2016年02月_iamzhangzhuping

原创抽空了解一下opencv的文件系统结构

抽空了解一下opencv的文件系统结构。先上图，这是opencv 源码解压后的截图。然后是编译后的文件系统截图~/opencv-3.0.0-rc1 对比可知，opencv工程经编译后，主要的变化是得到了一个build文件夹。然后是~/opencv-3.0.0-rc1/build文件夹截图而build文件下，主要的也是一个lib文件夹，里面是各种编译好的库，主要是共享库。~/openc

2016-02-29 20:01:14 714

转载 Eclipse-CDT

这是本人的一篇 Eclipse-CDT 安装、配置过程教程，记录了一些通用的 CDT 配置设置，以及一些 CDT 的使用技巧。转自Eclipse-CDT 安装、配置过程教程，记录了一些通用的 CDT 配置设置，以及一些 CDT 的使用技巧目录安装 Eclipse-CDT 常用的 Eclipse 扩展 Eclipse 的 Workspace 配置 Workspace 的一般配置颜色与字体

2016-02-29 16:29:21 1443

原创 cmake 与 make

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。作者：玟清链接：https://www.zhihu.com/question/27455963/answer/36722992 来源：知乎make 是用来执行Makefile的。Makefile是类unix环境下(比如Linux)的类似于批处理的”脚本”文件。其基本语法是: 目标+依赖+命令，只有在目标文件不存在，

2016-02-29 16:25:28 859

原创 Caffe softmax_loss_layer.cpp 学习

目录目录LayerSetUpReshapeget_normalizerForward_cpuBackward_cpuLayerSetUptemplate <typename Dtype>void SoftmaxWithLossLayer<Dtype>::LayerSetUp( const vector<Blob<Dtype>*>& bottom, const vector<Blo

2016-02-28 22:26:41 7872

原创 Caffe softmax_layer.cpp学习

目录目录首先需要注意的Forward_cpu函数backward_cpu函数backward_cpu函数实现说明首先需要注意的：整个网络的参数的 gradient 的计算方法是从顶层出发向后，在层的时候，会拿到从得到的也就是，然后需要做两个计算：首先是自己层内的参数的 gradient，比如如果是一个普通的全连通内积层，则会有参数和 bias 参数，根据刚才的 Chain

2016-02-28 16:08:20 1346

原创 Softmax vs. Softmax-Loss: Numerical Stability

参考博文《Softmax vs. Softmax-Loss: Numerical Stability》 Softmax vs. Softmax-Loss: Numerical Stability其中有关键的几段话：整个网络的参数的 gradient 的计算方法是从顶层出发向后，在层的时候，会拿到从得到的也就是，然后需要做两个计算：首先是自己层内的参数的 gradient，比如如果是

2016-02-28 11:15:33 805

原创 "cblas_ddot"未定义的引用

#include <iostream>#include <math.h>extern "C" {#include <cblas.h>}using namespace std;int main(int argc, char const *argv[]){ double a[6] ={2.,1.,1.5,1.,1.,1.}; double b[6] ={2.,3.,2.,3.,

2016-02-27 19:44:40 3311

原创将数组中等于n的元素移到数组的最前面，尽量减少数组元素的移动次数和额外存储

目录目录题目主函数mainsort函数题目将数组中等于n的元素移到数组的最前面，尽量减少数组元素的移动次数和额外存储，比如数组为[2,4,5,2,5,8,11,44,29,16,2],n=2, 则输出数组[2,2,2,4,5,5,8,11,44,29,16],其中4,5,5,8,11,44,29,16的顺序不指定，不必维持在原数组中的顺序。主函数mainint main(int argc

2016-02-26 11:25:36 1064

原创给定整数n(0<n<10)，求全排列。比如n=3, 输出123 132 213 231 312 321

目录目录思想主函数mainPermuint nnext_permuvector num n思想假设给定6，那么输出的顺序应该是： 123546，123564，123645 ，123654，124356 …..654321主函数mainint main(int argc, char const *argv[]){ cout << "Input an number..." << e

2016-02-26 09:30:54 1508

原创 Caffe Relu_layer.cpp 学习

目录目录Forward_cpuBackward_cpu数学公式Forward_cpu() 前向传播函数：template <typename Dtype>void ReLULayer<Dtype>::Forward_cpu(const vector<Blob<Dtype>*>& bottom, const vector<Blob<Dtype>*>& top) { const

2016-02-24 20:21:45 1125

原创 caffe Poolinglayer.cpp学习

#####################In vision_layer.hpp##########################数据成员： int kernel_h_, kernel_w_; int stride_h_, stride_w_; int pad_h_, pad_w_; int channels_; int height_, width_; int po

2016-02-24 14:54:12 696

原创 static_cast强制转型疑问

C++Primer中：任何具有明确定义的类型转换，只要不包含底层const，都可以使用static_cast。ps:顶层const表示指针本身是个常量；底层const表示所指对象是个常量。例：const char *m; // 底层conststring t=static_cast(m);为什么这样的操作合法，而且t是可写的，static_cast难道也去除了const属性？

2016-02-24 13:43:34 838

转载正确使用#include和前置声明(forward declaration)

http://blog.csdn.net/spritelw/article/details/965702差不多一年时间没用过C++写过程序了,由于工作的需要,我又回到了C++的阵形。在工作的过程中遇到了很多麻烦，当我往工程里加一个类，而且那个类又与工程里的类相关，如有那个类型的成员变量。情况如下//////A.h///////////class A{..

2016-02-24 09:42:16 504

原创 caffe base_conv_layers.cpp 学习

##################### In vision_layers.hpp #######################%%%%%%%%%%%%%%%%%%%%%class BaseConvolutionLayer%%%%%%%%%%%%%%%%%%%%%%protected数据成员：/// @brief The spatial dimensions of a filter k

2016-02-23 20:19:10 2165

原创 C++ vector.data()

T* data() noexceptconst T* data() const noexcept返回指向vector中第一个数据的指针或空vector之后的位置vector_data.cpp#include #include #include using namespace std; int main(){

2016-02-22 19:28:43 15247 1

转载 ROC曲线和PR(Precision-Recall)曲线的联系

http://www.chmod764sean.com/computer-tec/data-mining-machine-learning/501.html在机器学习中，ROC（Receiver Operator Characteristic）曲线被广泛应用于二分类问题中来评估分类器的可信度，但是当处理一些高度不均衡的数据集时，PR曲线能表现出更多的信息，发现更多的问题。1.R

2016-02-22 13:22:02 4286

原创 Caffe Innerproduct.cpp学习

==================================common_layers.hpp=========================================template class InnerProductLayer : public Layer { public: explicit InnerProductLayer(const LayerParame

2016-02-21 21:34:56 1126 2

转载 cblas_sgemm cblas_sgemv

矩阵与矩阵的乘法，分为双精度的cblas_dgemm和单精度的cblas_sgemm，两个函数的参数意义一样，只是类型不一样运算式：C=alpha*A*B+beta*C 一般取alpha=1.0，beta=0.0 即计算式：C=A*Bcblas_sgemm(CblasRowMajor, CblasNoTrans,CblasNoTrans,M,N,K,alpha,A,A的列数

2016-02-21 20:25:03 9727

转载 CBLAS的安装与使用

CBLAS是BLAS的C语言接口。BLAS的全称是Basic Linear Algebra Subprograms，中文大概可以叫做基础线性代数子程序。主要是用于向量和矩阵计算的高性能数学库。本身BLAS是用Fortran写的，为了方便C/C++程序的使用，就有了BLAS的C接口库CBLAS。BLAS的主页是http://www.netlib.org/blas/，CBLAS的下载地址也可以在这

2016-02-21 10:21:19 2618

CNV_2305