自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(41)
  • 收藏
  • 关注

原创 Install and test nginx on Ubuntu 14.04

安装环境: Ubuntu14.04 64bits X64架构1 安装nginx1.1 Installationsudo apt-get install nginx/etc/init.d/nginx startCheckhtop (按Fn4,用nginx过滤一下)In the output of the command, look for “nginx master process” and “

2016-05-31 21:58:22 605

原创 Ubuntu 14.04 安装node js

如果用apt-get来安装,nodejs的版本很低0.10.37。 使用Ubuntu推荐的安装方式: https://nodejs.org/en/download/package-manager/#debian-and-ubuntu-based-linux-distributions1 安装Nodejs 4.x版本. (curl前面是否加sudo和系统用户的配置有关,如果不加也能运行,就不用加s

2016-03-18 06:56:57 1890

原创 Kaggle情感分析(Bag of Words Meets Bags of Popcorn)

Kaggle上有两个情感分析的任务,这是其中的一个Bag of Words Meets Bags of Popcorn。任务虽然已经结束了,但是还有点研究的意义。 https://www.kaggle.com/c/word2vec-nlp-tutorial/data 这是一个炫耀Word2vec能力的竞赛,但是偏偏有人就是不用word2vec。 这个Blog写了用简单的TDF 作为Featu

2016-01-08 14:29:16 8760 3

原创 facial keypoints CNN

自己按照Kaggle的tutorial跑一下facial keypoints,也可以为人脸检测积累更多的数据。参考Daniel的BlogCNN是图像分类的重要工具,如果不明白CNN,可以参见stanford的演示。1 环境准备1 Python环境CUDA toolkit, Python 2.7.x, numpy, pandas, 数据处理matplotlib,scikit-learn,t

2015-10-28 08:30:54 3434 1

原创 yunwen_english_missing_point

collect all the missing point in english for yunwen. don’t make the same mistake twice or even endlessly.

2015-10-18 20:38:17 627

原创 拷贝PDF中文字出现英文乱码的问题

最近用TexIDE写了一个PDF文章,生成的PDF拷贝文字的时候,英文出现乱码。这个很奇怪,因为以前经常碰到的是中文乱码,英文乱码从来没有碰到。搜索了一下有两种解决方法:换编译器换成xelatex就没有问题。另外如果用dvipdfmx来编辑dvi,就不会乱码了。但是直接用winedt的pdftexify编译,还是是会有问题。由于我是使用TexIDE环境,用xelatex编译不成功,而且TexID

2015-10-10 19:35:28 6739

原创 安装scikits.audiolab

在Ubuntu上安装scikits.audiolab,用于一些音频文件的处理。参见官方文档的安装:http://cournape.github.io/audiolab/installing.html。 碰到问题,找不到sndfile相关的库:Directories to search for the libraries can be specified in the site.cfg file,

2015-09-27 18:56:18 2901

原创 更换Windows 远程桌面端口

Windows远程桌面端口默认是3389。如果需要改端口:检查远程桌面端口,步骤:打开“开始→运行”,输入“regedit”,打开注册表,进入以下路径:[HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Control\Terminal Server\Wds\rdpwd\Tds\tcp],看见PortNamber值了吗?其默认值是3389。改成你自己想要的端口,

2015-09-08 09:33:37 978

原创 mezzanine timezone 的问题

Mezzanine运行了一段时间,添加一个Blog的时候出来如下错误:Database returned an invalid value in QuerySet.dates(). Are time zone definitions and pytz installed?这个错误和Django的时区处理有关系。1 安装pytz按照提示,最直接的解决方法应该是安装:pip freeze | grep

2015-09-03 15:33:41 789

原创 Mezzanine Markdown的问题

Mezzanine的扩展pagedown支持在Mezzanine中使用Markdown来编辑Page和blog。但是安装了pagedown之后,markdown的preview总是有问题。由于web开发基本没有做过,本文是一个流水账,记录如何解决这个问题。当然会非常杂,也有不少弯路。1 Find the problem1 从RICHTEXT_WIDGET_CLASS入手由于把richtext的Edi

2015-08-27 10:37:10 1410

原创 如何使用Mezzanine

Mezzanine是著名的开源、基于Django的CMS系统 (content management system)。其实任何一个网站都可以看作是一个特定的内容管理系统,只不过每个网站发布和管理的具体内容不一样。携程发布的是航班、酒店和用户的订单信息,淘宝发布的商品和用户的订单信息。所以大量的网站都说基于Mezzanine来构造的。1 安装Mezzanine安装虚拟环境virtual Env推荐使用

2015-08-22 18:01:28 10690 1

原创 Ubuntu14.04安装远程桌面服务端

安装x11vnc总是得到黑屏幕,一直无法解决。所以试试远程桌面RDP连接。1 Install the VNC Remote Desktop Server softwaresudo apt-get install xrdp 2 安装Xfce4。Xfce4是类似gnome的窗口管理器。为什么不用Gnome和ubuntu-2d哪?因为xrdp现在还无法和这两种桌面管理器一起工作。sudo apt-get

2015-08-21 08:01:41 3200

原创 使用pandoc,转换Markdown为PDF

Using_pandoc用了Markdown以后,根本就不喜欢用Word来写东西了。Word不仅臃肿,还经常有很多莫名其妙的排版问题,编号问题,至今都完全没有搞懂过。但是给别人看的文档又不得不使用PDF或者Word格式。pandoc据说是格式转换的神器,如果能将markdown转换为PDF和Word,那是造福人类的喜事。我的环境是Ubuntu14.04. 64位。Install Pandoc使用d

2015-07-20 19:58:14 1988

原创 安装TexLive,支持中文

Pandoc可以将Markdown转换为PDF,转换过程还是需要Tex. 所以先需要把Tex系统装好。Pandoc推荐的是TeXLive。我的环境是Ubuntu 14.04,64位。TexLive版本是2015版。1 准备工作删除以前的版本,并安装Per::tk(以便TexLive可以图形界面下安装)。sudo apt-get purge tex-commonsudo apt-get instal

2015-07-20 19:42:38 14346

原创 深度卷积神经网络的行人检测 (pedestrian detection)

行人检测 (pedestrian detection)是智能交通视频分析的基础技术之一。1 现有的方法基于HOG方法基于DPM基于卷积神经网络基于HOG方法已经研究了很多年,有一些现成的代码实现,速度看起来也是比较快的,可以做到500帧每秒的检测速度(640*480,GTX295)。基于DPM的方法其实也是基于HOG的,只不过为行人的图像构建可以变形的模型,这样在检测行人的时候更为鲁棒。基于

2015-07-08 09:11:25 17299 4

原创 测试Theano_LSTM的Tutorial例子

“A Nonsensical Language Model using Theano LSTM”和 “不可思议的递归神经网络”所实现的例子非常相似。这个NBNotebook其实也是Github上的项目Theano_LSTM中的说明文件。先测试一下上面列出的例子是否能够运行。1 启动ipython的nbviewernbviewer是很炫的功能,但是以前很少用到。我比较喜欢黑色的commandline。

2015-06-28 11:16:22 4766

原创 Window7 (64位) 上安装Theano 0.7的快捷方法

Theano 0.63有个Windows的安装包,比较好用。但是0.7版本就没有了。Deeplearning网站的Theano安装方法看起来很麻烦。参考了网上的一些安装方法,实验了一下在Windows7 (64)位上安装。下面这个安装步骤相对简单一点,特记录一下,以备后用。系统环境:Windows 7 (64位)1 安装AnacondaAnaconda包含了Theano所需的各种Python库,使用

2015-06-27 22:22:37 1874

翻译 RNN的历史(from Deep Learning RNNaissance with Dr. Juergen Schmidhuber)

看一个视频,Deep Learning RNNaissance。最早开始Deep Learning的是这位同志:现在的乌克兰,以前的苏联人。 最早发明Back Propagation的: 然后是LSTM

2015-06-23 08:10:24 4125

原创 不可思议的递归神经网络

看了Andrej Karpathy写的文章“The Unreasonable Effectiveness of Recurrent Neural Networks”。用RNN来学习某些作者的文章,然后用学习好的哦RNN网络来Generate句子,最后出来的结果看起来还挺有道理。再想想Theano tutorial中提供的elman RNN实现(在句子层次将Word Embedding和Classi

2015-06-22 09:29:38 2758

原创 用Theano来实现MLP

Theano是深度学习的利器。虽然现在有很多基于Theano的Python包,简化了构造深度神经网络的过程,如Lasagne,blocks等。但是使用了Lasagne之后,觉得还是不够灵活。直接使用Theano才是研究者应该有的态度。从Theano给出的基本Logistic Regression和MLP的例子出发,一步一步地实现adaptive Learning rate, RMPprop, dro

2015-06-21 17:16:19 2152

原创 理解Theano的Scan函数

1 Scan是干什么的函数scan是Theano中迭代的一般形式,所以可以用于类似循环(looping)的场景。 如果你熟悉Reduction和map两个函数,这两个都是scan的特殊形式,即将某函数依次作用一个序列的每个元素上。 函数scan的输入也是一些序列(一维数组,或者多维数组,以第一维为leading dimension),将某个函数作用于输入序列上,得到每一步输出的结果。 和Red

2015-06-21 11:53:42 4057

原创 解决Theano的Windows Installer安装失败问题

目前的Theano最新版本是0.70, Theano提供的Windows Installer只支持0.63的版本。今日不知干了什么,theano没法正常工作了(可能是pip install theano更新),想通过Theano的Windows Installer来重装,但是总是不成功。想用Theano的Windows Installer来卸载也不行。错误一闪而过,看不清楚。Windows Inst

2015-06-17 07:47:09 1715

原创 面部特征点检测 facial keypoints tutorial

按照Daniel Nouri的Tutorial(2014年12月写的)实验一下,目的是: 1. 玩一下面部特征的定位 2. 再熟悉一下Lasagne的使用。1 准备数据集在Kaggle上注册,然后下载facial keypoints tutorial的数据集,包括如下文件。并将文件放入$home/data/kaggle-facial-keypoint-detection目录中。IdLookupT

2015-06-13 13:04:49 3310 1

原创 about FigureJ

FigureJ是Jerome Mutterer (CNRS) and Edda Zinck (HTW)开发的ImageJ (Fuji)的Plugin。昨天杨老师给我演示了用FigureJ来进行图像的布局,感觉功能强大,印象深刻,但是有些地方不能满足我们的要求。研究一下应该如何修改提高。FigureJ介绍Fuji和Wiki都有FigureJ的介绍,在医疗图像处理方面应该是比较有知名度的。HomePag

2015-06-11 15:11:02 787

原创 用Lasagne来实现MLP,测试mnist

虽然Lasagne自带的examples中带有MNIST的例子,但是这个例子的风格更接近用Theano来写。使用nolearn.lasagne中的NeuralNet类来写MLP似乎更符合Lasagne的设计初衷,也更像Caffe的风格。code没有比代码更清楚地了:# Using lasagne to fit mnist.# show how to use NeuralNet# Tarrega,

2015-06-11 12:35:15 1965

原创 安装测试Lasagne

Lasagne(n.烤宽面条),大概是一种美食,是不是就是我们的炒面或者是焗面条。我感觉Lasagne是对Theano的一种封装。Theano的Symbolic Math非常漂亮,但是可能比较难理解。Lasagne将Theano的封装了一下,构造DNN的时候,用Lasagne 就基本够用了,Lasagne的接口就比较容易理解一点。当然,如果你有自己的其他想法,还是需要用Theano来自己实现(甚至

2015-06-11 07:58:32 8660

原创 运行sklearn-theano的一个例子:benchmark (卷积的各种参数设置)

benchmark中的这个例子计算了各层Transform所需的时间,以及各层的输出。运行并分析一下有助于理解各层网络的结构。How to runpython plot_overfeat_benchmark.py 运行的结果是: (其实整个网络只有12层(0-11)。) 分析分析一下程序运行的输出,测试使用了5张图片,所以ouput.shape第一个维度总是5。图像库asirra中有两类:cat

2015-06-03 17:17:17 2052

原创 使用sklearn-theano来做object detection目标检测 (OverFeat)

目前目标检测比较好的两种方法是Fast-RCNN和OverFeat。我更喜欢OverFeat,因为OverFeat完全使用CovNet来做Classification,Localization和detection,比Pip Line的方法好多了,简洁并且减少经验性的东西。最终也方便做到end-end的Training。尝试一下如何使用OverFeat。OverFeat的代码包是sklearn-the

2015-05-28 10:03:17 4273

原创 Image Roi Proposal , Object Proposals( 翻译成什么好 )

Image Roi Proposal , Object Proposals( 翻译成什么好 )标签(空格分隔): vision物体检测的套路还是需要先得到一些Roi,然后判断这些Roi中是什么物体。 为了防止有漏网之鱼,所以,一般在一幅图中会有上千个Roi。Object Proposals有影响力的算法当然是Selective Search。但是这个领域进步很快, 从GoP的测试来看,目前Rec

2015-05-25 18:38:39 4442

原创 Fast-R-CNN_VOC_example

用FR-CNN来运行一个图片中目标检测的例子安装了FR-CNN以后,运行demo.py没有问题了。 找一个图片来自己测试一下。当然现在还只能使用VOC2007(VOC2012)的图片,因为只有这两个数据集,作者提供了预先计算好的Roi。准备数据从VOC2007中找一个图片。从~/fast-rcnn/VOCdevkit/VOC2007/JPEGImages中选择一张图片,拷贝到 ~/fast-r

2015-05-25 18:38:08 3397 2

原创 运行Fast R-CNN的代码

运行Fast R-CNN的代码标签(空格分隔): vision FR-CNN是Ross Girshick的新作,从文章来看FR-CNN比R-CNN和SPPNet都快很多。当然R-CNN和SPPNet也都是Girshick的作品,FR-CNN的正确率不仅超越Girshick自己的嫡出,也超过了DPM等其他方法。 FR-CNN正如文章所说的是一个简单,并且Elegant的框架。和那些Pipeline的

2015-05-25 18:37:42 16024 5

原创 Delve into Fast R-CNN Code. 能够运行Demo,然后看一下代码结构

Delve into Fast R-CNN Code. 能够运行Demo,然后看一下代码结构标签(空格分隔): vision_init_paths.pydemo.py首先import了这个模块,主要就是把路径设置好。# Add caffe to PYTHONPATHcaffe_path = osp.join(this_dir, '..', 'caffe-fast-rcnn', 'python')

2015-05-25 18:37:24 2349

原创 继续玩 Fast R-CNN

继续玩 Fast R-CNN标签(空格分隔):vision Beyond the demo: installation for training and testing modelsDownload the training, validation, test data and VOCdevkitwget http://pascallin.ecs.soton.ac.uk/challenges/VO

2015-05-25 18:36:43 10876 3

原创 Real VNC can't Connect 连不上

Real VNC can’t Connect 连不上标签(空格分隔): linuxUbuntu 14.04 Linux的SSH已经很好用了,但是由于一些图形取钱,经常需要看到Linux的桌面。所以装了VNC,客户端是Real VNC viewer,服务端是x11vnc。有时忘了关机器,Real VNC viewer就一直连不上,症状就是下面的,黑屏(其实是灰的):重启机器就好了。但是有时做计算的时

2015-05-25 18:36:38 1715

原创 Installing Boost on Ubuntu 安装

Installing Boost on Ubuntu 安装标签(空格分隔): linuxBoost是非常简洁,强大的C++标准库。安装 libboost-all-dev and aptitudesudo apt-get install libboost-all-devsudo apt-get install aptitudeaptitude search boost应该能得到类似: p l

2015-05-25 18:35:58 825

原创 测试Caffe,Training LeNet on MNIST with Caffe

测试Caffe,Training LeNet on MNIST with Caffe标签(空格分隔): vision安装Caffe以后,测试一下。当然最好是用一个大家都在用的例子测试一下。 本文参考Caffe自己的说明。准备数据集Prepare DatasetsCaffe自带一些脚本从网上下载一些标准的库,如mnist。假设CAFFE_ROOT是安装CAFFE的根目录(对我来说就是解压caffe_

2015-05-25 18:32:21 1960

原创 安装 Caffe , Berkely的深度学习框架

安装 Caffe , Berkely的深度学习框架标签(空格分隔): vision deepLearningCaffe是Berkeley的一个深度学习框架,方便构造深度学习网络,并在GPU上运行。 安装过程按照Caffe的主页上的描述:http://caffe.berkeleyvision.org/install_apt.html基本系统信息 Basic system information使用U

2015-05-25 18:30:55 698

原创 Image Roi Proposal , Object Proposals( 翻译成什么好 )

Image Roi Proposal , Object Proposals( 翻译成什么好 )标签(空格分隔): vision物体检测的套路还是需要先得到一些Roi,然后判断这些Roi中是什么物体。 为了防止有漏网之鱼,所以,一般在一幅图中会有上千个Roi。Object Proposals有影响力的算法当然是Selective Search。但是这个领域进步很快, 从GoP的测试来看,目前Rec

2015-05-25 15:47:46 3164 1

原创 安装 Caffe , Berkely的深度学习框架

安装 Caffe , Berkely的深度学习框架标签(空格分隔): vision deepLearningCaffe是Berkeley的一个深度学习框架,方便构造深度学习网络,并在GPU上运行。 安装过程按照Caffe的主页上的描述:http://caffe.berkeleyvision.org/install_apt.html基本系统信息 Basic system information使用U

2015-05-25 07:14:11 751

转载 欢迎使用CSDN-markdown编辑器

欢迎使用Markdown编辑器写博客(20150525)保存一份作为参考本Markdown编辑器使用StackEdit修改而来,用它写博客,将会带来全新的体验哦:Markdown和扩展Markdown简洁的语法代码块高亮图片链接和图片上传LaTex数学公式UML序列图和流程图离线写博客导入导出Markdown文件丰富的快捷键快捷键加粗 Ctrl + B 斜体 Ctr

2015-05-25 06:57:14 427

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除