C++ 细节逐步填坑中,还有几个大坑预计 8 月前结束。普通的函数没啥意思了,本文涉及函数的进阶使用,包括:函数的默认参数、内联函数、函数重载和函数模板。
python __init__.py 文件的用法
本文字数: 3.3k 阅读时长 ≈ 3 分钟
最近 rush
代码遇到一些问题,如一种典型的结构
1 | |-main/ |
如上,想在 module2.py
中调用 module1.py
中的某个类,如果在 module2.py
中写:from ..test1 import module1
,在 test2
文件夹下执行 python module2.py
会提示:
1 | ImportError: attempted relative import with no known parent package |
会遇到这样的错误。那么,如何解决呢?如果你只想看如何解决问题,直接翻到文末即可;网上大概搜了一下,需要 __init__.py
来解决下这个问题,但是网上搜了一圈,没啥写的特别好的教程,实在是烂的可以,特此来填坑。
对抗训练篇:MART 防御算法论文笔记
本文字数: 3.5k 阅读时长 ≈ 3 分钟
MART(Misclassification Aware adveRsarial Training) 是 2020 年提出的最好的对抗防御算法。传统对抗训练算法中 min-max 时不会考虑当前样本是否被正确分类,统一制作对抗样本。而作者抓住了这一点,发现对于 max 制作对抗样本期间没有被网络正确分类的样本,对结果的影响很大。换句话说,网络连干净样本都不认识,何谈认识它的对抗样本? MART 算法的创新点在于区别对待错分类和正确分类的样本。
C++ 中的 const
本文字数: 2.8k 阅读时长 ≈ 3 分钟
和指针联用有佷微妙的地方,之前一直佷晕,现在来继续研究下。诸如以下:
1 | int const; |
算法系列:二分搜索
本文字数: 6.4k 阅读时长 ≈ 6 分钟
不能继续开坑了,得整理一下。最近在刷二分法,思路很简单,细节是魔鬼。时而减一时而不用,仿佛在面向玄学编程,所以特意来整理一下。本文参考。
对抗攻击篇:一些关于对抗补丁的论文
本文字数: 3k 阅读时长 ≈ 3 分钟
在对抗攻击中,有人尝试着去用对抗样本攻击目标检测的网络。但是,检测网络与分类网络不同,检测网络还有检测器,存在 RPN、ROI-Align 以及边界框回归器等。而分类接受的图像来自检测器的输出,并不是原始的输入。所以只在图片上产生细微的扰动很可能不起做作用 1。所以衍生出了一些基于 patch (补丁)的攻击。
面向长尾目标检测的 Seesaw Loss
本文字数: 3.2k 阅读时长 ≈ 3 分钟
论文好像是 2020 年底传到 arxiv 1 的,还比较新。正好最近遇到的问题是类别数量是长尾分布,恰好最近看到 mmdetection 也支持了这个损失函数,索性来看一看这篇论文,算是做个论文笔记吧。不过为了能更容易理解论文的思想,没有按照原论文的内容结构进行整理。