cám ơn mình sẽ thử xem

Bài viết hay quá. Cảm ơn bạn đã chia sẻ nhé ))

thankyou bạn nhiều , nếu có gì góp ý thì share với mình nhoé, để mình cải tiến thêm ^^

Thank vì bài viết quá hay và chi tiết

có lẽ mình phải đi xin người anh của mình nguồn để update vào bài viết =))

Góp ý cho bác nè.

1. Ở phần load file local bác có thể dùng fiddler vào tab Autoresponder, lúc này bác không cần tạo server hay chuyển hướng bằng tiện ích chrome nữa.
2. Bác có thể đặt XHR/Fetch breakpoints bên tay phải trong tab Source của dev tool chrome với url mà bác tìm được bên trên, nên sử dụng 1 đoạn url thôi vd: www.chatwork.com/gateway/read.php (đoạn url ko thay đổi sau những lần gọi khác nhau.) . À nó còn Call stack giúp bác coi những hàm nào đã được gọi tiện hơn việc gọi console.trace.

Đừng có bao h em tưởng )))

Bài viết hay quá cảm ơn bạn nha

import pandas as pd
import matplotlib.pyplot as plt
from pandas import ExcelWriter
from pandas import ExcelFile
a = pd.read_excel('dccn.xlsm',header=9,encoding='utf-8')
print(a.columns)
b2= pd.DataFrame(pd.pivot_table(a,index=['Mã KH','Tỉnh','Đơn vị','Tên kh'],values=['Số dư'],aggfunc='sum'))
writer = ExcelWriter('congno2.xlsx',engine='openpyxl', model='a')
writer = ExcelWriter('congno2.xlsx')
b2.to_excel(writer,sheet_name='sheet1',index=False)

code minh day b.Minh luu tren o D binh thuong

mình ko có thời gian làm liên tục nên cũng ko nhớ chính xác nữa

nhìn chung thì mình tốn khá nhiều thời gian vào việc xử lý dữ liệu và phần post-processing

wth? ai đấy, để avatar gái nhận k ra =))

Đúng cái em đang cần,cám ơn bác Thiện nhé =))

Thím này toàn bài viết chất lượng quá, làm mình toàn mất công up vote xD

Saliency map sử dụng backprop để tính toán gradients, dựa vào backprop ta có thể làm nổi bật các pixel của hình ảnh đầu vào dựa trên lượng gradient mà chúng nhận được.

CNN-GAPs thì ta sẽ sử dụng thay vì dùng MP thì sẽ được dùng bằng GAP để tính toán, GAP chỉ đơn giản là tính trung bình các kích hoạt của từng feature map và nối các giá trị trung bình này và xuất chúng thành một vectơ. Sau đó, tổng trọng số của vector này được đưa đến softmax layer cuối cùng. Sử dụng kiến ​​trúc này, ta có thể làm nổi bật các vùng quan trọng của hình ảnh bằng cách chiếu lại các trọng số của output trên các convolutional feature maps.

Còn lại bài viết rất hay ạ

Bài viết rất hữu ích . Cảm ơn sếp

lợi

Ở mục 5 hình như anh có nhầm lẫn chút xíu, theo em là other primitive value chứ ko phải là non-primitive value === reference value

với cả trong paper có so sánh với backprop saliency map ở Fig 5 và 6; bạn có thể giúp mình mô tả phương pháp được so sánh đó được không?