Aktywne Wpisy
Hanlan +242
#heheszki #wykop #afera #samoloty #wspomnienia #aferasamolotowa #lotnisko
Pamiętacie te aferę. Ktoś wie może jak to się finalnie zakończyło, ale trzeba przyznać chłop się chyba niespodziewał, że to się tak skończy XD
Pamiętacie te aferę. Ktoś wie może jak to się finalnie zakończyło, ale trzeba przyznać chłop się chyba niespodziewał, że to się tak skończy XD
źródło: download
Pobierz
ChwilowaPomaranczka +228
Wróciłem z policji xd w sumie to 10 min trwało przesłuchanie. Pan policjant pokazał mi screena, spytał czy jestem autorem. Ja oczywiście potwierdziłem. Powiedziałem że to był żart, nikt nie wziął tego na poważnie, i że własnoręcznie usunąłem wpis jak zrozumiałem że może on wzbudzić ogólnokrajową panikę i paraliż służby zdrowia. Zeznania zostały spisane w 4 (xD) zdaniach, policjant powiedział że prokuratura zdecyduje o wszczęciu postępowania, ale prawdopodobnie tak. Kara od 6
Aktywne Znaleziska
#machinelearning #pytorch #uczeniemaszynowe #informatyka #programista15k #programowanie
Możesz spróbować coś takiego:
T1*T2 + T3T1 - tensor wejściowy
T2 - tensor zero-jedynkowy, losowy, o określonej proporcji jedynek
T3 - tensor z losowymi wartościami w tych samych miejscach co T2 ma jedynki, i zerami w tym miejscu gdzie T2 ma zera
Generowanie tensora T2 i T3 z 25% jedynkami.
T2 = (torch.rand(size=T1.shape) < 0.25).int()T3 = T2*torch.rand(size=T1.shape)Jeżeli chcesz to wykorzystać do ewentualnej regularyzacji, to standardowy dropout powinien
Komentarz usunięty przez autora
W sumie mógłbyś się obejść z losowaniem wartości w miejscach gdzie T2 + wzór na T3 nie wyznaczy losowych wartości, statystycznie sprowadzi się do macierzy w której losowe 6.25% wartości będzie jedynkami :P
W torchu akurat nie robiłem od lat, ale posiłkując się Twoim kodem + dokumentacją wystarczy jedna linijka:
out = torch.where(torch.rand(size=T1.shape) < 0.25, input, torch.rand(size=T1.shape))
Tylko to uzupełni wartościami od 0 do 1, ale reszta jest trywialna.
Komentarz usunięty przez autora
Z drobną poprawką:
out = torch.where(torch.rand(size=input.shape) < 0.25, torch.rand(size=input.shape), input)
Około 25% pikseli będzie miało zamienioną wartość na losową z przedziału <0,1>