnclass Net(nn.Module): def __init__(self,...

# 前言 我有一台华为的笔记本电脑，我希望将其由原来的 Windows 系统扩展为 Windows 与 Ubuntu 双系统，这么做的核心目的在于我想测试一下分布式相关的内容。然而我的 C 盘已经不足 50G，不过我还有一块一 TB 的机械硬盘，这款机器硬盘还剩 600G，并且它的速度也不是很慢，足以运行 Linux 的发行版。其实我想以更为原生的方式来部署 docker，这样方便测试。如果你问我为什么不使用 VM Ware，我就想折腾一下哈哈哈。 # 创建 Ubuntu 的引导盘 我个人比较喜欢使用 Ventoy 来制作引导盘，鉴于我已经有一个引导盘了这里就不再进行详细展开，具体如何创建...

# 深度学习反演网络与重力异常之初窥门径 # 正演？ 已知地下体的物理属性，比如密度、磁化率、电阻率和空间分布，预测或计算在地表或者测量点上观测到的地球物理异常。 已知地下体的ρ(x,y,z)ρ(x, y, z)ρ(x,y,z) 密度矩阵、已知体素在空间中的位置，计算g(x,y)g(x, y)g(x,y) 表面重力异常，这就是正演。 正演公式可以理解为： g(x,y)=∑i,j,kf(ρi,j,k,ri,j,k)g(x, y) = \sum_{i, j, k} f(\rho_{i, j, k}, r_{i, j,...

# GitFlow # 什么是 GitFlow？ Gitflow 是一种替代的 Git 分支模型，涉及功能分支和多个主分支的使用。该书最初由文森特・德里森在 nvie 出版并推广开来。与基于 trunk 的开发相比，Gitflow 拥有众多且寿命更长的分支和更大的提交。在该模型下，开发者创建一个功能分支，并延迟将其合并到主干分支，直到功能完成。这些寿命较长的特征分支需要更多的协作来合并，且偏离主干分支的风险更高。它们也可能引入冲突更新。 Gitflow 可用于有预定发布周期的项目，也可用于持续交付的 DevOps...

# YOLO-V9 V10 V11 V12 新特性汇总 了解新特性，以便启发未来学习与科研。 # V9 学了 YOLO 的许多版本我个人认为在学术上，v3、v4、v7、v10 是非常有意义的，v5、v8、v11 工程化做的非常厉害。v9 我认为这是一个追求信息无损的理想主义者，PGI 这种高大上的概念，但如果你拆开它的代码看，它的核心实现非常依赖于辅助头，PGI 带来的那点提升，往往不如换一个更好的数据增强方案或者稍微调大一点输入分辨率来的实在，但是 v9 的 GLAN 还是很有想法的。 # 原文与源代码 【YOLOv9: Learning What You Want to Learn...