- 博客(45)
- 收藏
- 关注
RSS订阅原创 计算机网络1-2
1. 计算机网络分层的原因每层都实现一种相对独立的功能，降低大系统的复杂度 各层之间界面自然清晰，易于理解，相互交流尽可能少 各层功能的精确定义独立于具体的实现方法，可以采用最合适的技术来实现 保持下层对上层的独立性，上层单向使用下层提供的服务 整个分层结构应能促进标准化工作2. 各层的功能应用层：所有能和用户交互产生网络流量的程序 FTP、SMTP、HTTP表示层：用于处理在两个通信系统中交换信息的表示方式 功能一：数据格式的变换 功
2023-02-18 23:13:31
115
原创 计算机网络备忘录
第一章 计算机网络体系结构1. 网络资源包括硬件资源、软件资源和数据2. 广域网覆盖范围比较广、结点多，通常采用网状结构3. 星形拓扑结构是用一个结点作为中心结点，其他n-1 个结点直接与中心结点相连构成的网络。4. 广播式网络共享广播信道，通常是局域网的一种通信方式，因此不需要网络层，因而也不存在路由选择问题。但数据链路层使用物理层的服务必须通过服务访问点实现。5. 分组交换的缺点：附加信息开销大。 分组交换要求把数据分成大小相当的小数据片，每片都要加上控制信息，因而传送数据的总开销大
2023-02-18 17:34:05
121
原创 神经网络总结
学习过程在之前我们通过微调参数对mnist以及cifar10进行了测试，这里了解一下神经网络的动态部分理论知识，即神经网络学习参数和搜索最优超参数的过程。梯度检查理论上讲梯度检查很简单，就是简单地把解析梯度和数值计算梯度进行比较。但实际并非如此。下面列出了一些提示和注意事项使用中心化公式在使用有限差值近似来计算数值梯度的时候，常见的公式是：df(x)dx=f(x+h)−f(x)h\frac{df(
2017-11-18 19:51:48
608
原创 caffe练习
安装anaconda2开始是用的anaconda3 + python3结果需要改的地方太多,并且一直出现各种坑….所以换了anaconda2安装起来还算顺利下载anacondahttps://www.anaconda.com/download/#linux根据自己电脑的版本下载打开终端,执行命令cd Downloadsbash Anaconda2-2.5.0-Linux-x86_64.sh 按提示
2017-11-18 19:50:54
904
原创 caffe学习--参数调整
调整各参数激活函数lr修改cifar10中的lr-policy调整lr大小dropoutdropout类型缺点在cifar实例中加入dropoutbatch normalizationcifar10中的BatchNormdata augmentation常见方法调整各参数这里用cifar10数据集为例激活函数Sigmoid、ReLU、TanH、Absolute Value、
2017-11-18 19:49:09
1122
原创 JavaWeb编码问题
最近在做一个项目作业，遇到了一个问题，找了很久都没找到，刚刚解决了，所以打算记录下来 在网页进行信息填写之后，保存到数据库，在数据库里发现某个表的内容全都成了HTML entity表示，中文也全被转换成了”我”这样的格式，而在页面上显示一切正常。最终发现造成这个后果的原因是在将字符串保存到数据库之前，用StringEscapeUtils.escapeHtml对其进行了处理。 字符串过滤是
2017-11-07 11:13:47
454
原创 js知识点 --01
js知识点总结 –01javascript中基本类型在编程语言中，能够表示并操作的值的类型称做数据类型。javascript中数据类型分为原始类型和对象类型原始类型：数字、字符串、布尔值、null、undefinedObject 包含所有javascript对象的特性的超类构造函数new Object()new Object(value)参数value 这个可选的参数指定一个原始的
2017-11-02 21:55:48
417
原创 fine-tuning
微调（fine-tuning）在平时的训练中，我们通常很难拿到大量的数据，并且由于大量的数据，如果一旦有调整，重新训练网络是十分复杂的，而且参数不好调整，数量也不够，所以我们可以用微调。微调网络：通常我们有一个初始化的模型参数文件，我们可以在ImageNet上1000类分类训练好的参数的基础上，根据我们的分类识别任务进行特定的微调步骤在网络的微调中，分为以下几个流程准备好训练集和数据集计算数据集
2017-11-02 18:26:13
5994
原创 更改mnist测试数据数量
更改mnist测试数据数量测试的batch有默认值在caffe/tools/caffe.cpp中在caffe的目录下执行 make cleanmake all -j4编译完成后，重新测试，就可以改变batch的值了修改训练及测试数据数量每次测试的item number = batch size × test_iter;(针对mnist数据集)batch size在 ./emamples/mn
2017-11-02 18:25:44
1655
原创 cifar数据集训练
cifar数据集训练准备数据库sudo ./data/cifar10/get_cifar10.shsudo ./examples/cifar10/create_cifar10.sh运行后在examples/cifar10目录里多了两个文件分别是数据集和测试集，以及./mean.binaryproto该数据集可在cifar10_quick_slover.prototxt里修改配置训练和测试模型./e
2017-11-02 18:24:10
730
原创 网络模型结构的绘制
网络模型结构的绘制使用规范：usage: draw_net.py [-h] [--rankdir RANKDIR] input_net_proto_file output_image_file由于在一开是有提错，所以中间有安装插件pip install pydot如果有的话这一步就不用了执行命令：python draw_net.py --rankdir LR .
2017-10-31 13:19:10
508
原创 MNIST数据集训练
MNIST数据集训练下载数据集cd data/mnist/./get_mnist.shget_mnist.sh该脚本用于下载MNIST数据集并解压原始数据集包括四个文件train-images-idx3-ubyte 训练集，图片train-labels-idx1-ubyte 训练集，标签t10k-images-idx3-ubyte 测试集，图片t10k-labels-idx1-ubyte
2017-10-31 13:18:03
2349
1
原创 caffe分类小例子
Caffedata、examples、include、matlab、models、python、src、toolsexamples：官网提供的基本的模型include:框架源码头文件src:caffe框架源码models:存放训练完的模型以及网络结构文档tools：用于可执行的文件分类小例子用已有的参数文件和训练好的模型对现有的图片进行分类，这个用官网的例子作为测试import numpy as n
2017-10-31 13:17:09
1212
原创 CS231N神经网络
神经网络激活函数几种常见的激活函数Sigmoid函数 Sigmoid非线性函数，将实数压缩在在0~1之间，更具体的说很大的负数变成0，很大的正数变成1，在历史上被常用的原因是它对于神经元的激活频率有良好的解释但是现在sigmoid激活函数不被使用的原因Sigmoid函数饱和使梯度消失。sigmoid神经元有一个不好的特性，就是当神经元的激活在接近0 或1 处时会饱和：在这些区域，梯度几乎为0
2017-10-31 13:15:04
589
原创 Caffe的安装及MNIST数据集训练
Caffe的安装及MNIST数据集训练准备caffe环境打开终端执行命令sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compilersudo apt-get install --no-install-recommends lib
2017-10-31 13:14:03
397
原创 CS231N
Lecture 5卷积神经网络卷积神经网路是一种前馈神经网络，人工神经元可以相应周围单元，可以大型图像处理，卷积神经网络包括卷积层和池化层。前馈神经网络 是一种最简单的神经网络，各神经元分层排列。每个神经元只与前一层的神经元相连。接收前一层的输出，并输出给下一层，各层间没有反馈前馈神经网络结构简单，应用广泛，能够以任意精度逼近任意连续函数及平方可积函数，而且可以精确实现任意有限训练样本集感知器
2017-10-31 13:13:02
431
原创 CS231N
Lecture 4反向传播（BP传播）监督学习算法利用链式法则递归计算表达式的梯度的方法适用于多层神经元网络的算法，建立在梯度下降的基础上，神经网络的输入输出实际上是一种映射关系：一个n输入m输出的BP神经网路所完成的功能是从n维欧式空间向m维欧式空间中一有限域的连续映射，这一映射具有高度非线性。它的信息处理能力来源于简单非线性函数的多次复合，因此具有很强的函数复现能力。反复循环迭代，直到
2017-10-31 13:12:30
541
原创 CS231N--图像分类总结
图像分类总结所谓的图像分类就是将图像集作为输入，用已有的”分类方法“将输入的图像进行”标注“（也就是分类）在计算机中图片就是许多个数字组成的数组，也就是将一个图片映射为一个数组，将该数组标注上输入图片的标签，本课程中是用三维数组来表示一个图片 的 （宽X高X3，其中3代表红，绿，蓝）在上次课程中老师也指出了各种干扰因素，例如：遮挡物、背景、角度等条件，计算机是很难分辨的数学驱动方法也就是让机
2017-10-31 13:12:02
928
原创 CS231N
Lecture 2 Image Classification pipelineNearest Neighbor Classifierload the dataset: CIFAR-10将60000个数据分为两组，一组为训练数据，一组为测试数据demo.pyimport numpy as npfrom NearestNeighbor import NearestNeighborfrom Loa
2017-10-31 13:11:22
493
原创 CS231N
Lecture 1涉及到的领域计算机视觉涉及到我们生活中很多的领域，其中包括生物学、物理学、数学、机器学….history原始的进化 （物种的出现就有了视觉的出现）最早的照相机出现（根据哺乳动物的视觉神经创作的）David Marr理论：建造3D模型的具体步骤物体辨别图像分类在2012年图像分类迈出了重要的一步卷积神经网络变成了重要的工具Lecture 2安装python and Numpy图像分类
2017-10-31 13:10:03
340
原创 数据分析
问题解决将三组数据画成三维图在matlab中要画三维图，需要将三组输入的数据转化为矩阵数据如下：将每一组数据提取出来之后，转化成矩阵，最后画图，于是有了如下结果。>> x = meshgrid(f1);>> y = meshgrid(f2);>> z = meshgrid(f3);>> mesh(x,y,z);显然这样的结果不是我们想要的，所以最终在matlab中文网站上找到如下方法：>>
2017-09-15 15:58:04
449
1
原创 相关数学知识
数学相关知识（二）概率论与数理统计应用实例：问题分析在前面的各自10000个路人中，西施貂蝉赢得的回头数目一共三种情况西施的回头数大于貂蝉，假定发生概率为P(A)西施的回头数小于貂蝉，假定发生概率为P(B)西施的回头数等于貂蝉，假定发生概率为P(C)西施貂蝉美貌匹敌，根据对称性，有P(A) = P(B ) = PP(C) = 1- 2p假定第10001人的回头概率为X,若貂蝉的总回头数D大
2017-09-14 15:56:20
373
原创 DOM
DOMdocument Object model文档对象模型将一些标记型的文档以及文档中的内容当成对象可以再对象中定义其属性和行为，可以方便操作这些对象DOM在封装标记型文档时，有三层模型DOM1:针对html文档DOM2:针对xml文档DOM3:针对xml文档Html，XHtml，Xml这些都是标记型文档DHTML是多个技术的综合体，叫做动态的htmlhtml:负责将数据进行标签的封装css
2017-09-11 18:25:02
274
原创 javascript01
JavaScript概述JavaScript 是基于对象和事件的脚本语言特点 安全性（不允许直接访问本地硬盘） ，可以做的就是信息的动态交互跨平台性与Java不同所属公司不同，java是sun公司，现在是oraclejs是基于对象，java是面向对昂js是由浏览器解释并执行，java是由jvm解释并执行js是弱类型的语言，java是强类型js是非严谨的，java是严谨的基本语法
2017-09-11 18:24:15
245
原创 相关数学知识
数学知识(一)集合论举例学生上课不规矩的概率 = 0.1P(学生上课不规矩) = 0.1概率函数的自变数是：事件，而事件是一种集合集合名词元素Ex: 1、2、3、4、5集合Ex:A = {1,2,3,5}子集合Ex: B = {1,2}则B是A的子集，表示为B⊂AB\subset A宇集Ex:S = {1,2,3,4,5}空集合Ex:∅=\emptyset = {} 交集Ex:A⋂B=A\
2017-09-11 18:23:30
318
原创 机器学习归纳总结
机器学习归纳总结模型评估与选择经验误差与过拟合错误率 = a个样本分类错误/m个样本精度 = 1 - 错误率误差：学习器实际预测输出与样本的真是输出之间的差异。训练误差：即经验误差。学习器在训练集上的误差。泛化误差：学习器在新样本上的误差。过拟合：学习器把训练样本学的”太好”，把不太一般的特性学到了，泛化能力下降，对新样本的判别能力差。必然存在，无法彻底避免，只能够减小过拟合风险。欠拟合：对训练样
2017-09-11 18:22:52
370
原创 神经网络学习（三）
神经网络(三)SVMSupport Vector MachineSVM 的主要思想是建立一个超平面作为决策曲面，使得正例和反例之间的隔离边缘被最大化优点通用性鲁棒性有效性计算简单理论上完善用SVM做分类问题处理的流程：选定训练集和测试集>> 规范化>>特征提取>>利用训练集训练分类器得到model>>利用model对测试集进行测试分类器性能评估从UCI上下载数据集load win
2017-09-10 10:36:45
494
原创 神经网络学习（二）
神经网络二回顾自组织神经网络Som神经网络模型Hopfield神经网络数字识别连续型Hopfield神经网络应用举例TSP神经网络（二）回顾RBF网络前项型的网络：输入值从输入层单元向前逐层传播经过隐藏层最后到达输出层得到输出径向基函数网络 只有一个隐藏层的三层前馈神经网络隐藏层的转换函数是局部相应的高斯函数，所以要实现同一个功能，神经元个数要比BP多训练时间短由于局部想响
2017-09-10 10:36:16
995
原创 神经网络学习（一）
神经网络六个问题Rbf网络Bp网络神经网络六个问题什么时候可以用神经网络分类还是回归Deterministic 还是StochasticSupervised 还是UnsupervisedOn-line还是Off-linePc还是 其他硬件设备Rbf网络不同的神经网络基本上都是神经元处不同在做RBF神经网络的时候，根据已知输入输出计算出权重这样之后就可以根据输入的数据和权重推导
2017-09-10 10:35:44
522
原创 《数字图像处理》--冈萨雷斯（第十一章）
表示与描述背景知识表示表示与描述背景知识前言对分割区域加以表示与描述，以便使“自然状态的”像素更适合计算机处理。表示区域设计到两个基本选择用外部特征（区域的边界）表示区域用内部特征（组成区域的像素）表示区域背景单元数组与结构单元数组不同类型的元素可以放在一个数组中单元数组的简单说明自己写一个函数 image_stats该函数用来输出一幅图像的平均亮度、维数、行的平均亮度和列的平均亮度
2017-09-10 10:34:31
1837
原创 《数字图像处理》--冈萨雷斯（第十章）
图像分割点线和边缘检测使用Hough变换的线检测阈值处理图像分割点、线和边缘检测点检测点检测在MATLAB中可以用函数imfilter来实现点检测方法>> g = abs(imfilter(double(f), w)) >= T其中f 是输入图像,w是一个合适的点检测掩模， g是结果图像计算已滤波的图像，即abs(imfilter(double(f),w));使用来自己滤波的图像的数据找到
2017-09-10 10:34:01
3282
原创 《数字图像处理》--冈萨雷斯（第九章）
形态学图像处理预备知识膨胀和腐蚀膨胀与腐蚀的结合形态学图像处理预备知识集合论中的基本概念二值图像、集合和逻辑运算符 在MATLAB中用逻辑表示于二值图像上执行集合运算 集合运算 二值图像的MATLAB语句 名称 A ∩ B A & B 与 A ∪ B A | B 或 AcA^c ~A 非 A - B A &~B
2017-09-10 10:33:06
1701
原创 《数字图像处理》--冈萨雷斯（第六章）
彩色图像处理MATLAB中彩色图像的表示方法RGB 图像数据类型为double 型rgb_image = cat(3, fR, fG, fB)其中fR,fG和fB分别代表三种RGB分量图像RGB彩色空间常常用一个RGB彩色立方体加以图解展示。 >> rgbcube(5, 5, 10)索引图像索引图像有两个分量，即整数的数据矩阵X和imapprox函数[Y, newmap] = im
2017-09-10 10:32:17
2274
原创 《数字图像处理》--冈萨雷斯（第三章）
亮度变换与空间滤波亮度变换函数 s = T(r) r表示图像f中相应点(x,y)的亮度，s表示图像g中相依点(x,y)的亮度 函数imadjust 此函数是对灰度图像进行亮度转换的基本IPT工具 语法： g = imadjust(f,[low_in high_in]n [low_out high_out], gamma) 对数和对比度拉伸变换
2017-09-10 10:30:20
906
原创 《数字图像处理》--冈萨雷斯（第二章）
基本原理数字图像的表示 坐标约定： 多数图像处理书籍中所用的坐标约定图形处理工具箱中所用的坐标约定图像的矩阵表示读取图像 >> f = imread(filename); filename 是一个含有图像文件全名的字符串，此处可以用相对路径和绝对路径 >>size(f) 函数size可以给出一幅图像的行数和列数 >> whos f函数whos可以显示出一个数
2017-09-10 10:29:29
939
原创 《数字图像处理》--冈萨雷斯（第一章）
绪言Matlab（matrix laboratory）matlab 对于基数计算来说是一种高性能的语言matlab 是一种交互式系统IPT(Image Process Toolkit) ipt是为手机用户提供多媒体信息留言的应用程序主要作用： 在需要快速响应，协同工作的时候，发送方用户可以通过IPT系统，使用语音、文字、信息等多种方式与他人或者系统快速进行沟通。Ma
2017-09-10 10:26:08
460
原创 《机器学习》--周志华 （第十章学习笔记）
降维与度量学习k近邻学习k近邻学习是一种常用的监督学习方法工作机制：给定测试样本，基于某种距离度量找出训练集中与其最靠近的k个训练样本，然后基于这k 个“邻居”的信息来进行预测通常，在分类任务中可使用“投票法” ，即选择这k个样本中出现最多的类别标记作为预测结果；在回归任务中可使用“平均法”，即将这k个样本的实值输出标记的平均值作为预测结果；还可基于距离远近进行加权平均或加权投票，距离越近的样本权
2017-07-30 08:32:35
1450
原创 《机器学习》--周志华 （第九章学习笔记）
聚类聚类任务目标：将数据样本划分为若干个通常不相交的“簇”聚类任务既可以作为一个单独过程（用于找寻数据内在的分布结构）也可以作为分类等其他学习任务的前驱过程。性能度量聚类性能度量，亦称聚类“有效性指标”外部指标将聚类结果与某个“参考模型”进行比较内部指标直接考察聚类结果而不用任何参考模型距离计算距离度量需满足的基本性质常见聚类方法 原型聚类原型聚类 亦称“基于原型的聚类”假设：聚类结
2017-07-30 08:31:59
939
原创 《机器学习》--周志华 （第六章学习笔记）
支持向量机间隔与支持向量 在样本空间中寻找一个超平面，将不同类别的样本分开 “正中间”的：鲁棒性最好，泛化能力最强 对偶问题拉格朗日乘子法第一步：引入拉格朗日乘子ai>=0a_i>=0 得到拉格朗日函数第二步：令L(w,b,a)L(w,b,a)对w和b的偏导为零可得第三步：回代可得最终模型KKT条件必有ai=0或yif(xi)=1a_i
2017-07-30 08:31:21
2564
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