avatar
文章
79
标签
16
分类
8
回家
文章
  • 文章
  • 标签
  • 分类
  • RSS
娱乐
  • 来只猫猫
  • 每日新闻
  • 音乐
  • 随机传送(可能出错)
  • 抓住逃跑的猫咪
社交
  • 友链
  • 友链朋友圈
  • 赞助墙
  • 留言版
站点监控
关于
polar-bear～BlogESP CSI 动作分类 返回首页
搜索
回家
文章
  • 文章
  • 标签
  • 分类
  • RSS
娱乐
  • 来只猫猫
  • 每日新闻
  • 音乐
  • 随机传送(可能出错)
  • 抓住逃跑的猫咪
社交
  • 友链
  • 友链朋友圈
  • 赞助墙
  • 留言版
站点监控
关于

ESP CSI 动作分类

发表于2025-08-14|更新于2025-08-18
|浏览量:
文章作者: Ziyourufeng
文章链接: https://polar-bear.eu.org/2025/08/14/esp-csi-dong-zuo-fen-lei/
版权声明: 本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来源 polar-bear～Blog！
赞助
  • wechat
    wechat
  • Alipay
    Alipay
cover of previous post
上一篇
Qwen-image
Qwen-image docker部署 安装魔搭社区的modelscope模型管理工具 1pip install -i https://pypi.tuna.tsinghua.edu.cn/simple modelscope 下载docker镜像 1modelscope download --model inkcoi/ComfyUI-Qwen-Image --local_dir /home/user/#下载文件位置 镜像文件约40GB,请留有充足储存空间 加载Docker镜像 1docker load -i ./comfyui-qwen-image-latest.tar 加载镜像为comfyui-qwen-image latest 1c856fa3dfd8 10 days ago 42.5GB 运行docker容器 1docker run --gpus all -d --name comfyui-qwen -p 8188:8188 comfyui-qwen-image:latest python3 main.py --listen 0.0.0.0...
cover of next post
下一篇
机器学习——深度学习
机器学习 机器学习是一个专门研究和开发能够学习的机器的领域，目标是获得通用人工智能。 机器学习是人工智能的核心领域，目标是让计算机通过数据学习规律并做出预测或决策。其核心逻辑是：从数据中提取特征，通过算法训练模型，实现对未知数据的推断。 分类：包括监督学习（如回归、分类算法）、无监督学习（如聚类、降维）、半监督学习和强化学习等。 关键特征：依赖人工设计的特征工程，例如在图像识别中，需要手动提取边缘、颜色等特征。 本篇是对之前文章的扩展，补充与深化，本人深感过去文章水平有限，仅是为完成工程任务调参了解的，极为片面，浅薄的记录，本文试图作为学习笔记系统性记录✍️本人的学习过程。(ﾉ∇︎〃 ) 添加了很多骚话个人理解(´つヮ⊂︎) 前面大多为车轱辘话(╯‵□′)╯︵┻━┻，只需要大致了解概念。可直接跳至算法原理。(ฅ>ω<*ฅ) 序言 一些很漂亮很浪漫很有人类探索精神的屁话╮(╯▽╰)╭ 千百年来，人类试图了解智能的机制，并将它复制到思维机器上。 人类从不满足于让机械或电子设备帮助做一些简单的任务，例如，使 用燧石打火，使用滑轮吊起沉重的岩石，使用计算器做算术。...
评论
avatar
Ziyourufeng
技术宅拯救世界~~!
文章
79
标签
16
分类
8
Follow Me
公告
已更换 Twikoo 评论，可在文末留言，也可通过邮箱、Telegram、QQ群等方式与我联系。
载入天数...载入时分秒...
目录
  1. 1. 迁移学习策略：预训练特征提取器 + 适应性分类器
    1. 1.1. 1. 预训练特征提取器的设计与目标
    2. 1.2. 2. 后级分类器的设计与适应性训练
  2. 2. 自监督学习 (Self-Supervised Learning, SSL) - 以对比学习为例
  3. 3. 预处理数据csi_cov_for_contrastive_learning.npy
    1. 3.1. 文件名：csi_cov_for_contrastive_learning.npy
    2. 3.2. 处理流程
    3. 3.3. 总结：csi_cov_for_contrastive_learning.npy 的内容
  4. 4. 预训练特征提取器评估
    1. 4.1. 1. 特征提取器的效果评估
      1. 4.1.1. a. 可视化特征（定性评估）
      2. 4.1.2. b. 线性评估 (Linear Evaluation) （定量评估）
    2. 4.2. 2. 训练下游分类器
      1. 4.2.1. a. 迁移学习：冻结特征提取器，训练一个简单的分类器
      2. 4.2.2. b. 微调 (Fine-tuning)：微调整个模型
  5. 5. 调优
    1. 5.1. 2025/08/18
最新文章
BTRFS与Timeshift
BTRFS与Timeshift2026-05-11
Onedrive下载
Onedrive下载2026-03-07
D-FINE--基于Transformer架构的实时目标检测模型
D-FINE--基于Transformer架构的实时目标检测模型2026-03-02
Orin NX 的种种
Orin NX 的种种2026-01-24
cloudflare加速onedrive文件下载
cloudflare加速onedrive文件下载2025-12-27
© 2022 - 2026 By Ziyourufeng框架 Hexo 8.1.2|主题 Butterfly 5.7.0
搜索
数据加载中