This is bill的专属博客

原创 poj 1063 找规律题目

题意：在一个椭圆轨道上放有黑、白两种颜色的碟子，要求碟子总数最少为10个，最多为30个，通过FLIP和SHIFT两种转换方式将黑、白两种颜色的碟子完全分居开来。    思路：FLIP和SHIFT两种转换方式一起使用可以理解为:将位置为i某个碟子与位置为i-2或i+2上的某个碟子交换。    这样理解起来方便许多，若椭圆轨道上的凹槽个数N为奇数，则一定可以将两种颜色的碟子完全分开（取一黑色的碟子，假

转载 【caffe-Windows】caffe+VS2013+Windows+GPU配置+cifar使用

前言国际惯例，先来波地址：CUDA WIN7：链接：http://pan.baidu.com/s/1nvyA3Qp 密码：h0f3   官方网址：https://developer.nvidia.com/cuda-toolkitCUDA WIN10:链接：http://pan.baidu.com/s/1eRDJYmA 密码：1m4ecudnn：链接：http://pan.baidu.com/s/1

转载 【caffe-matlab】目标检测R-FCN算法于Windows下配置

前言首先谢谢好友推荐的这篇论文及代码，前面学习的caffe可能比较浅显，想要深入caffe就可以从这个代码下手了，配置方法还是挺简单的，但是可能会出现部分问题。在作者的论文中有github的地址。注意，本文只介绍如何配置识别过程，关于如何配置训练过程，等这段时间忙完导师分配任务会再续博客，本文并不介绍理论。国际惯例，贴几个地址：论文原始地址：https://arxiv.org/abs/1605.0

转载 VS2013调用caffe新建自己的工程详细过程

VS2013调用caffe新建自己的工程详细过程在windows上编译好caffe之后（纯CPU），很多人都会存在这样的问题，我该如何去调用编译好的caffe来新建自己的工程开发自己的应用呢，这个问题折腾了一下午，终于成功实现了在自己新建的工程中调用编译好的caffe，下面就记录一下，新建VS2013工程实现caffe的具体过程。一、Windows下编译好caffe这里不具体叙述编译过程，网上的教

转载 windows10+cuda8.0+cudnn5.1+vs2013下编译caffe

====2017/10/31更新============ 再附加一篇写得好的。最后一定要右键解决方案生成啊 http://blog.csdn.net/zb1165048017/article/details/52767478==============================2017/10/24更新============ 参考此篇连接 http://blog.csdn.net/auto1

转载 全面的算法和数据结构知识（含代码实现）

本文由 伯乐在线 - 心灵是一棵开花的树 翻译，黄利民 校稿。英文出处：Kevin Naughton。欢迎加入翻译组。目录在线练习在线编程面试数据结构算法贪心算法位运算复杂度分析视频教程面试宝典计算机科学资讯文件结构在线练习LeetCodeVirtual JudgeCareerCupHackerRankCodeFightsKattisHackerEarthCodilityCode ForcesCo

转载 win10+cuda8.0+cudnn+Tensorflow（GPU）安装

传说中的Tensorflow终于支持windows了,下面介绍一下Win10下Tensorflow的安装与使用准备工作：1.python3.5(64位）目前Tensorflow只支持64位python3.5以上版本下载链接：https://www.python.org/ftp/python/3.5.3/python-3.5.3rc1-amd64.exe2.安装numpypython3.5以上自带p

转载 【caffe-Windows】win caffe之 matlab接口配置

前言按照微软的官方地址配置可能会出现一个问题caffe_.mexw64找不到引用模块问题，或者在matlab里面压根找不到caffe_这个函数，下面会提到这两个问题。还是按照步骤来吧【PS1】有GPU同样按照下述步骤，进行即可【PS2】文章在matlab2013a、matlab2014a、matlab2015b、matlab2016a中配置成功，但是在高版本或者更低版本情况下可能会出现问题matl

转载 梳理caffe代码math_functions

先从caffe中使用的函数入手看看：[cpp] view plain copy#include   #include     #include     #include "caffe/common.hpp"  #include "caffe/util/math_functions.hpp"  #include "caffe/util/rng.hpp"    namespace caffe {  /

转载 Caffe源码：math_functions 分析

目录目录主要函数caffe_cpu_gemm 函数caffe_cpu_gemv 函数caffe_axpy 函数caffe_set 函数caffe_add_scalar 函数caffe_copy 函数caffe_scal 函数caffeine_cup_axpby 函数caffe_add caffe_sub caffe_mul caffe_div 函数caffe_powx caffe_sqr caff

转载 CNN卷积神经网络

CNN是一种多层神经网络，基于人工神经网络，在人工神经网络前，用滤波器进行特征抽取，使用卷积核作为特征抽取器，自动训练特征抽取器，就是说卷积核以及阈值参数这些都需要由网络去学习。图像可以直接作为网络的输入，避免了传统识别算法中复杂的特征提取和数据重建过程。一般卷积神经网络的结构：前面feature extraction部分体现了CNN的特点，feature extraction部分最后的输出可以作

转载 VQA 之 Multimodal Compact Bilinear Pooling

涉及论文 [1]Multimodal Compact Bilinear Pooling for Visual Question Answering and Visual Grounding https://www.arxiv.org/pdf/1606.01847.pdf [2]Compact Bilinear Pooling https://arxiv.org/pdf/1511.06062.pdf

转载 caffe代码阅读5：Layer的实现细节

一、Layer的作用简介Layer实际上定义了Layer的基本操作，即初始化层、前向传播和反向传播。在前向传播中根据bottom blob得到top blob，反向传播则根据top反传到bottom。而且在前传的时候还可以计算loss，一般来说只有最后一层才会计算loss，虽然每个层都有计算loss的功能。Layer类在没有实现GPU前传和反传的时候会自动使用CPU的实现。下面给出Layer类的具

转载 形象的解释神经网络激活函数的作用

查阅资料和学习，大家对神经网络中激活函数的作用主要集中下面这个观点：激活函数是用来加入非线性因素的，解决线性模型所不能解决的问题。下面我分别从这个方面通过例子给出自己的理解~@lee philip@颜沁睿俩位的回答已经非常好了，我举的例子也是来源于他们，在这里加入了自己的思考，更加详细的说了一下~开讲~首先我们有这个需求，就是二分类问题，如我要将下面的三角形和圆形点进行正确的分类，如下图：利用我们

转载 卷积和卷积神经网络

继续科普系列，用例子说明为何我们需要卷积神经网络，以及卷积在神经网络中的作用。目前网上的卷积网络科普大多是翻译的，内容大同小异。本文会更偏重于实际例子。如果觉得本文有帮助，请记得点个赞噢。如需转载本文，请与本人联系，谢谢。1. 找橘猫：最简单的办法今天我们的任务是找出图中有没有橘猫：怎样用最简单(笨)的方法完成这个任务？那肯定是看图中的橘色占多少面积，比如说超过10%就认为有橘猫：但怎么告诉电脑？

转载 从AlexNet到ResNet，从里程碑到里程碑

本文主要介绍一下AlexNet、VGG、GoogLeNet以及ResNet这几个经典模型。顺便附上部分PyTorch实现。网上的各种介绍很多，我也就不再重复说了。这篇文章主要是说说自己的感想。今天看AlexNet其实已经颇为平淡了，毕竟这几年在网络工程上已经有了很大的进步，AlexNet的很多设计也不再被使用，例如LRN就被BN代替。不过当年AlexNet在两个GPU上跑的设计，倒是影响了后面出现

转载 Global average Pooling

最近在看关于cifar10 的分类的识别的文章在看all convolution network 中看到中用到一个global average pooling 下面就介绍一下global average pooling 这个概念出自于 network in network 主要是用来解决全连接的问题，其主要是是将最后一层的特征图进行整张图的一个均值池化，形成一个特征点，将这些特征点组成最后的特征向

转载 Learning Deep Features for Discriminative Localization 笔记2

作者：Dr.Frankenstein链接：https://www.zhihu.com/question/67987641/answer/258570104来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。不知道用文科生的视角解读是不是意味着不能再中英混杂装逼了……anyway。本文的动机如下：曾经有人提出过一个方法叫做global average pooling（GAP

转载 论文阅读-《Learning Deep Features for Discriminative Localization》

转自：http://blog.csdn.net/yaoqi_isee/article/details/62214648收录于CVPR2016关于全连接层不能保持spatial information的理解 相比全连接层，卷积层是一个spatial-operation，能够保持物体的空间信息(translation-variant)。比如一个物体原来在左上角，卷积之后的结果feature-map在左

原创 Neural Style

https://www.instapainting.com/assets

转载 Visualizing and understandingConvolutional Networks笔记4

之前，我知道可以可视化CNN，也只是知道有这么一回事情。至于它是“怎么做的、其原理是什么、给我们的指导意义是什么”，也不清楚。说白了，就是我知道有“CNN可视化”，仅仅停留在“知道”层面！但当自己需要运用、理解其他CNN可视化技术时，才晓得将这篇paper精读一下。 Background1）在很多分类任务中（如手写字符识别、人脸识别，以及极具挑战性的Imagenet Classification）

转载 Visualizing and understandingConvolutional Networks笔记3

本文是Matthew D.Zeiler 和Rob Fergus于（纽约大学）13年撰写的论文，主要通过Deconvnet（反卷积）来可视化卷积网络，来理解卷积网络，并调整卷积网络；本文通过Deconvnet技术，可视化Alex-net，并指出了Alex-net的一些不足，最后修改网络结构，使得分类结果提升。摘要：CNN已经获得很好的结果，但是并没有明确的理解为什么CNN会表现的这么好，或者CNN应

转载 Visualizing and Understanding Convolutional Networks笔记2

Contents反卷积结构选取遮挡敏感性图片内特征相关性分析实验本文为20141024周报。在所有深度网络中，卷积神经网和图像处理最为密切相关，卷积网络在很多图片分类竞赛中都取得了很好的效果，但卷积网调参过程很不直观，很多时候都是碰运气。为此，卷积网络发明者Yann LeCun的得意门生Matthew Zeiler在2013年专门写了一篇论文，阐述了如何用反卷积网络可视化整个卷积网络，并进行分析和

转载 深度学习中的卷积与反卷积

卷积与反卷积操作在图像分类、图像分割、图像生成、边缘检测等领域都有很重要的作用。为了讲明白这两种操作，特别是反卷积操作，本文将依照神经网络中的编码器——>解码器——>卷积——>反卷积 的思路来一步步介绍。编码器与解码器神经网络本质上就是一个线性变换，通过将输入的多维向量与权重矩阵相乘，得到一个新的多维向量。当输入向量的维度高于输出向量的维度时，神经网络就相当于一个编码器，实现了对高维向量的低维特征

转载 反卷积

反卷积（Deconvolution）的概念第一次出现是Zeiler在2010年发表的论文Deconvolutional networks中，但是并没有指定反卷积这个名字，反卷积这个术语正式的使用是在其之后的工作中(Adaptive deconvolutional networks for mid and high level feature learning)。随着反卷积在神经网络可视化上的成功应

转载 Visualizing and Understanding Convolutional Networks笔记1

先贴一些不错的笔记http://www.gageet.com/2014/10235.phphttp://blog.csdn.net/whiteinblue/article/details/43312059视频：http://videolectures.net/eccv2014_zeiler_convolutional_networks/https://www.cnblogs.com/everyda

原创 ipynb--->py

转载 Deep Inside Convolutional Networks: Visualising Image Classification Models and Saliency Maps 中文翻译

PDF版本下载：http://download.csdn.net/detail/zcy0xy/9739878Deep Inside Convolutional Networks: Visualising Image Classification Models and Saliency Maps摘要本文提出了图像分类的可视化模型，这一模型使用了深度卷积网络（Convnet）。基于分别计算分类得分的梯

转载 NVIDIA DIGITS 安装

NVIDIA DIGITS-2.0 + Ubuntu 14.04 + CUDA 7.0 + cuDNN 7.0 + Caffe 0.13.0环境配置引言DIGITS简介DIGITS特性资源信息说明DIGITS安装软硬件环境硬件环境软件环境操作系统安装DIGITS安装前准备安装CUDA70deb方式显卡切换安装cuDNN70安装Caffe-0130安装DIGITS启动DIGITS配置DIGITS使用

原创 hdmi口不接显示器，teamviewer连接黑屏

问题如题，实验室要主持会议，显示器被暂时充公。。我是teamviewer的重度用户，再次用的时候，发现直接黑屏解决方案如下： intel HD显卡的话卸载掉intel HD的驱动