2016年08月_vbskj

转载如果利用1台机器，启动多个hadoop节点

【编者的话】Docker最核心的特性之一，就是能够将任何应用包括Hadoop打包到Docker镜像中。这篇教程介绍了利用Docker在单机上快速搭建多节点Hadoop集群的详细步骤。作者在发现目前的Hadoop on Docker项目所存在的问题之后，开发了接近最小化的Hadoop镜像，并且支持快速搭建任意节点数的Hadoop集群。项目已经更新!!!请查看基于Docker搭建H

2016-08-24 09:47:43 4960

转载太有用的图像处理的代码仓库

、特征提取Feature Extraction：· SIFT [1] [Demo program][SIFT Library] [VLFeat]· PCA-SIFT [2] [Project]· Affine-SIFT [3] [Project]· SURF [4] [OpenSURF] [Ma

2016-08-23 16:15:53 3986 2

转载白话隐马尔科夫模型

什么是熵(Entropy)简单来说，熵是表示物质系统状态的一种度量，用它老表征系统的无序程度。熵越大，系统越无序，意味着系统结构和运动的不确定和无规则；反之，，熵越小，系统越有序，意味着具有确定和有规则的运动状态。熵的中文意思是热量被温度除的商。负熵是物质系统有序化，组织化，复杂化状态的一种度量。熵最早来原于物理学. 德国物理学家鲁道夫·克劳修斯首次提出熵的概念，用来表示任何一种能

2016-08-23 09:59:09 778

转载计算机视觉与图形图像会议、学派的一点八卦和资料

computer vision(cv) 存在ICCV/CVPR/ECCV三个顶级会议, 它们档次差不多,都应该在一流会议行列, 没有必要给个高下. 有些us的人认为ICCV/CVPR略好于ECCV,而欧洲人大都认为ICCV/ECCV略好于CVPR, 某些英国的人甚至认为BMVC好于CVPR.简言之, 三个会议差不多, 各有侧重和偏好.三者乃cv领域的旗舰和风向标,其oral paper (

2016-08-21 11:27:14 1709

原创查看GPU实时工作状态的命令

直接输入命令：nvidia-smi具体如下所示：重要的参数主要是温度、内存使用、GPU占有率，具体如下红框所示。

2016-08-12 18:35:40 52638

转载 15个免费的卫星数据

如果你在苦苦寻找卫星数据源，那么打开这篇文章的你算是来对了。如果你在寻找卫星数据源，同时还不想花钱，那么你更来对了。从农业到环保到气象，遥感数据的应用领域不断纵深。当然，这个看似遥远的概念其实就在我们身边，下面这15个全球免费数据源平台或许能帮到你，小编对它们的卫星群和数据情况分别做了总结，读了下面的内容，你不妨也去尝试一下，亲自下载一张地球母亲的照片。 1. USGS Earth Exp

2016-08-09 10:05:17 16071 4

转载（论文+代码）R-FCN：基于区域的全卷积神经网络进行物体检测

何恺明课题组目标检测最近工作《R-FCN: Object Detection via Region-based Fully Convolutional Networks》：We present region-based, fully convolutional networks for accurate and efficient object detection. In contrast

2016-08-09 10:02:05 4326

原创 ubuntu14.04 配置VNC服务，亲测可用

1.更新系统 apt-get update -y apt-get upgrade -y 2. 安装gnome环境相关，sudo apt-get install ubuntu-desktop gnome-panel gnome-settings-daemon metacity nautilus gnome-terminal3. 安装vncserver, s

2016-08-05 15:41:17 12598

转载运行caffe自带的两个例子

注意！！！：由于编译、运行脚本写的都是相对于caffe的安装根目录，所以所有指令在caffe根目录下执行！！为了程序的简洁，在caffe中是不带练习数据的，因此需要自己去下载。但在caffe根目录下的data文件夹里，作者已经为我们编写好了下载数据的脚本文件，我们只需要联网，运行这些脚本文件就行了。注意：在caffe中运行所有程序，都必须在根目录下进行，否则会出错

2016-08-04 18:20:15 1772

原创 caffe编译的问题解决：“cublas_v2.h: No such file or directory”

主要问题还是没有把cuda的头文件、库的路径放置到caffe的Makefile.config中；具体来说：CUDA7.5中的include、lib路径是安装目录下/usr/local/cuda-7.5/targets/x86_64-linux/下面的include和lib将其分别添加到caffe根目录下Makefile.config中的"INCLUDE_DIRS"、“L

2016-08-04 16:33:52 41867 2

转载机器学习中的范数规则化之L0、L1与L2范数

今天我们聊聊机器学习中出现的非常频繁的问题：过拟合与规则化。我们先简单的来理解下常用的L0、L1、L2和核范数规则化。最后聊下规则化项参数的选择问题。这里因为篇幅比较庞大，为了不吓到大家，我将这个五个部分分成两篇博文。知识有限，以下都是我一些浅显的看法，如果理解存在错误，希望大家不吝指正。谢谢。监督机器学习问题无非就是“minimizeyour error while

2016-08-03 21:39:17 419

转载机器学习（Machine Learning）大家与资源

=======================国外====================Machine Learning 大家(1)：M. I. Jordan (http://www.cs.berkeley.edu/~jordan/)在我的眼里，M Jordan无疑是武林中的泰山北斗。他师出MIT，现在在berkeley坐镇一方，在附近的两所名校（加stanford）中都可以说无出其

2016-08-03 21:29:29 14635

转载 #3 集成学习–机器学习中的群策群力 !

背景：总览机器学习方法在生产、生活和科研中有着广泛应用，而集成学习则是机器学习的热门方向之一。集成学习是使用一系列学习器进行学习，以某种规则把各个学习结果进行整合，从而获得比基学习器有更好学习效果的集成学习器.今天，我们在分析讨论集成学习和多类集成学习的同时，提出目前多类集成学习的一些问题，供大家参考。集成学习图例研究现状理论丰富

2016-08-03 21:24:35 707

转载 Ubuntu14.04LTS安装TensorFlow

1. Pip如果已经安装过pip，可以跳过这里的安装步骤。$ sudo apt-get install python-pip python-dev python-setuptools build-essential$ sudo pip install --upgrade pip$ sudo pip install --upgrade virtualenv为了检测

2016-08-03 21:23:43 12662 1

转载 #2 大话机器学习中的贝叶斯 Bayesian

这一期, 我们来谈一谈机器学习中的贝叶斯. 概率论中贝叶斯理论, 作为概率的一种“思考方式”, 十分通用. 当机器学习应用中, 贝叶斯的强大理论提现在多个领域, 包括超参数贝叶斯, 贝叶斯推断, 非参贝叶斯等等…入门机器学习中的贝叶斯, 首先要区分概率中频率学派和贝叶斯学派的. 网上有各种各样的解释, 其实, 我们可以从机器学习的角度去解释.机器学习问题可以总结为: 找

2016-08-03 21:22:42 1939

转载机器学习常见面试题总结

前言：找工作时（IT行业），除了常见的软件开发以外，机器学习岗位也可以当作是一个选择，不少计算机方向的研究生都会接触这个，如果你的研究方向是机器学习/数据挖掘之类，且又对其非常感兴趣的话，可以考虑考虑该岗位，毕竟在机器智能没达到人类水平之前，机器学习可以作为一种重要手段，而随着科技的不断发展，相信这方面的人才需求也会越来越大。纵观IT行业的招聘岗位，机器学习之类的岗位还是挺少的，国

2016-08-03 21:21:18 6385

转载快速入门机器学习图解机器学习10张经典图片

入门机器学习, 总有几张图片, 令人印象深刻. 以下是十张经典图片, 图解机器学习, 非常有启发性:1. 训练错误和测试错误。这张图告诉我们训练错误越小，不一定是最好的。训练误差和测试误差要达到一个平衡，才是最好的。下图展示了ESL 图 2.11, 训练错误和测试错误与模型复杂度的关系.Test and training error2. “欠拟合”和”过拟合”.

2016-08-03 21:19:42 4642

转载 #5 Deep learning RNN-RBM简单理解

前言：本文主要是bengio的deep learning tutorial教程主页中最后一个sample：rnn-rbm in polyphonic music. 即用RNN-RBM来model复调音乐，训练过程中采用的是midi格式的音频文件，接着用建好的model来产生复调音乐。对音乐建模的难点在与每首乐曲中帧间是高度时间相关的（这样样本的维度会很高），用普通的网络模型是不能搞定的

2016-08-03 21:17:44 1219

转载理解 LSTM 网络

循环神经网络(RNN)人们的每次思考并不都是从零开始的。比如你在阅读这篇文章时，你基于对前面的文字的理解来理解你目前阅读到的文字，而不是每读到一个文字时，都抛弃掉前面的思考，从头开始。你的记忆是有持久性的。传统的神经网络并不能如此，这似乎是一个主要的缺点。例如，假设你在看一场电影，你想对电影里的每一个场景进行分类。传统的神经网络不能够基于前面的已分类场景来推断接下来的场景分类。

2016-08-03 21:16:09 1852

转载神经网络抵制过拟合神器：Dropout 手把手论文入门 — 深度学习 DL 番外篇

今天David 9要带大家读偶像Hinton等大牛的一篇论文，搞深度学习或者DL的朋友应该知道，那就是有名的Dropout方法。学过神经网络的童鞋应该知道神经网络很容易过拟合。而且，如果要用集成学习的思想去训练非常多个神经网络，集成起来抵制过拟合，这样开销非常大并且也不一定有效。于是，这群大神提出了Dropout方法：在神经网络训练时，随机把一些神经单元去除，“瘦身”后的神经网络继续训练，

2016-08-03 21:13:38 3432 2

转载每个人都能徒手写递归神经网络–手把手教你写一个RNN

总结：我总是从迷你程序中学到很多。这个教程用python写了一个很简单迷你程序讲解递归神经网络。递归神经网络即RNN和一般神经网络有什么不同？出门左转我们一篇博客已经讲过了传统的神经网络不能够基于前面的已分类场景来推断接下来的场景分类，但是RNN确有一定记忆功能。废话少说，上图：layer_0就是输入层，layer_1就是隐层，layer_2就是输出层。什么叫隐层呢？顾名

2016-08-03 21:11:10 9103 2

转载卷积神经网络（CNN）新手指南

卷积神经网络（Convolutional Neural Network,CNN）新手指南引言卷积神经网络：听起来像是生物与数学还有少量计算机科学的奇怪结合，但是这些网络在计算机视觉领域已经造就了一些最有影响力的创新。2012年神经网络开始崭露头角，那一年Alex Krizhevskyj在ImageNet竞赛上（ImageNet可以算是竞赛计算机视觉领域一

2016-08-03 21:06:41 1227 1

战斗蜗牛的专栏