竭尽全力的专栏

前言 本人的操作系统是Ubuntu 16.04，MATLAB R2017a。其他版本的MATLAB安装过程是类似的。1、下载安装包 本人的MATLAB版本是R2017a，之前别人拷贝给我的，在网上找到了一个R2016b的下载版本：MATLAB R2016b下载地址。具体的安装文件如下图所示： 这里面包含如下文件： (1)安装iso文件。包含2个iso文件，需要在安装完dvd1之后将dvd2挂载上，然后完成整个安装过程。...

当一个文件夹有多幅图像需要同时读取时，可以采取以下的方法：fpath = '../..'; %这里是文件夹的名字flist = dir(sprintf('%s/*.tif', fpath));images = [];for imidx = 1:min(length(flist), 200) fprintf('[%d]', imidx); %显示进程 fname = sprint

最近用MATLAB做图像处理，经常要保存图像，查了一些资料，作了一些总结。欢迎补充！ 1、截图，这是最简单粗暴的方法，可以用QQ截图或者其他截图软件截图。这种方法的缺点是对数据信息有损坏，搞科研做图像处理不建议截图。2、通过figure中file的下拉菜单保存，点击file-save as即可，这个的缺点是另存为的图像清晰度有很大的牺牲；3、复制到剪贴板，在figure中使用菜单edit->cop

最近在看卷积RBM的相关知识，主要在研究Honglak Lee的文章：Convolutional deep belief networks for scalable unsupervised learning of hierarchical representations. 看了Honglak Lee的代码[论文及代码见这里]后， 深感大牛的功力深厚，从大牛的代码中学习了很多细节，在这里做一些简单

构建替代数据的时候，一种常见的思路是打乱原数据的排列次序，通过随机置换原数据的排列次序从而产生和原数据系列统计特征（如均值、方差、分布）一致的随机数据。具体到Matlab中，此思路的实现会涉及到两个命令：randperm和randsamplep.s. 相关的重新排序命令还包括：amd Approximate minimum degree permutationcolamd

table是Lua语言中的一种重要的数据类型， table 的一些特性简单列举如下： (1).table 是一个“关联数组”，数组的索引可以是数字或者是字符串; (2).table 的默认初始索引一般以 1 开始; (3).table 的变量只是一个地址引用，对 table 的操作不会产生数据影响; (4).table 不会固定长度大小，有新数据插入时长度会自动增长; (5).table

很多人搞不清楚这两个概念的区别，刚好在翻译lua手册时遇到%与math.fmod这两个操作，顺便做一下说明吧。求模与求余的区别：假设对a与b两个整数做求模或求余操作。那么第一步是先求整数商c，即a / b的值，第二步是计算模或余数：a - c * b。求模与求余的区别在于怎么处理a / b的值。求模运算时，a / b的结果向无穷小方向舍入，求余运算时a / b的结果向0方向舍入。因此，求模时结果的符

本人总结了一些lua语言中一些时间函数，欢迎补充！ %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 1、os.time() 含义：获取当前的时间戳(返回的是从1970年1月1日00:00:00到现在经过的秒数)，单位是秒 举例： (1)显示当前秒数 %———————— time1 = os.time() print(time1

Lua 错误处理方法

[摘要]本文介绍LUA中的数学库，包括abs、acos、asin、floor、log、max、min、random、sqrt等函数介绍。 Lua5.1中数学库的所有函数如下表： math.pi 为圆周率常量 = 3.14159265358979323846 Lua5.1中数学库的所有函数如下表： math.pi 为圆周率常量 = 3.14159265358979323846 %——————

逻辑运算符认为false和nil是假（false），其他为真，0也是true. and的优先级比or高，其它语言中的and表示两者都为真的时候,才返回为真,而只要有一个假,都返回假.lua虽不仅返回假的语义,还返回导致假的值. a and b ：在a为false的时候,返回a,否则返回b. or的处理与之类似, a or b ：在a为true的时候,返回a,否则返回b. 总之,and与or

1　SAR图像变化检测步骤 : 　　首先获取原始SAR图像的对数比值图像，再利用kmeans方法对比值图像的像素值进行聚类，聚成２类，由此得到粗略的变化检测结果．2 K-means聚类算法 K-means算法是聚类算法中最简单的一种。聚类指的就是将一堆具有类似特征的无标签点归位一类，比如黑种人和黄种人由于身高、体型、肤色、毛发各个特征上的不同（单纯肤色说服力不够）而聚类为两个簇。K

1　SAR图像变化检测步骤 : (1)获取原始SAR图像的对数比值图像； (2)将得到的数据按照一定的方式转化为Tensor格式的数据，以作为CNN的输入； (3)构建CNN模型； (4)训练； (5)测试。 2 卷积神经网络 参考资料，可以参考zouxy09的博客，写得很详细： http://blog.csdn.net/zouxy09/article/details/878154

在学习torch的过程中遇到了不少问题,现做一个简单的总结,欢迎补充并批评指正! %————————————————————————————————-% 错误提示1:unexpected symbol near ':'错误举例：p = 602:add(N+1) --截取有问题的一行代码分析及解决方案:在使用add() mul() div()等函数时,冒号前面不能使用常数,应提前将常数赋值给

transpose英文意思是‘变换顺序’的意思，在lua语言中，lua表示对矩阵或者张量进行维度交换。 b = a:transpose(m,n)表示将矩阵或者张量a的第m维和第n维交换。 若a是一个二维矩阵，m=1,n=2，则b = a:transpose(1,2)表示矩阵a的转置。 举例1：a = torch.rand(4,5) print('矩阵a：\n',a)b = a:tra

简单的输入的模式Lua 的字符串模式匹配是非常强大，通常您将不需要传统的正则表达式库。即便如此，有时 Lua 代码结束看上去像 Perl，因为字符串模式不容易阅读，尤其是对普通读者而言。这段代码需要了解三种不同的日期格式： -- parsing dates using Lua string patterns months={Jan=1,Feb=2,Mar=3,Apr=4,May=5,Jun=6,

关于torch中narrow的用法，本人总结了以下的一种用法，欢迎补充！ data = tensor:narrow(dim, index, size) –表示取出tensor中第dim维上索引从index开始到index+size-1的所有元素存放在data中 举例： .————————————————————————————— In [ ] x = torch.rand(5, 6)

该类主要为了提供一种方便解析参数的框架，对于每个实验尤其是神经网络中要调参数上。同时还可以把输出重定向到log文件中。 一般用法：cmd = torch.CmdLine()cmd:text()cmd:text()cmd:text(‘Training a simple network’)cmd:text()cmd:text(‘Options’)cmd:option(‘-seed’,123

view() 含义：重新排列矩阵(行优先) 格式:b = a:view(m,n) 其中a的大小为m*n 特殊格式: 1、b = a:view(-1,k)表示将a重新排列成m*n/k行k列的矩阵 2、b = a:view(k,-1)表示将a重新排列成k行m*n/k列的矩阵

经常在程序中遇见矩阵下标为负值的情况,例如下面的例子:--例1layers = torch.IntTensor({{1, 2, 3}, {4, 5, 6},{7, 8, 9}})print(layers[-2][3])显示结果是:6 本人经过尝试,理解出负下标值的含义,解释如下: 不妨设一个随机矩阵a = torch.rand(m,n) 通常取a中的元素,可直接用a[i][j]即可,其中i

在学习Torch/Lua的过程中，积累了一些资料，现汇总如下，自己会随时补充，也欢迎大家补充！1、Torch Package Reference Manual，Torch帮助手册 网址：http://torch7.readthedocs.org/en/latest/index.html2、Deep Learning with Torch，Torch平台上的深度学习，60分钟教程，很详细！ htt

cmul计算的是两个张量tensor1与tensor2之间的element-wise-multiplication (数组元素依次相乘或者元素对应相乘)。 值得注意的是：两个张量之间的元素个数必须相等，它们大小不一定要相同。 说明：当tensor1与tensor2之间的维数满足可以矩阵相乘时，就还原为矩阵乘法；当二者之间的维数不满足普通矩阵乘法时，按照行优先的顺序依次将二者对应位置的数字

torch.gt(Tensor1,Tensor2) 其中Tensor1和Tensor2为同维度的张量或者矩阵 含义:比较Tensor1和Tensor2的每一个元素,并返回一个0-1值.若Tensor1中的元素大于Tensor2中的元素,则结果取1,否则取0 举例:a = torch.rand(4,3) print('矩阵a:\n',a)b = torch.rand(4,3) p

**Torch7平台上显示图片的几种方法**本文主要是个人总结的在Torch7平台上显示图片的几种方法, 欢迎补充!————————————————————————– 方法1： ————————————————————————– 直接在terminal终端输入display即可： 实例： $ display test.png 注：所显示的图像会用ImageMagick打开，左键单击图片，